Caracterización geométrica de cristales de sacarosa mediante técnicas de visión artificial

La inteligencia artificial es uno de los campos más ampliamente estudiados en la actualidad y empleados en ámbitos laborales como la industria. La visión artificial, siendo una rama de lo anterior, se ha comenzado a emplear en estos campos con el fin de supervisar y controlar diferentes procesos, co...

Full description

Autores:
Tierradentro Muñoz, John André
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2018
Institución:
Universidad del Valle
Repositorio:
Repositorio Digital Univalle
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.univalle.edu.co:10893/34449
Acceso en línea:
https://hdl.handle.net/10893/34449
Palabra clave:
Cristalografia
Cristalización de la sacarosa
Sacarosa
Visión artificial
Análisis geométrico
Ingenios azucareros
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
Description
Summary:La inteligencia artificial es uno de los campos más ampliamente estudiados en la actualidad y empleados en ámbitos laborales como la industria. La visión artificial, siendo una rama de lo anterior, se ha comenzado a emplear en estos campos con el fin de supervisar y controlar diferentes procesos, como es el caso de los ingenios azucareros, en donde se necesita realizar el seguimiento del proceso de cristalización y de ser posible, mejorarlo con el fin de obtener un producto lo más cercano posible a lo deseado. El objetivo de este trabajo fue el desarrollo de una herramienta capaz de determinar, mediante técnicas de visión artificial, las principales características de los cristales de sacarosa que permitan identificar la calidad del producto final. Se encontró que estas características corresponden a la apertura media (MA) y al coeficiente de variación (CV), por lo que la herramienta fue encaminada en la medición de estos parámetros. Se estudiaron las técnicas empleadas para este tipo de análisis, con lo que se estableció un esquema basado en la segmentación de las imágenes junto con un proceso de calibración de cámaras utilizadas en microscopía, que permite obtener las mediciones de los cristales de azúcar. Se utilizó una cámara adaptada a un microscopio y a un estereoscopio, la calibración presentó un error promedio de 140.248 nm y 5.595 μm para cada caso respectivamente. Se desarrolló un sistema clasificador de cristales conglomerados y simples basado en una red neuronal tipo MLP, que obtuvo un 87.63% de éxito en las pruebas realizadas. El algoritmo desarrollado se implementó también en el software ImageJ con el fin de demostrar la flexibilidad y robustez de las técnicas empleadas y la no dependencia de un entorno de programación, al comparar los resultados se obtuvieron diferencias inferiores al 5%. Para la validación de la herramienta se compararon los resultados con los obtenidos con el método primario de medición que es el tamizado, se obtuvieron errores por debajo del 2% para la determinación de la apertura media. En conclusión, el algoritmo para caracterización de cristales de azúcar aquí presentado muestra un gran potencial como método alternativo para la medición, que puede ser usado para la automatización y control de procesos, dando información de apoyo a los laboratorios de cristalografía de los ingenios azucareros de la región.