Analisar a integração entre visão computacional e modelos de negócio na reciclagem de resíduos sólidos inorgânicos, mapeando tecnologias predominantes, modelos de negócio associados e lacunas de pesquisa, com base em 489 artigos (2009–2025).
O estudo é original ao articular, de forma inédita, a literatura técnica de visão computacional às teorias de capacidades dinâmicas e capacidade de absorção, preenchendo uma lacuna entre desenvolvimento algorítmico e viabilidade de modelos de negócio circulares na gestão de resíduos inorgânicos.
Mapeamento bibliométrico com protocolo inspirado no PRISMA, busca nas bases Scopus, Web of Science, seguido de análise exploratória logintudinal e análise de conteúdo do corpus textual por meio de Classificação Hierárquica Descendente e Análise Fatorial de Correspondência, processadas em Python.
Identificou-se trajetória tecnológica em três fases, da visão computacional clássica ao aprendizado profundo e Edge AI, e quatro núcleos temáticos, revelando tensão entre o núcleo técnico-algorítmico e as aplicações voltadas à sustentabilidade e à economia circular.
Articula a literatura de visão computacional às teorias de capacidades dinâmicas e capacidade de absorção, e oferece protocolo replicável combinando bibliometria e mineração textual.
Orienta gestores de cooperativas de catadores, indústrias recicladoras e formuladores de política pública na priorização de investimentos, indicando soluções de IA como via de inclusão tecnológica e reforço da inclusão socioprodutiva na cadeia de reciclagem.
To analyze the integration of computer vision and business models in inorganic solid waste recycling, mapping prevailing technologies, associated business models, and research gaps based on 489 articles (2009–2025).
The study is original in that it articulates, in a novel way, the technical literature on computer vision with theories of dynamic capabilities and absorptive capacity, bridging the gap between algorithmic development and the viability of circular business models in inorganic waste
Bibliometric mapping using a PRISMA-inspired protocol and searches in the Scopus and Web of Science databases, followed by longitudinal exploratory analysis and content analysis of the textual corpus via Descending Hierarchical Classification and Correspondence Factor Analysis, processed in Python.
A technological trajectory spanning three phases, from classical computer vision to deep learning and Edge AI, was identified, along with four thematic cores, revealing a tension between the technical-algorithmic core and applications focused on sustainability and the circular economy.
It links the computer vision literature to theories of dynamic capabilities and absorptive capacity, and offers a replicable protocol combining bibliometrics and text mining.
It guides managers of waste picker cooperatives, recycling industries, and public policymakers in prioritizing investments, highlighting AI solutions as a pathway to technological inclusion and the strengthening of socio-productive inclusion within the recycling supply chain.