La clasificación de carbonizados se realiza, generalmente, de forma manual mediante el análisis de las características morfológicas de al menos 500 partículas. Existen varias propuestas de clasificación semiautomática y automática usando técnicas de procesamiento de imágenes, sin embargo es poca la atención prestada al preprocesamiento de las imágenes. Las imágenes de carbonizados, normalmente empleadas para la clasificación automática, son de alta resolución (1300x1030 píxeles). Adicionalmente, analizar 500 partículas implica procesar al menos 290 imágenes para clasificar una muestra. En este artículo, se analiza el uso del sub-muestreo para reducir la resolución de las imágenes y su impacto sobre la clasificación de los carbonizados. Los resultados experimentales muestran que una reducción en el tamaño de las imágenes, a la mitad reduce hasta en un 69.19% el tiempo de procesamiento y no afecta la clasificación final de la muestra
A Cells Segmentation Approach in Epithelial Tissue using Histology Images by ...
Impacto del Muestreo en la Clasificación de Carbonizados de Carbón by Chaves
1. Impacto del Muestreo en la Clasificación
de Carbonizados de Carbón
Deisy Chaves
Patricia Trujillo
2. Introducción
Combustión del carbón pulverizado (PPC)
Carbonizado
Esquema de una central térmica [http://www.kalipedia.com]
Diapositiva 2
3. Introducción (II)
Para clasificar una muestra de carbonizado es necesario analizar
al menos 500 partículas – 290 imágenes o más-
Carbonizado
Resina
Probeta
Diapositiva 3
4. Características de las Imágenes
Adquisición usando una platina motorizada
Imágenes a color de alta resolución (1300 x 1030 píxeles)
Resina
Carbonizado Inquemado
Diapositiva 4
5. Identificación de Partículas
Umbralización simple
0 si I ( x, y ) t Re sin a
G( x, y )
1 si I ( x, y ) t Partícula
t = 50
Diapositiva 5
6. Extracción de Partículas
Las partículas identificadas se extraen usando un algoritmo de
crecimiento de regiones, si no tocan los bordes de las imágenes y
poseen un tamaño superior a un umbral de 208,34 m
Diapositiva 6
7. Características Morfológicas (I)
Árbol de clasificación propuesto por Álvarez y Lester2
Características
seleccionadas7:
Material no fundible
Porosidad
Esfericidad
Espesor de pared
2. D. Álvarez, E. Lester. Atlas of Char Occurrences. Combustion Working Group, Commission III. Internacional Conference on Coal
Petrology – ICCP. 2001
7. Reyes, J. M. Identificación de descriptores en imágenes de carbonizado. Tesis de Maestría en Ingeniería. 2009
Diapositiva 7
9. Resultados de la Clasificación
Inquemado
Mixed dense
Crassisphere Inertoid
Diapositiva 9
10. Reducción de la Resolución:
Sub-muestreo Simple3
Cada uno de los píxeles (i,j) de la nueva imagen es el primer píxel (x,y) de
la cuadrícula correspondiente.
Imagen
Resultante
Imagen Original
3. Chaves, D., Trujillo, P. ,Rojas, A. Muestreo y cuantificación de imágenes de carbonizados.3CCC, 2008
Diapositiva 10
11. Efecto del Muestreo en la Clasificación (I)
En las imágenes reducidas con d=2 se observa que:
El área de las partículas identificadas corresponde a un 25% del área de las
partículas en las imágenes originales. En la clasificación se fija en 52,08 m
el umbral para la extracción de partículas
Los espesores de pared obtenidos en cada partícula corresponden a un
50% de los espesores de pared en las imágenes originales. En la
clasificación se considera un umbral de 1,5 m para clasificar una partícula
en base a la mediana de los espesores de pared
Imagen Original (1300x1030 píxeles) d=2 (650x515 píxeles)
Diapositiva 11
12. Efecto del Muestreo en la Clasificación (II)
Algunos problemas en la identificación de partículas
Imágenes Originales Imágenes Reducidas
11 partículas identificadas 12 partículas identificadas
17 partículas identificadas 16 partículas identificadas
Diapositiva 12
13. Experimentación y Resultados (I)
Se clasificaron 11650 imágenes de carbonizado correspondientes a 27
muestras obtenidas al desvolzatilizar:
Carbón de las Minas: La Yolanda (Y), El Cerrejón (C) y Thoresby (T)
Tiempos de Desvolatilización: 100ms, 150ms y 300ms
Temperatura de Desvolatilización: 900 ºC , 1000 ºC y 1100 ºC
La resolución de las imágenes de carbonizado (1300x1030 píxeles) fue
reducida a un cuarto del tamaño original (650x515 píxeles) utilizando la
estrategia de sub-muestro simple con d=2
Diapositiva 13
14. Experimentación y Resultados (II)
Hardware: Procesador: Intel® Core™2 Quad CPU Q6600@2,40GHz
Memoria RAM:4GB
Tiempo de Desvolatilización: 100ms
Imágenes Clasificadas: 4032 imágenes
Carbón Temperatura Número Número de Tiempo Análisis Porcentaje
Desvolatilización Imágenes Partículas Por Imagen Mejora
ºC Analizadas [Seg]
Original Muestreo Original Muestreo
La 900 651 2620 2622 1,88 0,61 67,89
Yolanda 1000 295 1048 1043 2,06 0,64 69,03
1100 295 1726 1722 2,09 0,65 68,67
El 900 768 6081 6009 1,96 0,64 67,53
Cerrejón 1000 567 4864 4852 1,94 0,62 67,88
1100 295 2965 2935 2,20 0,71 67,90
900 295 3206 3170 2,17 0,70 67,86
Thoresby 1000 298 3089 3116 2,11 0,67 68,10
1100 568 3589 3612 1,89 0,61 67,84
Diapositiva 14
15. Experimentación y Resultados (III)
Hardware: Procesador: Intel® Core™2 Quad CPU Q6600@2,40GHz
Memoria RAM:4GB
Tiempo de Desvolatilización: 150ms
Imágenes Clasificadas: 3174 imágenes
Carbón Temperatura Número Número de Tiempo Análisis Porcentaje
Desvolatilización Imágenes Partículas Por Imagen Mejora
ºC Analizadas [Seg]
Original Muestreo Original Muestreo
La 900 556 2620 2622 1,96 0,63 67,62
Yolanda 1000 296 1048 1043 2,31 0,73 68,47
1100 296 1726 1722 2,03 0,63 68,89
El 900 559 6081 6009 1,85 0,60 67,44
Cerrejón 1000 276 4864 4852 1,95 0,63 67,90
1100 300 2965 2935 2,43 0,76 68,82
900 293 3206 3170 2,05 0,64 68,72
Thoresby 1000 298 3089 3116 2,13 0,68 67,98
1100 300 3589 3612 2,05 0,65 68,24
Diapositiva 15
16. Experimentación y Resultados (IV)
Hardware: Procesador: Intel® Core™2 Quad CPU Q6600@2,40GHz
Memoria RAM:4GB
Tiempo de Desvolatilización: 300ms
Imágenes Clasificadas: 4444 imágenes
Carbón Temperatura Número Número de Tiempo Análisis Porcentaje
Desvolatilización Imágenes Partículas Por Imagen Mejora
ºC Analizadas [Seg]
Original Muestreo Original Muestreo
La 900 279 2620 2622 1,98 0,62 68,54
Yolanda 1000 295 1048 1043 2,31 0,71 69,16
1100 296 1726 1722 2,32 0,72 69,19
El 900 755 6081 6009 1,77 0,57 67,74
Cerrejón 1000 533 4864 4852 1,83 0,59 67,42
1100 292 2965 2935 2,27 0,71 68,63
900 827 3206 3170 1,79 0,58 67,77
Thoresby 1000 297 3089 3116 2,07 0,65 68,46
1100 870 3589 3612 1,83 0,59 67,76
Diapositiva 16
17. Experimentación y Resultados (V)
Porcentaje de Partículas Identificadas en las 27 Muestras
por Grupo de Carbonizado
80
70
Porcentaje Promedio
60
50
40
30
20
10
0
Inertoid Crassisphere Tenuinetwork Crassinetwork Mixed Dense Mixed Porous Solid/Fusinoid Inquemado
Imagen Original 75,98 2,39 0,07 3,08 1,74 0,31 0,01 16,41
Imagen Reducida 76,06 2,59 0,07 3,41 0,89 0,12 0,01 16,88
Grupo de Carbonizado
Diapositiva 17
18. Comentarios Finales
El uso de sub-muestreo simple con d=2 permiten disminuir el tamaño de la
imagen, sin incurrir en pérdida de información, y reduce los tiempos de
procesamiento en promedio en un 68,22%
La clasificación final de la muestra de carbón es la misma usando imágenes
con resolución original e imágenes reducidas.
Debido al efecto del sub-muestreo simple usado para reducir la resolución
de las imágenes, es necesario ajustar:
El umbral de tamaño a partir del cual una partícula se considera válida
para el análisis. Se considera un umbral fijo de 52.08 m, para las
imágenes reducidas, en lugar del umbral de 208.34 m normalmente
usado
El umbral utilizado para determinar si una partícula de carbonizado es
Tenuisphere, Crassisphere, Tenuinetwork, o Crassinetwork en base a la
mediana de los espesores de pared, en particular, para la clasificación
de las imágenes reducidas se considera un umbral de 1.5 m en lugar
del umbral de 3 m utilizado para las imágenes con resolución original
Diapositiva 18
19. Bibliografia
1. Álvarez, D., Borrego A. G. and Menéndez R. Unbiased methods for the morphological
description of char structures. Fuel. Vol. 76, No. 13, pag. 1241-1248, 1997
2. Álvarez, D., Lester, E.. Atlas of Char Occurrences. Combustion Working Group, Commission
III. Internacional Conference on Coal Petrology – ICCP. 2001
3. Chaves, D., Trujillo, P.,y Rojas, A.F. Muestreo y cuantificación de imágenes de carbonizados.
Revista Avances en Sistemas e Informática, Número Especial Vol.5 No. 2, 2008
4. Chaves, D., Reyes, J. M, y Trujillo, P. Clasificación automática de imágenes digitales de
carbonizados. LACNEM, 2009
5. Lester E., Cloke M. and Allen M. Char characterization using image analysis technology.
Energy & Fuels. Vol. 10, pag. 696-703, 1996
6. Liu G., Benyon P., Benfell K., Bryant G., Tate A.G., Boyd R.K., Harris D.J. and Wall T.F. The
porous structure of bituminous coal chars and its influence on combustion and gasification
under chemically controlled conditions. Fuel. Vol. 79, No. 6, pag. 617-626, 2000
7. Reyes, J. M. Identificación de descriptores en imágenes de carbonizado. Tesis presentada a
la Universidad del Valle. Cali. Para optar al grado de Maestría en Ingeniería. 2009
8. Rojas, A.F., Barraza, J.M. Caracterización morfológica de carbones pulverizados: estado del
arte. Rev. Fac. Ing. Univ. Antioquia. Vol. 41, pag. 84-97,2007
9. Wu T., Lester E., Cloke M. Advanced automated char image analysis techniques. Energy &
Fuels. Vol. 20, No. 3, pag.1211-1219,2006
Diapositiva 19