Determinación De La Distribución Granulométrica En Línea

Determinación De La Distribución Granulométrica En Línea Para
Control De Procesos De Separación Y Peletizado De Minerales.
Jesús Anibal Montenegro Ríos.
Instituto de Metalurgia. Facultad de Ingeniería. Universidad Autónoma de San Luis
Potosí. Área de procesamiento de Minerales. Av. Sierra Leona # 550. Lomas 2da
sección. C.P 78210 San Luis Potosí, S.L.P. México. [email protected]
RESUMEN. En este trabajo se presenta un algoritmo para determinar distribuciones
granulométricas de partículas esféricas aglomeradas. Los experimentos realizados a
nivel laboratorio demuestran la viabilidad de implementarlo a nivel industrial.
1. INTRODUCCION.
En el procesamiento de minerales existe un proceso llamado peletizado que consiste
en aglomerar partículas finas de hierro en forma de esferas llamadas pelets, esto se lleva
a cavo en disco peletizador siguiendo el principio bola de nieve, los pelets deben
cumplir con las especificaciones de tamaño que exige el cliente. Actualmente el
crecimiento de los pelets es controlado de manera manual, donde un operador observa el
crecimiento de toda una distribución de tamaños de pelets y en base a su criterio decide
la acción de control que debe realizar. En este caso el tamaño de los pellets está
directamente relacionado con la velocidad de rotación del disco peletezador, esta
variable es la que manipula es operador a fin de obtener el tamaño deseado. En la figura
1 se muestra el proceso que se sigue actualmente en el proceso de pelletizado.
Figura 1. Proceso de peletizado y los elementos que lo constituyen actualmente.
El problema que se presenta en este proceso es que el operador debe tener una buena
aproximación del tamaño de pellets que se está generando en el disco peletizador con el
objetivo de producir en tamaño deseado por el cliente, los pellets que estén fuera de las
especificaciones serán rechazados por una criba y posteriormente serán reprocesados, lo cual se
traduce en gasto de energía. Cabe mencionar que los pelets que son observados por el operador
están en movimiento continuamente lo cual hace aun más compleja la tarea de determinar su
tamaño promedio. Si por ejemplo se le pide a una persona que cuente y clasifique los
rectángulos mostrados en la figura 2 de acuerdo a su frecuencia de aparición, se dará cuenta de
que es una tarea con un alto grado de complejidad, más aun si las partículas están en
movimiento.
Figura 2. Distribución granulométrica de partículas.
Dada la problemática anteriormente descrita, en este trabajo se plantea el desarrollo de un
algoritmo capaz de detectar partículas esféricas con una buena aproximación con miras a de
implementar un sistema de control a lazo cerrado en el proceso de peletizado.
3.
EL ALGORITMO DE VISIÓN.
El algoritmo fue desarrollado bajo la plataforma de software NI Vision de National
Instruments que es un programa enfocado al análisis e inspección industrial, este software
permite exportar el algoritmo a LabVIEW que es un lenguaje de programación grafica, el cual
pose múltiples herramientas para el control automático de procesos y adquisición de datos. A
continuación se describe la secuencia del algoritmo y las funciones de LabVIEW que se
utilizaron para poder realizarlo. El sistema utilizado en este proyecto es una iluminación de aro
que elimina la sombra en todas direcciones de la superficie que se está observando.
A. Se obtiene una imagen del objeto que está bajo observación, para realizar esta tarea se
utiliza la función IMAQ USB Snap.VI. figura 3 a).
B. Se convierte la imagen de 32 bits a una de 8 bits, se utilizo la función IMAQ
ExtractSingleColorPlane. Figura 3 b).
C. Se utilizo la función IMAQ BCGLookup para compensar las condiciones de
iluminación y obtener así un mejor análisis de la imagen. Figura3 c).
D. Una vez que la imagen ha sido convertida a 8bits se procede entonces a transformar la
imagen de 8 bits a una imagen binaria, en la cual solo existe el objeto de interés y el
fondo sobre el cual está el objeto, para llevar a cabo esta tarea se emplea la función de
IMAQ AutoBThresholt, Figura 3d).
E. Se procedió luego a utilizar la función IMAQ Find Circles, esta función permite
distinguir las partículas de forma esférica aun cuando estas sobrepuestas, esta función
utiliza los coeficientes de Danielsson para reconstruir la forma de una partícula hasta
llegar a una aproximación esférica. Figura 3e).
F.
Una vez determinado el tamaño de las partículas se determina su diámetro promedio
sauter
Ec. 1
Donde di es el diámetro de la partícula.
a)
b)
d)
c)
e)
Figura 3. Etapas del procesamiento de imagen
4. EXPERIMENTOS.
Se realizo la siguiente prueba del algoritmo
La adquisición de imágenes se realizó con una videocámara que proporciona una imagen de
434 x 326 pixeles, a una distancia de trabajo de 7cm. Nuestra fuente de imagen son semillas
de mostaza que miden aproximadamente 2mm. de diámetro y presentan una forma
esferoidal similar al pelet de Hierro que se genera en el disco peletizador. El tamaño de estas
semillas de mostaza hace posible observar con una mayor exactitud el error que se genera en
la medición del diámetro.
Para medir la eficiencia del algoritmo desarrollado se efectuaron mediciones sobre la
imagen original, esto fue posible gracias a la disposición de una herramienta que permite
conocer la longitud en pixeles al trazar una recta sobre una región de interés, que en este
caso es el diámetro de las semillas de mostaza, se realizaron 300 mediciones en 30 imágenes
diferentes para obtener una muestra representativa y posteriormente se promediaron. De las
mediciones obtenidas, se grafico el diámetro medido contra la frecuencia de aparición.
Posteriormente se grafico el diámetro determinado por el programa contra la frecuencia
de aparición, obteniéndose la siguiente grafica de la figura 4.
Figura 4. Mediciones reales Vs. Algoritmo.
5. CONCLUSIONES.
El diámetro promedio Sauter calculado en mediciones reales es de 73.3585273 pixeles,
mientras que en el algoritmo el diámetro promedio Sauter es de 68.2664844 pixeles. De
estos datos obtenidos podemos determinar el error (o desviación máxima), que es de 4.213
pixeles. Para la determinación del diámetro promedio Sauter se midieron 200 semillas con
un micrómetro, estas mediciones arrojaron un diámetro promedio Sauter de 1.981mm. y su
promedio Sauter en pixeles es de 73.3585273 pixeles entonces el error en unidades reales es
de 0.113mm de error.
AGRADECIMIENTOS. Agradezco al CONACYT la beca otorgada para la realización de este tema de
tesis y a todos las personas que hay contribuido con sus ideas para la realización de esta.