Identificación de sombras de presión en imágenes digitales de láminas delgadas con métodos de machine learning

Las sombras de presión en rocas metamórficas son un tipo de microestructura que permite obtener información sobre los esfuerzos y la deformación de la roca. Una buena investigación de la deformación de una roca requiere el estudio de numerosos datos estructurales, una actividad que consume bastante...

Full description

Autores:
Chacón Fajardo, Luis Fernando
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2020
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/48804
Acceso en línea:
http://hdl.handle.net/1992/48804
Palabra clave:
Rocas metamórficas
Procesamiento de imágenes
Redes neurales (Computadores)
Aprendizaje automático (Inteligencia artificial)
Geociencias
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-sa/4.0/
id UNIANDES2_df33bd11ff0ae85ab0f6893805ea56d0
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/48804
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
dc.title.es_CO.fl_str_mv Identificación de sombras de presión en imágenes digitales de láminas delgadas con métodos de machine learning
title Identificación de sombras de presión en imágenes digitales de láminas delgadas con métodos de machine learning
spellingShingle Identificación de sombras de presión en imágenes digitales de láminas delgadas con métodos de machine learning
Rocas metamórficas
Procesamiento de imágenes
Redes neurales (Computadores)
Aprendizaje automático (Inteligencia artificial)
Geociencias
title_short Identificación de sombras de presión en imágenes digitales de láminas delgadas con métodos de machine learning
title_full Identificación de sombras de presión en imágenes digitales de láminas delgadas con métodos de machine learning
title_fullStr Identificación de sombras de presión en imágenes digitales de láminas delgadas con métodos de machine learning
title_full_unstemmed Identificación de sombras de presión en imágenes digitales de láminas delgadas con métodos de machine learning
title_sort Identificación de sombras de presión en imágenes digitales de láminas delgadas con métodos de machine learning
dc.creator.fl_str_mv Chacón Fajardo, Luis Fernando
dc.contributor.advisor.none.fl_str_mv Tary, Jean Baptiste
García Arias, Marcos
dc.contributor.author.none.fl_str_mv Chacón Fajardo, Luis Fernando
dc.contributor.jury.none.fl_str_mv Esteve Serrano, Jorge Vicente
dc.subject.armarc.es_CO.fl_str_mv Rocas metamórficas
Procesamiento de imágenes
Redes neurales (Computadores)
Aprendizaje automático (Inteligencia artificial)
topic Rocas metamórficas
Procesamiento de imágenes
Redes neurales (Computadores)
Aprendizaje automático (Inteligencia artificial)
Geociencias
dc.subject.themes.none.fl_str_mv Geociencias
description Las sombras de presión en rocas metamórficas son un tipo de microestructura que permite obtener información sobre los esfuerzos y la deformación de la roca. Una buena investigación de la deformación de una roca requiere el estudio de numerosos datos estructurales, una actividad que consume bastante tiempo. Por eso, automatizar el reconocimiento de estas microestructuras podría ahorrar tiempo y proveer de más datos a los investigadores. Con ese objetivo se implementó una red neuronal convolucional para identificar la presencia de sombras de presión en imágenes digitales de láminas delgadas. La base de datos usada, publicada en las plataformas de Google Drive y Google Colab, consistió en 89 imágenes de sombras de presión y otras 1210 de láminas delgadas sin la microestructura, para un total de 1299 fotos. El algoritmo clasificó correctamente, con un 90% de precisión, las sombras de presión. Estos resultados sugieren que los algoritmos de Machine Learning podrían ser usados para la identificación de otras microestructuras, texturas o fábricas de las secciones delgadas. Sin embargo, la creación de nuevas bases de datos es fundamental para el desarrollo de estos algoritmos
publishDate 2020
dc.date.issued.none.fl_str_mv 2020
dc.date.accessioned.none.fl_str_mv 2021-02-18T12:34:04Z
dc.date.available.none.fl_str_mv 2021-02-18T12:34:04Z
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/48804
dc.identifier.pdf.none.fl_str_mv u833416.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/48804
identifier_str_mv u833416.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.es_CO.fl_str_mv spa
language spa
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.es_CO.fl_str_mv 30 hojas
dc.format.mimetype.es_CO.fl_str_mv application/pdf
dc.publisher.es_CO.fl_str_mv Uniandes
dc.publisher.program.es_CO.fl_str_mv Geociencias
dc.publisher.faculty.es_CO.fl_str_mv Facultad de Ciencias
dc.publisher.department.es_CO.fl_str_mv Departamento de Geociencias
dc.source.es_CO.fl_str_mv instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
instname_str Universidad de los Andes
institution Universidad de los Andes
reponame_str Repositorio Institucional Séneca
collection Repositorio Institucional Séneca
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/f03d44d4-25cc-477d-90bc-018bd241a37f/download
https://repositorio.uniandes.edu.co/bitstreams/93a1cfc1-0f05-4187-a7b2-dbee4f60c44a/download
https://repositorio.uniandes.edu.co/bitstreams/f7f2851f-9506-4466-b4f1-bac27bf1efe7/download
bitstream.checksum.fl_str_mv 1d0412b06ee73e0d54dfa1a97c52040d
85f433a7eeb96a231d9009cf2b90d6cd
6f7757ae7caa93c6e434ab8341b2b587
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812133835068932096
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Tary, Jean Baptiste47fa81c9-a87b-4834-afda-844563640d59400García Arias, Marcosvirtual::2657-1Chacón Fajardo, Luis Fernandod580202d-4e3b-454a-a845-f2f570e84e1e500Esteve Serrano, Jorge Vicente2021-02-18T12:34:04Z2021-02-18T12:34:04Z2020http://hdl.handle.net/1992/48804u833416.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Las sombras de presión en rocas metamórficas son un tipo de microestructura que permite obtener información sobre los esfuerzos y la deformación de la roca. Una buena investigación de la deformación de una roca requiere el estudio de numerosos datos estructurales, una actividad que consume bastante tiempo. Por eso, automatizar el reconocimiento de estas microestructuras podría ahorrar tiempo y proveer de más datos a los investigadores. Con ese objetivo se implementó una red neuronal convolucional para identificar la presencia de sombras de presión en imágenes digitales de láminas delgadas. La base de datos usada, publicada en las plataformas de Google Drive y Google Colab, consistió en 89 imágenes de sombras de presión y otras 1210 de láminas delgadas sin la microestructura, para un total de 1299 fotos. El algoritmo clasificó correctamente, con un 90% de precisión, las sombras de presión. Estos resultados sugieren que los algoritmos de Machine Learning podrían ser usados para la identificación de otras microestructuras, texturas o fábricas de las secciones delgadas. Sin embargo, la creación de nuevas bases de datos es fundamental para el desarrollo de estos algoritmosPressure shadows in metamorphic rocks are a type of microstructure that provides information about the stresses and deformation of the rock. A good investigation of rock deformation requires the study of numerous structural data, an activity that is quite time consuming. Therefore, automating the recognition of these microstructures could save time and provide more data to researchers. With this objective, a convolutional neural network was implemented to identify the presence of pressure shadows in digital images of thin sections. The database used, published on Google Drive and Google Colab platforms, consisted of 89 images of pressure shadows and another 1210 of thin sections without the microstructure, for a total of 1299 photos. The algorithm correctly classified, with 90% accuracy, the pressure shadows. These results suggest that the Machine Learning algorithms could be used for the identification of other microstructures, textures, or factories of the thin sections. However, the creation of new databases is essential for the development of these algorithmsGeocientíficoPregrado30 hojasapplication/pdfspaUniandesGeocienciasFacultad de CienciasDepartamento de Geocienciasinstname:Universidad de los Andesreponame:Repositorio Institucional SénecaIdentificación de sombras de presión en imágenes digitales de láminas delgadas con métodos de machine learningTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPRocas metamórficasProcesamiento de imágenesRedes neurales (Computadores)Aprendizaje automático (Inteligencia artificial)GeocienciasPublication26f180a8-0f55-42c8-9422-deee682935e0virtual::2657-126f180a8-0f55-42c8-9422-deee682935e0virtual::2657-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000023986virtual::2657-1TEXTu833416.pdf.txtu833416.pdf.txtExtracted texttext/plain62509https://repositorio.uniandes.edu.co/bitstreams/f03d44d4-25cc-477d-90bc-018bd241a37f/download1d0412b06ee73e0d54dfa1a97c52040dMD54THUMBNAILu833416.pdf.jpgu833416.pdf.jpgIM Thumbnailimage/jpeg9022https://repositorio.uniandes.edu.co/bitstreams/93a1cfc1-0f05-4187-a7b2-dbee4f60c44a/download85f433a7eeb96a231d9009cf2b90d6cdMD55ORIGINALu833416.pdfapplication/pdf987614https://repositorio.uniandes.edu.co/bitstreams/f7f2851f-9506-4466-b4f1-bac27bf1efe7/download6f7757ae7caa93c6e434ab8341b2b587MD511992/48804oai:repositorio.uniandes.edu.co:1992/488042024-03-13 12:15:12.337http://creativecommons.org/licenses/by-nc-sa/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co