Aprendizaje automático para la identificación mineralógica de material particulado - Bogotá, Cali y Valle de Aburrá (Colombia)

Identificar los componentes minerales presentes en el material particulado puede ser de gran ayuda para comprender la dinámica de la polución aérea; sobre todo para detectar la presencia de minerales peligrosos por inhalación (como los asbestos). En este trabajo se desarrolla una metodología para el agrupamiento de datos químicos obtenidos a través de microscopía electrónica de barrido con espectroscopía de energía dispersiva (SEM-EDX) en muestreos ubicados en Bogotá, Cali y Valle de Aburrá (Colombia). Rausch et al. (2022) y Avellaneda et al. (2020) desarrollan y aplican una metodología basada en algoritmos de bosques aleatorios que permite separar categorías de partículas, entre ellas minerales. En este trabajo se desarrolla un algoritmo generalizado basado en DBSCAN como complemento. Que permitió analizar un conjunto de 3716 muestras previamente clasificadas como "mineral”. Los resultados revelan la presencia de al menos 15 minerales distintos. A pesar de una efectividad de clasificación relativamente baja (~20%), este trabajo representa un avance significativo en esta área, pues los precedentes son pocos o inexistentes para este tipo de aplicaciones. Es notable, también, que se detectó la presencia de Serpentina (variedad Antigorita) en Medellín. Las conclusiones de este estudio revelan que la mayoría de las partículas corresponden a cuarzo, calcita, caolinita y plagioclasas. A pesar de las limitaciones, el algoritmo demuestra su eficacia para la identificación de minerales. No obstante, se reconocen posibles mejoras que podrían aumentar su precisión. En conjunto, este estudio establece un punto de partida para futuros análisis de caracterización química del material particulado.

• Autores: Gutiérrez Silva, Juan Alberto
• Fecha de publicación: 2023
• Institución: Universidad EAFIT
• Repositorio: Repositorio EAFIT
• Idioma: spa
• OAI Identifier: oai:repository.eafit.edu.co:10784/33458
• Acceso en línea: https://hdl.handle.net/10784/33458
• Palabra clave: Polución atmosférica; Caracterización química; Algoritmos de agrupamiento; SALUD AMBIENTAL; CONTAMINACIÓN DEL AIRE; PARTÍCULAS ORGÁNICAS; PARTÍCULAS INORGÁNICAS; Atmospheric pollution; SEM-EDX; DBSCAN; Chemical characterization; Clustering algorithms
• License: Todos los derechos reservados