One of the major challenges facing society today is efective waste management, making recycling initiatives crucial for reducing environmental pollution and conserving valuable resources. This thesis aims to develop an autonomous system capable of searching for and collecting discarded recyclable red cans in parks and other public areas. The paper presents the hardware design, software development and testing results of a prototype created for this purpose. The hardware setup includes movement through DC motors and a pickup process involving servo motors, which facilitates the collection of cans into a container mounted on the prototype. The software component uses object detection, utilizing image processing techniques to recognize and locate red cans within the environment. A control system integrates image processing, sensor feedback and wheel control to navigate and maintain the correct position in front of the target cans. Testing results reveal a success rate of 80% and a well-functioning control system. However, challenges in object detection under extreme lighting conditions, as well as limitations in the control system’s precision, particularly in sensor reliability, were observed. The discussion highlights the need for further development, including the implementation of machine learning models for object recognition and enhancements to the retrieval process for improved effciency.

En av de största utmaningarna som samhället står inför idag är efektiv avfallshantering, vilket gör återvinningsinitiativ avgörande för att minska miljöföroreningar och bevara värdefulla resurser. Detta kandidatexamensarbete syftar till att utveckla ett autonomt system som kan söka efter och samla in bortkastade återvinningsbara röda burkar i parker och andra ofentliga områden. Rapporten presenterar hårdvarudesign, programvaruutveckling och testresultat av en prototyp skapad för detta ändamål. Hårdvaran inkluderar rörelse med hjälp av DC-motorer samt en upplockningsprocess med servomotorer som möjliggör insamlingen av burkar i en hink monterad på prototypen. Programvaran använder objektdetektering och utnyttjar bildbehandlingsmetoder för att känna igen och lokalisera röda burkar. Ett kontrollsystem integrerar bildbehandling, sensoråterkoppling och hjulstyrning för att navigera och bibehålla rätt position gentemot de röda burkarna. Testen visar på att prototypen lyckas med 80% av försöken och att systemet fungerar bra. Dock avslöjas utmaningar i objektdetektering under extrema ljusförhållanden och begränsningar i kontrollsystemets precision, särskilt i sensorernas tillförlitlighet. Diskussionen belyser behovet av ytterligare utveckling, inklusive implementering av maskininlärningsmodeller för objektdetektering samt förbättring av upplockningsprocessen för ökad efektivitet. Sammantaget visar prototypen lovande funktionalitet, men det är avgörande att adressera identiferade begränsningar för dess efektivitet i verkliga tillämpningar.