Please use this identifier to cite or link to this item:
https://hdl.handle.net/11000/32779
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Migallon, Hector | - |
dc.contributor.advisor | López Granado, Otoniel Mario | - |
dc.contributor.advisor | Martínez-Rach, Miguel Onofre | - |
dc.contributor.author | Quiles Ruiz, Francisco Javier | - |
dc.contributor.other | Departamentos de la UMH::Ingeniería de Computadores | es_ES |
dc.date.accessioned | 2024-07-26T11:19:18Z | - |
dc.date.available | 2024-07-26T11:19:18Z | - |
dc.date.created | 2024-06 | - |
dc.identifier.uri | https://hdl.handle.net/11000/32779 | - |
dc.description.abstract | La 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.format | application/pdf | es_ES |
dc.format.extent | 80 | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Universidad Miguel Hernández de Elche | es_ES |
dc.rights | info:eu-repo/semantics/openAccess | es_ES |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | puesta en marcha | es_ES |
dc.subject | cámara hiperespectral (HS) | es_ES |
dc.subject | imágenes | es_ES |
dc.subject | análisis | es_ES |
dc.subject.classification | Ingeniería Informática en Tecnologías de la Información | es_ES |
dc.subject.other | CDU::6 - Ciencias aplicadas::62 - Ingeniería. Tecnología | es_ES |
dc.title | Clasificación de imágenes hiperespectrales | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
View/Open:
TFG-Quiles Ruiz, Francisco Javier.pdf
2,37 MB
Adobe PDF
Share: