Identificación de monacita gris en tiempo real mediante una red neuronal convolucional
El objetivo de este trabajo es el de definir un sistema de indetificación y conteo de nódulos de mineral monacita gris mediante visión por ordenador. El interés al alza que tiene este mineral se debe a su alto contenido en óxidos de tierras raras, compuestos muy demandados en la industria tecnológic...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2025 |
| País: | España |
| Institución: | Universidad Complutense de Madrid (UCM) |
| Repositorio: | Docta Complutense |
| Idioma: | español |
| OAI Identifier: | oai:docta.ucm.es:20.500.14352/122786 |
| Acceso en línea: | https://hdl.handle.net/20.500.14352/122786 |
| Access Level: | acceso abierto |
| Palabra clave: | 004.85 549 Inteligencia artificial (Informática) Mineralogía (Geología) 1203.04 Inteligencia Artificial 2506.11 Mineralogía |
| Sumario: | El objetivo de este trabajo es el de definir un sistema de indetificación y conteo de nódulos de mineral monacita gris mediante visión por ordenador. El interés al alza que tiene este mineral se debe a su alto contenido en óxidos de tierras raras, compuestos muy demandados en la industria tecnológica actual fundamentalmente por sus particulares características físico-químicas. Para lograrlo se explorará la mejor configuración a la hora de entrenar una red neuronal convolucional para, a continuación, con los resultados de la exploración, entrenar y evaluar un modelo final a partir del cual se extraerán las conclusiones correspondientes. Por sus buenos resultados al detectar objetos en tiempo real en una sola pasada, se ha elegido una arquitectura YOLO (You Only Look Once) para desarrollar el proyecto. Al no haberse localizado un conjunto de datos de acceso público adecuado para entrenar el modelo requerido por el objetivo enunciado, el TFM incluye la descripción detallada de la creación de un dataset de elaboración propia. |
|---|