Please use this identifier to cite or link to this item: https://hdl.handle.net/11000/32779
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorMigallon, Hector-
dc.contributor.advisorLópez Granado, Otoniel Mario-
dc.contributor.advisorMartínez-Rach, Miguel Onofre-
dc.contributor.authorQuiles Ruiz, Francisco Javier-
dc.contributor.otherDepartamentos de la UMH::Ingeniería de Computadoreses_ES
dc.date.accessioned2024-07-26T11:19:18Z-
dc.date.available2024-07-26T11:19:18Z-
dc.date.created2024-06-
dc.identifier.urihttps://hdl.handle.net/11000/32779-
dc.description.abstractLa alta demanda y uso extensivo de plásticos en la vida moderna está asociada con un impacto económico significativo y una seria huella ecológica. La producción de plásticos conlleva un alto consumo de energía y emisiones de CO2, así como una gran necesidad de recursos fósiles (limitados). Debido a la alta durabilidad de los plásticos, grandes cantidades de basura plástica se acumulan en vertederos desbordantes y los desechos plásticos flotan en los océanos del mundo. Por otra parte, la incineración para generar energía libera aún más CO2 y sustancias tóxicas a la atmósfera. El reciclaje de productos plásticos después de su ciclo de vida puede contribuir significativamente a la reducción de los impactos ambientales y económicos. Para producir productos de reciclaje de alta calidad, se requieren composiciones monofraccionales de polímeros de desecho; es decir, composiciones formadas por un solo tipo de plástico, en lugar de ser una mezcla de diferentes tipos de plásticos reciclados. Existen varios métodos para clasificar y recoger este tipo de polímeros, desde separación manual, clasificación mecánica, flotación por densidad o tecnología por infrarrojos. Sin embargo, las tecnologías de medición existentes, como la espectroscopia de infrarrojo cercano, presentan limitaciones en la clasificación de mezclas complejas y diferentes grados de polímeros. Las tecnologías más recientemente inventadas basadas en espectroscopia de infrarrojo medio, espectroscopia Raman o espectroscopia asistida por láser aún se encuentran en desarrollo y se espera que sean bastante costosas. Según Gruber et al. (2019), la clasificación de residuos plásticos negros utilizando imágenes de fluorescencia y aprendizaje automático ha demostrado ser eficaz para mejorar los procesos de reciclaje [1]. En este trabajo se clasifican residuos en función de su composición química procesando imágenes hiperespectrales (HSI). Las imágenes hiperespectrales consisten en una imagen a la cual se le agregan más información en su tercera dimensión. Así, mientras que una imagen normal consta de 3 dimensiones: ancho, altura y en su tercera dimensión encontramos tres espectros; en una HSI la tercera dimensión la componen muchas bandas. En el caso de este estudio en concreto son 224.es_ES
dc.formatapplication/pdfes_ES
dc.format.extent80es_ES
dc.language.isospaes_ES
dc.publisherUniversidad Miguel Hernández de Elchees_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectpuesta en marchaes_ES
dc.subjectcámara hiperespectral (HS)es_ES
dc.subjectimágeneses_ES
dc.subjectanálisises_ES
dc.subject.classificationIngeniería Informática en Tecnologías de la Informaciónes_ES
dc.subject.otherCDU::6 - Ciencias aplicadas::62 - Ingeniería. Tecnologíaes_ES
dc.titleClasificación de imágenes hiperespectraleses_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
Appears in Collections:
TFG-Ingeniería Informática en Tecnologías de la Información (ELCHE)


Thumbnail

View/Open:
 TFG-Quiles Ruiz, Francisco Javier.pdf

2,37 MB
Adobe PDF
Share:


Creative Commons ???jsp.display-item.text9???