Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
R e c o n o c im i e n t o a u t o m a t i za d o d e m e n a s m e t l ic a s m e d ia n t e a n l i s i s d i g i t a l d e i m ag e n : u n a p oy o a l p ro c e s o m i n e r a l rg i c o . I:
e n s ay o m e t o d o l g i c o ( )
E. Berrezueta* y R. Castroviejo**
Resumen
La investigacin microscpica de menas metlicas ha sido, desde sus inicios, una importante herramienta para el
control del proceso mineralrgico. El volumen de las operaciones actuales es tal que este control es imposible por
los mtodos clsicos, pero la automatizacin del proceso por anlisis digital de imagen, ADI, se ha visto retrasada,
entre otras cosas, por la similar reflectancia, R, de menas importantes, por limitaciones instrumentales y metodolgicas y por las dificultades que implica el anisotropismo, las cuales desaparecen evitando la polarizacin. Los resultados obtenidos muestran la viabilidad de la identificacin y cuantificacin automatizadas mediante ADI, a partir de
medidas R con cmara vdeo 3CCD sobre microscopio de reflexin. As lo corrobora el ensayo sistemtico sobre las
principales menas. Se describe la metodologa secuenciada. Implica una puesta a punto rigurosa del equipo para controlar problemas instrumentales, derivas, ruido, el anlisis estadstico y la aplicacin de criterios complementarios, metalogenticos y fsicos.
Pa l a b r a s clav e
Recursos minerales. Menas metlicas. Anlisis de imagen. Microscopa ptica. Mineralurgia, Mineraloga.
Ore microscopy has traditionally been an important support to control ore processing, but the volume of present
day processes is beyond the reach of human operators. Automation is therefore compulsory, but its development
through digital image analysis, DIA, is limited by various problems, such as the similarity in reflectance values of some important ores, their anisotropism, and the performance of instruments and methods. The results presented show
that automated identification and quantification by DIA are possible through multiband (RGB) determinations
with a research 3CCD video camera on a reflected light microscope. These results were obtained by systematic measurement of selected ores accounting for most of the industrial applications. Polarized light is avoided, so the effects of anisotropism can be neglected. Quality control at various stages and statistical analysis are important, as is the
application of complementary criteria (e.g., metallogenetic). The sequential methodology is described and shown
through practical examples.
K ey wo rd s
Mineral resources. Ore minerals. Image analysis. Optical microscopy. Ore processing. Mineralogy.
1. INTRODUCCIN
La utilizacin de la tcnica de ADI, Anlisis Digital
de Imagen, como complemento de estudios de microscopa, proporciona un eficaz soporte numrico
para la cuantificacin de parmetros geomtricos y
densitomtricos de los minerales. La gran ventaja
de esta tcnica frente a otros mtodos de cuantifi-
294
RECONOCIMIENTO AUTOMATIZADO DE MENAS METLICAS MEDIANTE ANLISIS DIGITAL DE IMAGEN: UN APOYO AL PROCESO MINERALRGICO. I: ENSAYO METODOLGICO
AUTOMATED MICROSCOPIC CHARACTERIZATION OF METALLIC ORES WITH IMAGE ANALYSIS: A KEY TO IMPROVE ORE PROCESSING. I: TEST OF THE METHODOLOGY
2. OBJETIVOS
El propsito de este trabajo es presentar una sistemtica que hace posible la identificacin y cuantificacin
automatizadas de los principales minerales opacos
presentes en secciones pulidas[6], ampliando la metodologa previa[7]. En concreto, los objetivos son:
Definicin de las variables que condicionan
los valores de reflectancia (R %; o nivel de gris,
NG) que caracterizan a los minerales.
Obtencin de una metodologa que garantice la reproducibilidad de los rangos de segmentacin (NG) encontrados para cada fase
mineral estudiada.
Comprobacin y validacin de la secuencia
metodolgica planteada.
295
E. BERREZUETA Y R. CASTROVIEJO
ADI Aphelion 3.1., patrones de reflectancia para calibracin de Leitz y del Zentrales Elektronenmikrosonde Labor der Ruhr-Universitaet Bochum (calibrado por el Dr. H. J. Bernhardt) y 52 probetas pulidas
de referencia.
4. PROCESO EXPERIMENTA L
La primera parte del proceso experimental comprende la elaboracin y/o preparacin de las muestras y
la descripcin mineralgica de la coleccin de probetas pulidas utilizadas como referencia. A continuacin, se aborda la puesta a punto del equipo de ADI,
es decir, la consecucin de unas condiciones que garanticen la reproducibilidad de las medidas. Posteriormente, se realizar el trabajo con las imgenes,
es decir, el desarrollo de las etapas de adquisicin,
tratamiento y caracterizacin de las fases minerales.
Resta, finalmente, comprobar si los resultados encontrados (rangos de segmentacin) se ajustan a los
valores esperados (valores de reflectancia para los
distintos tramos espectrales, definidos como valores
porcentualas, % R) y contrastarlos sobre minerales
presentes en probetas pulidas diferentes a las utilizadas como referencia.
4.1. P re pa r ac i n de mu e s t r a s
La consecucin de unas condiciones homogneas de
acabado de las secciones a estudiar es posible a travs
del establecimiento de un procedimiento riguroso de
elaboracin que garantice un pulido ptimo[10]. A la
secuencia tpica de preparacin de muestras empleada habitualmente, se aade una valoracin cuantitativa, a travs de las medidas en NG de los minerales y de las rayas de pulido que se presentan en la
muestra, con el fin de valorar de mejor manera la calidad de pulido.
296
RECONOCIMIENTO AUTOMATIZADO DE MENAS METLICAS MEDIANTE ANLISIS DIGITAL DE IMAGEN: UN APOYO AL PROCESO MINERALRGICO. I: ENSAYO METODOLGICO
AUTOMATED MICROSCOPIC CHARACTERIZATION OF METALLIC ORES WITH IMAGE ANALYSIS: A KEY TO IMPROVE ORE PROCESSING. I: TEST OF THE METHODOLOGY
4.3. P u e st a a p u n t o d e lo s i n st r u me n t o s
Tiene por objeto definir un procedimiento para limitar y corregir la influencia de cada uno de los elementos o instrumentos que intervienen durante la toma
de medidas. Previamente al estudio de cada uno de los
instrumentos, ha sido controlada la influencia de variables externas como la intensidad de alimentacin,
iluminacin, humedad, temperatura, ruidos-vibraciones, etc., trabajando en valores constantes de estos parmetros.
reflexin es un problema por cuanto el sistema desarrollado trabaja con rangos fijos. Para evitar esto, la
luz del microscopio utilizada para iluminar las probetas pulidas no ser polarizada, es decir, se trabaja sin polarizador ni analizador[14].
La iluminacin del microscopio, sobre todo a bajas intensidades, produce una luz que tiende hacia el
rojo. Para corregir este desplazamiento, ser utilizado
siempre el filtro azul. Aunque para la caracterizacin
de algunos minerales se recurre a veces a la observacin con objetivos de inmersin (en aceite, habitualmente), se ha renunciado a ello en este estudio, por
razones prcticas (sistematizacin, agilidad y mayor
facilidad de automatizacin).
297
E. BERREZUETA Y R. CASTROVIEJO
diado de imgenes ser de 64. La variabilidad en respuesta de escenas promedio con 32 imgenes se aproxima a +/ 1 NG.
Otro aspecto a tener en cuenta es la respuesta de
la cmara (tericamente, lineal) en relacin con la intensidad de iluminacin. En la prctica, la variacin
de la intensidad de la luz con el potencimetro altera el espectro, por lo cual es preferible trabajar con
intensidades constantes y medir la respuesta de la cmara con referencia a patrones de reflectancia conocida. En la secuencia de trabajo se deber tener en
cuenta el recalentamiento de la cmara y considerar
la media aritmtica de las medidas.
El ensayo se iniciar con la medida a travs de una
ventana de muestreo (1010 pixels) del valor medio
(NG) de los pixels pertenecientes a una fase homognea y perfectamente conocida (espectro de reflectancia, totalmente definido). Las medidas sobre cada una de las fases de referencia sern obtenidas de
diferentes granos y de diferentes muestras (patrones
o probetas) para que tengan un mayor rigor estadstico. A continuacin, los valores finales medidos para cada fase se compararn con sus valores internacionalmente reconocidos, medidos independientemente[19 y 20]. Los resultados obtenidos muestran la
linealidad de la respuesta de la CCD y se presentan
en la figura 4.
La calibracin del color es otro aspecto a considerar, debido a que las seales digitalizadas RGB de la cmara de vdeo CCD no son medidas absolutas de parmetros fsicos del color. Si se busca que una seal
RGB sea reproducible, la cmara debe estar calibrada
con respecto a un blanco de referencia (patrn homologado), entendiendo por tal el color que presenta, para cada uno de los canales en que es posible descomponer una imagen en color, los valores mximos
de la escala (255 NG) para R, G y B. La funcin de
298
RECONOCIMIENTO AUTOMATIZADO DE MENAS METLICAS MEDIANTE ANLISIS DIGITAL DE IMAGEN: UN APOYO AL PROCESO MINERALRGICO. I: ENSAYO METODOLGICO
AUTOMATED MICROSCOPIC CHARACTERIZATION OF METALLIC ORES WITH IMAGE ANALYSIS: A KEY TO IMPROVE ORE PROCESSING. I: TEST OF THE METHODOLOGY
IR`(x,y) =
(IR(x,y) - NIR(x,y))
[BIR(h,l) - NIR(h,l)] + NIR(h,l)
(BIR(x,y) - NIR(x,y))
donde:
IR (x,y) :
299
E. BERREZUETA Y R. CASTROVIEJO
En la prctica, el nivel de deriva espacial existente en el equipo de ADI ser, en primer lugar, cuantificado a travs del clculo de variacin en NG de
una misma zona, pero en diferentes posiciones. Para este clculo se ha localizado alguna referencia, en
la probeta o patrn, que permita aplicar una ventana
de muestreo de 1010 pixels, independientemente de
su posicin dentro del campo de visin y captura.
Los valores medios de los pixels localizados dentro
de la ventana de muestreo, variando la posicin de
una misma escena (Fig. 6) se muestran en la tabla I.
La interpretacin de estos valores, aun siendo pocos los datos, muestra que existe una deriva espacial en
las medidas. Segn sea la localizacin ptica de la ventana de muestreo de una misma escena, si sta est ms
alejada del centro hacia la izquierda, el valor medio de
NG para las tres bandas tiende a aumentar; en cambio,
si se toman los valores ms hacia la derecha, de forma general, los valores medios tienden a disminuir. Como
variables de la frmula se encuentran: la imagen en color a corregir, la imagen de un patron blanco y la imagen
de un patrn negro. Todas estas imgenes han sido adquiridas, corregidas y tratadas segn los procedimientos anteriormente detallados. Es importante destacar
que para hacer posible la aplicacin de la frmula de
correcin, ha sido necesario cambiar el formato de la
imagen en color RGB con 8 bits, a una con 16 bits para, de esta forma, evitar la prdida de informacin durante las operaciones. Finalmente, el formato de la imagen
en color resultante se reconvertir a 8 bits.
Debido a la imposibilidad de cambiar la profundidad de las imgenes de 8 a 16 bits con el software
empleado durante todo este trabajo, se ha realizado
una rutina especfica utilizando el software de ADI
Micro Image 4.0 (Olympus Optical Co.), empleado
por el IGME en sus aplicaciones e investigaciones.
Un ejemplo prctico de su secuencia de aplicacin
se esboza en la figura 7. Al aplicar la correcin nmerica a la escena blanca antes caracterizada (Fig. 6),
y calcular los valores de la media y desviacin estndar para ventanas de muestreo de 1010 pixels, se
han obtenido los valores de la tabla II.
Izq-Sup
Izq-Centro
Izq-Inf
Centro-Sup
Centro-Cen.
Centro-Inf
Der-Sup
Der-Centro
Der-Inf
300
B a n d a v e rd e
Ba n d a a zu l
3,2
4,1
5,2
2,1
3,2
3,4
3,1
4,2
4,4
203,5
201,9
201,2
200,5
199,9
199,6
199,5
198,9
197,2
2,4
2,8
3,6
2,4
2,8
3,6
2,4
2,8
3,6
201,6
203,4
201,9
199,6
199,4
198,9
197,6
198,4
199,3
2,5
2.2
2.1
2,5
3.2
3.1
2,5
3.2
4.1
RECONOCIMIENTO AUTOMATIZADO DE MENAS METLICAS MEDIANTE ANLISIS DIGITAL DE IMAGEN: UN APOYO AL PROCESO MINERALRGICO. I: ENSAYO METODOLGICO
AUTOMATED MICROSCOPIC CHARACTERIZATION OF METALLIC ORES WITH IMAGE ANALYSIS: A KEY TO IMPROVE ORE PROCESSING. I: TEST OF THE METHODOLOGY
forma manual (Fig. 8), aunque es concebible el enfoque automtico, mediante un microscopio motorizado.
4.5. Tr a t am ie n t o d e l as im g enes
Una vez digitalizada y almacenada la informacin digital de la imagen en color (RGB) como un archivo
tipo tif, se aplica una secuencia de tratamientos enfocados a mejorar, restaurar y resaltar la informacin
buscada. La figura 9 muestra la evolucin que sufre
una serie de 8 imgenes digitales (barrido). En la fila
superior, aparecen las 8 imgenes sin ningn tratamiento previo. A continuacin, se presentan las mismas imgenes, pero adquiridas utilizando un promediado (16 imgenes). La siguiente escena representa las
8 imgenes sometidas a los filtros de mejora (Median
y Low Pass). Finalmente se observan las imgenes sometidas a los filtros morfolgicos (Open y Close). La
imagen resultante de todo este proceso se designa genricamente como Imagen Tratada. Es evidente
4.4. A d q u i s i c i n d e l a s i m g enes
El proceso de adquisicin de las imgenes se ha realizado con independencia de cualquier otro, como el
tratamiento y/o segmentacin, a fin de ganar tiempo
en el proceso total y de lograr un control ms preciso
de la adquisicin. Se trata de un proceso semi-automtico, con enfoque de las escenas por el operador de
Tab la II. Valoracin de la deriva espacial sobre
imgenes (corregidas)
Izq-Sup
Izq-Centro
Izq-Inf
Centro-Sup
Centro-Cen.
Centro-Inf
Der-Sup
Der-Centro
Der-Inf
B a n d a v e rd e
Ba n d a a zu l
3,1
4,1
5,2
2,1
2,9
3,5
3,1
3,8
4,3
200,3
200,7
201,6
200,5
199,9
200,5
200,4
200,2
200,1
2,3
2,9
3,3
2,2
2,6
3,7
2,5
3,2
3,6
201,3
200,4
200,2
200,3
199,2
199,3
199,4
199,5
199,3
2,9
2,5
2,3
2,4
3.3
3.4
2,4
3.3
3.9
301
E. BERREZUETA Y R. CASTROVIEJO
Adquirida la imagen final de la que se pretende extraer la informacin, es necesario obtener, a travs
de un muestreo estadstico, los valores con los cuales es posible segmentar cada una de las fases minerales de inters planteadas en este estudio. A fin de garantizar la representatividad de los datos obtenidos,
para cada una de las fases minerales a caracterizar,
han sido aplicados los siguientes criterios o condiciones de muestreo[15 y 22].
Las fases minerales debern estar correctamente reconocidas en la probeta pulida de referencia.
Las imgenes con las fases a caracterizar mediante ADI provendrn de, por lo menos, dos
302
Figura 11. Fraccin de rea segmentada segn la fase mineral y el nmero de ventanas de muestreo.
RECONOCIMIENTO AUTOMATIZADO DE MENAS METLICAS MEDIANTE ANLISIS DIGITAL DE IMAGEN: UN APOYO AL PROCESO MINERALRGICO. I: ENSAYO METODOLGICO
AUTOMATED MICROSCOPIC CHARACTERIZATION OF METALLIC ORES WITH IMAGE ANALYSIS: A KEY TO IMPROVE ORE PROCESSING. I: TEST OF THE METHODOLOGY
a travs de la ejecucin de una rutina diseada especficamente para este fin. La rutina, adems, permite exportar los valores calculados a programas como Microsoft Excel y Statistica 6.0, que sern las herramientas utilizadas en el tratamiento estadstico de los datos.
ROJA
VERDE
AZUL
M IN E RA L
GRAFITO
ORO
PLATA
PLATINO
ARSENOPIRITA
BORNITA
CALCOPIRITA
CINABRIO
COVELLINA
CUBANITA
ESFALERITA
ESTIBINA
GALENA
LINNEITA
MARCASITA
MOLIBDENITA
NIQUELINA
PENTLANDITA
PIRITA
PIRROTINA
TETRAHEDRITA
CASITERITA
CROMITA
HEMATITES
ILMENITA
MAGNETITA
RUTILO
URANINITA
GOETHITA
WOLFRAMITA
GANGA
M ed i a
Desv.
E s ta n d .
M e di a
Desv.
Est and.
M ed i a
Desv.
E s ta n d .
28
255
255
224
187
92
161
80
42
130
57
119
137
145
159
90
190
148
189
143
98
36
42
80
59
71
66
43
48
50
19
7,27
1,71
2,22
2,36
2,28
3,36
6,37
2,35
1,81
3,97
1,77
1,25
3,52
6,53
3,60
1,21
2,30
3,91
2,25
1,62
1,31
4,04
3,47
1,52
1,75
1,35
3,62
2,26
6,22
34
240
255
220
191
69
157
89
47
117
61
127
142
127
168
92
149
136
190
141
107
38
43
87
57
65
67
44
50
50
14
6.46
2,12
1,36
2,27
2,60
3,17
3,31
5,64
2,56
1,78
3,50
1,92
1,51
3,57
6,41
3,43
1,39
2,42
3,58
2,06
1,44
1,33
3,54
3,25
1,33
2,22
1,26
3,63
2,33
5,63
25
116
255
189
159
56
107
93
68
117
60
134
150
92
139
100
121
99
149
119
91
38
44
91
59
65
75
46
61
54
11
7,69
2,41
1,45
2,48
2,47
2,52
3,64
5,97
2,40
1,91
3,74
2,18
1,44
4,18
6,35
4,65
2,02
3,12
4,11
2,34
1,84
1,42
3,89
3,60
1,81
2,96
1,41
3,89
2,47
5,57
4.7 Va l i d a c i n m e t o d o l g i c a
Antes de aplicar el proceso de segmentacin de las fases minerales y de evaluar si los rangos de segmentacin
obtenidos del anlisis individualizado de las mismas
(m 2, para cada banda) presentan resultados satisfactorios, es necesario realizar una verificacin previa
que permita conocer si los rangos de NG han sido obtenidos en condiciones ptimas. Esto, ha podido comprobarse utilizando el mismo criterio empleado en la
verificacin de la linealidad de la respuesta de la cmara de video CCD, es decir, la existencia de una
proporcionalidad directa entre la Reflectancia de una
REV. METAL. MADRID,
303
E. BERREZUETA Y R. CASTROVIEJO
de la luz
Ban das
nm
Ro (%)
Re (%)
R (%)
Azul
400
420
440
460
480
45,4
44,2
43,5
43,2
44,3
39,2
38,8
36,8
36,2
37,2
40,9
Verde
500
520
540
560
580
46,4
48,6
50,7
52,8
54,8
39,6
42,3
45,3
48,2
51,0
48
Roja
600
620
640
660
680
56,7
58,4
59,9
61,3
62,5
53,7
55,9
57,8
59,4
61,0
50,7
Aire
P ro m e d i a d o
BANDA AZUL:
VALOR DE NG = 3,071 (VALOR DE REFLECTANCIA)
Correlacin: R2 = 0,92
Es importante indicar que, a la hora de generar
estas funciones de relacin entre NG y % R, algunos puntos no han sido considerados debido a que
su valor en NG estaba limitado por la capacidad de
medida de intensidad del equipo de ADI (mximo:
255). As, en la banda roja han sido eliminados los
puntos que representaban el oro y la plata. En el caso de la banda verde y azul, el punto eliminado es el
correspondiente a la plata. No obstante, como estos
valores extremos corresponden slo a estos minerales,
su determinacin mediante los valores mximos de los
rangos empricos no ofrece riesgos, pues el margen
de diferencia de NG con la clase inmediatamente
inferior (los sulfuros) es, todava, elevado.
Otra prueba adicional, sta cualitativa, de la validez
de los valores obtenidos con la cmara 3 CCD, la proporciona la comparacin de stos con el espectro real
de cada mineral, traducido en su color al microscopio
de reflexin. Por ejemplo, la plata, el ms reflectante de
los minerales (Tabla V) manifiesta claramente su ms
elevado rango de NG (Fig. 12), incluso con respecto al
oro, en las bandas verde, G, y,, sobre todo, azul, B, lo
que se explica por el color blanco de la plata. Sin embargo, como se observa en el mismo grfico, en la banda roja, R, el oro tiene un valor comparable al de la
RECONOCIMIENTO AUTOMATIZADO DE MENAS METLICAS MEDIANTE ANLISIS DIGITAL DE IMAGEN: UN APOYO AL PROCESO MINERALRGICO. I: ENSAYO METODOLGICO
AUTOMATED MICROSCOPIC CHARACTERIZATION OF METALLIC ORES WITH IMAGE ANALYSIS: A KEY TO IMPROVE ORE PROCESSING. I: TEST OF THE METHODOLOGY
Ta bla V. Valores de reflectancia (%) y NG para las Bandas R, G. y B (datos de [20]).
Table V. Reflectance values (%) and Gray level for RGB channels (data from [20])
VALORES PROMEDIO
M I NERAL
GRAFITO
ORO
PLATA
PLATINO
ARSENOPIRITA
BORNITA
CALCOPIRITA
CINABRIO
COVELLINA
CUBANITA
ESFALERITA
ESTIBINA
GALENA
LINNEITA
MARCASITA
MOLIBDENITA
NIQUELINA
PENTLANDITA
PIRITA
PIRROTINA
TETRAHEDRITA
CASITERITA
CROMITA
HEMATITES
ILMENITA
MAGNETITA
RUTILO
URANINITA
GOETHITA
WOLFRAMITA
GANGA
ROJA
VERDE
%R
NG
%R
NG
%R
NG
12
90
94
71
53
28,8
48,7
25
13,5
40,5
16
37
42,9
45
51,7
29
59
46
56
41,5
31
11,25
13,1
26,2
18,4
20
20,5
13,5
15,6
15,5
7,2
28
256
256
224
187
92
161
80
42
130
57
119
137
145
159
90
190
148
189
143
98
36
42
80
59
71
66
43
48
50
19
14
75
93
69
53
21,3
46,4
27,5
14,5
36,9
16,5
40
43,1
40
53,5
28,5
47
43
54,6
38,5
32,4
11,95
13,5
28,3
17,8
19,9
21
13,7
16,2
15,8
5,4
34
240
256
220
191
69
157
89
47
117
61
127
142
127
168
92
149
136
190
141
107
38
43
87
57
65
67
44
50
50
14
11
37
86
63
48
17,9
32
30
22
45,35
18,3
43
49,1
30
45,35
32,5
39
33
42,6
33
31,7
12
14,2
30,6
19,1
20,2
24,5
14,8
21,7
17,5
4,3
25
116
256
189
159
56
107
93
68
117
60
134
150
92
139
100
121
99
149
119
91
38
44
91
59
65
75
46
61
54
11
4.8. S e g m e n t a c i n . D i s c u s i n y va l i d a ci n de resultados
La identificacin de minerales se logra de forma automtica al incluir los rangos de segmentacin (para
REV. METAL. MADRID,
A ZU L
las tres bandas) en una rutina especialmente diseada. Aunque es posible el trabajo multiespectral con
monocromador[23], en este caso se ha optado por un
anlisis multibanda[24], basado en la informacin presentada en los grficos de correlacin (Fig. 12), en
los que se compara el NG de los minerales con los
valores medios en NG encontrados en la etapa de
caracterizacin mediante ADI de los minerales de
referencia estudiados. El paso siguiente es clasificar
automticamente (para cada una de las bandas: R,
G y B) todos los pixels que pertenecen a una fase en
concreto y generar sendas imgenes binarias (valor
1, a los pixels que representan fase a identificar; valor 0, para los pixels diferentes). Estas tres imgenes
305
E. BERREZUETA Y R. CASTROVIEJO
Figure 12. Plot of relation between Gray level and Reflectance values (%) of RGB channels.
binarias posteriormente se interceptarn, generando una imagen binaria final que representa la fase de
inters.
La correcta segmentacin de fases minerales presentes en imgenes digitales es el aspecto a evaluar como parte del proceso de validacin del trabajo desarrollado. La validacin ha de verificar si los rangos
de segmentacin definidos, fruto del anlisis individualizado de las fases minerales estudiadas, tienen posibilidad de ser aplicados con xito sobre imgenes digitales de minerales, independientemente de su procedencia[25].
La observacin directa de los resultados de segmentacin sobre la imagen digital por parte del microscopista, comparando con la imagen real, es la forma ms
inmediata de verificar si la segmentacin es correcta o
no. Adems de la observacin directa, es posible extraer de las curvas de distribucin de NG de las imgenes estudiadas los parmetros estadsticos (rangos de
NG, valores medios, etc.) de las fases presentes en las
imgenes. Estos valores sern comparados con los obtenidos del anlisis individualizado de los minerales
de referencia y as se valorar su semejanza o no[26].
Otro criterio para evaluar el resultado de la segmentacin es el de determinar la relacin entre el rea total de las imgenes estudiadas y la suma de las reas
segmentadas. El proceso se ha contrastado mediante
continuos ensayos (segmentacin de varias fases minerales en imgenes digitales), como el que se presenta a
continuacin, en los que se han aplicado los criterios
descritos anteriormente para validar los rangos de segmentacin definidos en el proceso experimental.
306
RECONOCIMIENTO AUTOMATIZADO DE MENAS METLICAS MEDIANTE ANLISIS DIGITAL DE IMAGEN: UN APOYO AL PROCESO MINERALRGICO. I: ENSAYO METODOLGICO
AUTOMATED MICROSCOPIC CHARACTERIZATION OF METALLIC ORES WITH IMAGE ANALYSIS: A KEY TO IMPROVE ORE PROCESSING. I: TEST OF THE METHODOLOGY
307
E. BERREZUETA Y R. CASTROVIEJO
5. CONCLUSIONES
La metodologa presentada da respuesta a la necesidad de un proceso eficaz y de aplicacin general, para
el reconocimiento y cuantificacin automatizados,
por ADI, de las menas metlicas de inters industrial. Y muestra su viabilidad. El sistema desarrollado
se basa en rutinas automatizadas que combinan medidas multibanda sobre secciones pulidas de las menas, a travs de cmara vdeo 3CCD sobre microscopio ptico de reflexin, con criterios de tipo mineralgico o metalogentico.
La validez de la metodologa planteada queda avalada, en primer lugar, por la reproducibilidad de los
datos de segmentacin. Es decir, la capacidad de obtener iguales valores de NG (rangos de segmentacin) de una fase mineral, independientemente de
cundo y dnde haya sido tomada la imagen en color
(R, G y B) correspondiente. La verificacin del proceso de medida mediante cmara de vdeo 3 CCD se
ha llevado a cabo utilizando valores de referencia de
la reflectancia de los minerales objeto de estudio, internacionalmente acreditados.
Un proceso riguroso de adquisicin de imgenes
es un eslabn crtico para todo el sistema. Implica la
investigacin y control de todos aquellos factores,
fsicos o electrnicos (porosidad, calidad del pulido, derivas, estabilidad, intensidad y calidad de la
fuente luminosa, etc.), que de una u otra forma pueden producir variaciones en la respuesta NG de una
misma escena. Se desprenden unos requisitos, sintetizados en el apartado de proceso experimental,
imperativos para la puesta a punto del sistema automatizado.
Una ventaja adicional de la metodologa propuesta es que la digitalizacin de los datos, una vez
garantizada su reproductibilidad, permite una gran
versatilidad, ya que puede archivarse la informacin para nuevas aplicaciones y tratamientos matemticos no previstos inicialmente. De esta manera, se podr atender al re-planteamiento continuo de
diversos procesos, por ejemplo, mineralrgicos, y a
la investigacin de variadas soluciones alternativas,
sin necesidad de una nueva adquisicin de datos
(una de las fases ms delicadas y exigentes del proceso), simplemente procesando la informacin de
partida con arreglo a los nuevos criterios, para obtener las funciones o parmetros correspondientes
(rea, permetro, tamaos de grano, superficie especfica, grado de liberacin de cada fase mineral,
etc.), mediante la aplicacin de los algoritmos oportunos.
Es necesario el examen previo (cualitativo) de las
muestras por un experto microscopista, para sentar
los criterios de aplicacin del mtodo y formular en
308
A gradec imiento s
El trabajo experimental, desarrollado en el contexto
de la tesis doctoral de E. R. Berrezueta Alvarado, se realiz en el Laboratorio de Microscopa Aplicada de
la Escuela Tcnica Superior de Ingenieros de Minas
(ETSIM) de la Universidad Politcnica de Madrid
(UPM). La instrumentacn fue cofinanciada con
ayuda de los proyectos GR-92-0135, UE95-007 y
UE98-0027 del Ministerio de Educacin y Ciencia.
Se agradece al Prof. G..C. Amstutz () el acceso a la
Coleccin Rehwald, utilizada como referencia; a J. Locutora (IGME) y al Dr. H. J. Bernhardt (Ruhruniversitt, Bochum, Alemania), la cesin y calibrado de
patrones de blanco; al Prof. E. Pirard (Univ. Lieja,
Blgica), la discusin de diversos aspectos relacionados con el ADI.
REFERENCIAS
[1]. R. CASTROVIEJO, E. CHACON, C. MZQUIZ Y
S. TARQUINI, Int. Symp. Imaging Applications
in Geology. Vol I, Lieja, Blgica, Geovision.,
1999, pp. 37-40.
[2] E. COZ, R. CASTROVIEJO, D. BONILLA, F. GARCA-F RUTOS, Fuel Sci. Direc. (2003), 45-55.
[3] E. BERREZUETA, R. CASTROVIEJO, F. O RTIZ,
M.J. DOMNGUEZ Y J.M. RAMOS, XXV Reunin
SEM. Vol I, Alicante, Espaa, Macla, 2005, pp.
47-50.
[4] R. LASTRA, J.M.D. WILSON Y L.J. CABRI, Trans.
Inst. Min. Metall. (Sect. C: Mineral Process. Extr.
Metall.), Canada, 1999, pp. 75-84.
[5] R. CASTROVIEJO, E. BERREZUETA Y R. LASTRA.
Miner. Metall. Process. J. 19 (2002.)102-109.
[6] E. BERREZUETA. Tesis Doctoral, Escuela Tcnica Superior de Ingenieros de Minas, Universidad Politcnica de Madrid, 2004.
[7] W. PETRUK, Applied Mineralogy in the Mining
Industry, First Edition, ELSEIVER. Ottawa, Canada, 2000, pp. 268.
RECONOCIMIENTO AUTOMATIZADO DE MENAS METLICAS MEDIANTE ANLISIS DIGITAL DE IMAGEN: UN APOYO AL PROCESO MINERALRGICO. I: ENSAYO METODOLGICO
AUTOMATED MICROSCOPIC CHARACTERIZATION OF METALLIC ORES WITH IMAGE ANALYSIS: A KEY TO IMPROVE ORE PROCESSING. I: TEST OF THE METHODOLOGY
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
[25]
[26]
309