Identificació de la wolframita a partir de pixels mitjançant Machine Learning
Visualitza/Obre
Memòria (1,209Mb) (Accés restringit)
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/112717
Tipus de documentTreball Final de Grau
Data2017-07
Condicions d'accésAccés restringit per decisió de l'autor
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
Cada vegada més, es persegueix aconseguir millores d’eficiència i l’abaratiment de qualsevol tasca a realitzar dins d’una empresa, amb l’objectiu de ser més competitiu al mercat i sobretot, anar per davant a la teva competència.
El cas és, que en la mineria del Wolframi, actualment, s’ha de processar tot el material que s’extreu de la mina quan la llei de la wolframita és ridícula. Això suposa una enorme despesa de temps i diners, que es gasten processant tones i tones de material per acabar obtenint quantitats ínfimes de wolframita. I si es poguessin saltar uns quants passos del processament gracies a la Intel·ligència Artificial?
En el present Treball Final de Grau es dissenya i s’analitza l’eficiència d’un detector de wolframita en una mostra donada, a parir de les característiques subministrades pels píxels d’un seguit d’imatges digitals i aplicant tècniques de Machine Learning. On s’han realitzat un seguit de proves utilitzant diferents algoritmes i així valorar amb quin o quins d’ells s’obté millor resultat.
MatèriesTungsten--Analysis, Minerals--Analysis, Image processing--Digital techniques, Tungstè, Minerals -- Anàlisi, Imatges -- Processament -- Tècniques digitals
TitulacióGRAU EN ENGINYERIA DE RECURSOS ENERGÈTICS I MINERS (Pla 2012)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
ToniAbrilSolerTFG.pdf | Memòria | 1,209Mb | Accés restringit |