Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Golddd Up PDF
Golddd Up PDF
PROFESOR GUÍA:
WILLY KRACHT GAJARDO
MIEMBROS DE LA COMISIÓN
XAVIER EMERY
JULIÁN ORTIZ CABRERA
SANTIAGO DE CHILE
MARZO 2012
RESUMEN
• Segregación espacial de las burbujas en el visor: la zona central de las imágenes presenta
una mayor densidad de burbujas.
• Sesgo por muestreo temporal: debido a la diferencia de velocidades entre burbujas de
distinto tamaño, las burbujas de mayor tamaño son submuestreadas.
• Sesgo por eliminación de clusters (análisis tradicional): la eliminación de los clusters
genera una subestimación del tamaño de burbujas. Este efecto depende fuertemente de la
densidad de burbujas en la imagen y de la DTB.
El sesgo por muestreo temporal puede ser reducido si se consigue un perfil homogéneo de
velocidades de burbujas. Para esto, se propone y se prueba satisfactoriamente el uso de un visor
vertical donde las burbujas están confinadas a un espacio horizontal de 3.6 cm. Esta técnica
requiere el uso de un método de análisis de imágenes capaz de procesar los clusters pues en este
tipo de régimen su efecto es importante. Para esto se utiliza el modelo booleano, el cual es capaz
de analizar las burbujas superpuestas. El método permite determinar con precisión el diámetro de
Sauter, parámetro de dispersión de aire clave para determinar el área superficial disponible en la
celda de flotación, esto a pesar de no cumplirse a cabalidad los supuestos sobre los que se
construye.
ABSTRACT
The Bubble Size Distribution (BSD), among other gas dispersion properties, is closely
related to the flotation performance; therefore, it is important to have reliable techniques for
measuring it.
Currently, the most accepted technique to measure BSD is based on image analysis. It
consists of a viewing chamber where bubbles sampled from the flotation cell are photographed
with a frequency of 1 frame per second and then processed. Most of the times, the processing
software does not account for clusters of bubbles and bubbles truncated by the image borders,
which are removed from the BSD estimation.
The main purposes of this work are to achieve a characterization of the limitations and
biases of this ‘sampling – imaging – image analysis’ measurement process and to validate a new
technique which is able to reduce some of the biases: the Boolean model.
Several viewing chambers were developed in order to obtain images and high speed
videos, which were processed by hand in order to acquire a golden standard to evaluate the
performance of the Boolean model and to study the limitations and biases of the current
technique.
The main limitations of the current technique found in this work are:
Spatial segregation at the chamber: bubble number density is higher at the center of the
images
Time sampling bias: given the differences in velocities by size, larger bubbles tend to be
under represented in the estimated BSD.
Cluster removal bias: by removing the clusters, the current technique tends to
underestimate the mean bubble size. This bias depends heavily on the number density of
bubbles in the image and on the BSD.
Time sampling bias may be reduced by forcing the bubbles to move at similar speeds. For
this purpose, a vertical viewer with horizontal movement restriction for bubbles is proposed and
successfully tested. The use if this viewer requires an image-analysis technique capable of
processing the large number of clusters generated. In order to satisfy those requirements, the
Boolean model is proposed and tested. It shows efficient calculations of the Sauter mean diameter
of the BSD, a key parameter for the surface area flux in flotation devices.
AGRADECIMIENTOS
Es muy importante para mí agradecer a mi profesor guía, Sr. Willy Kracht, no sólo por su
gran paciencia y dedicación en lo académico, sino también por su calidad humana, comprensión
y especialmente por su buen humor. También a mi profesor co-guía, Sr. Xavier Emery, quien
realizó grandes aportes intelectuales a mi memoria y siempre estuvo disponible para colaborar en
este trabajo.
Mis agradecimientos al profesor Claudio Acuña, de la Universidad Católica del Norte, por
su colaboración con los videos de alta velocidad.
Quiero agradecer a algunos de los compañeros que de una u otra forma me ayudaron
durante la carrera: a Agustín Panes por su amistad, a Cristián Pérez por su paciencia, a Ignacio
Gálvez por su afabilidad y sus apuntes maravillosos y salvadores y a Montserrat Pineda, Miguel
Ángel Fuenzalida y Luis Felipe Orellana por siempre tener un espacio para compartir y reír.
RESUMEN
ABSTRACT
AGRADECIMIENTOS
ÍNDICE DE CONTENIDOS ......................................................................................................... i
ÍNDICE DE FIGURAS ............................................................................................................... iii
ÍNDICE DE TABLAS .................................................................................................................. v
1. INTRODUCCIÓN................................................................................................................. 1
1.1. Motivación del trabajo ................................................................................................... 1
1.2. Objetivos ........................................................................................................................ 4
1.2.1. Objetivo General..................................................................................................... 4
1.2.2. Objetivos Específicos ............................................................................................. 4
1.3. Alcances ......................................................................................................................... 5
2. ANTECEDENTES ................................................................................................................ 6
2.1. Parámetros de dispersión de aire en Flotación ............................................................... 6
2.1.1. Velocidad superficial de gas ................................................................................... 6
2.1.2. Hold-up de gas ........................................................................................................ 6
2.1.3. Distribución de tamaño de burbujas ....................................................................... 7
2.1.4. Flujo de área superficial de burbujas ...................................................................... 8
2.2. Velocidad de burbujas en medio acuoso ........................................................................ 9
2.3. Muestreo y Análisis de Imágenes Tradicional ............................................................... 9
2.4. Modelo Booleano ......................................................................................................... 15
3. METODOLOGÍA ............................................................................................................... 20
3.1. Diseño Experimental.................................................................................................... 20
3.2. Captura de imágenes .................................................................................................... 23
3.3. Técnica de Análisis de Imágenes Manual .................................................................... 24
3.4. Análisis de Imágenes Modelo Booleano...................................................................... 25
4. LIMITACIONES DE LA TÉCNICA DE MUESTREO Y ANÁLISIS DE IMÁGENES
PARA DETERMINAR DTB .............................................................................................. 26
4.1. Datos ............................................................................................................................ 26
4.1.1. Imágenes análisis preliminar ............................................................................... 26
4.1.2. Imágenes McGill Bubble Size Analyser .............................................................. 28
4.1.3. Videos e imágenes asociadas ................................................................................ 29
4.2. Muestreo espacial ........................................................................................................ 33
4.3. Muestreo temporal ....................................................................................................... 35
4.3.1. Sesgo por muestreo temporal ............................................................................... 35
4.3.2. Sesgo teórico para dos regímenes de movimiento................................................ 36
4.3.3. Variabilidad temporal de la DTB y sesgo de muestreo temporal para distintos
visores….. ........................................................................................................................... 38
4.4. Análisis de imágenes ................................................................................................... 40
4.4.1. Sesgos en etapa de binarización ........................................................................... 40
4.4.2. Sesgos por burbujas en clusters y burbujas en bordes .......................................... 41
4.4.3. Relación clusters y sesgo ...................................................................................... 45
4.5. Sesgo global ................................................................................................................. 48
5. MODELO BOOLEANO ..................................................................................................... 50
i
5.1. Datos ............................................................................................................................ 50
5.2. Pruebas de aleatoriedad ............................................................................................... 50
5.2.1. Distribución espacial de burbujas ......................................................................... 51
5.2.2. Probabilidad de observar burbujas aisladas .......................................................... 53
5.3. Estudio del sesgo de análisis tradicional...................................................................... 57
5.4. Resultados modelo booleano ....................................................................................... 61
6. DISCUSIÓN ........................................................................................................................ 62
7. CONCLUSIONES............................................................................................................... 66
8. REFERENCIAS .................................................................................................................. 68
ANEXO A: CALIBRACIÓN ..................................................................................................... 70
ANEXO B: DISTRIBUCIÓN GAMMA ................................................................................... 71
ii
ÍNDICE DE FIGURAS
iii
Figura 4-23: Sesgo versus % de burbujas en clusters para la DTB de muestreos video I ......... 47
Figura 4-24: Desviaciones respecto de la DTB real según muestreo temporal y análisis .......... 48
Figura 5-1: Esquema de tests de aleatoriedad en tres configuraciones distintas ........................ 51
Figura 5-2: Distribución espacial de burbujas imágenes set III ................................................. 52
Figura 5-3: Probabilidad de burbujas aisladas y sin contacto con el borde de la imagen para el
set III ........................................................................................................................................... 56
Figura 5-4: Error de análisis para D10 y D32 en función de la desviación estándar para distintos
valores de θ ................................................................................................................................ 59
Figura 5-5: Error de análisis para D10 y D32 en función de del diámetro medio para distintos
valores de θ ................................................................................................................................ 60
Figura 5-6: Resultados modelo booleano para diámetro de Sauter set III.................................. 61
Figura 6-1: Ejemplo de sesgo teórico por muestreo temporal, imágenes MBSA ...................... 64
Figura 6-2: Densidad relativa de burbujas para muestreos de video V ...................................... 65
Figura B-1: DTB simuladas para diámetro medio 1.0 mm y desviación estándar σ variable.....72
Figura B-2: DTB simuladas para desviación estándar 0.5 y diámetro medio µ variable ........... 72
iv
ÍNDICE DE TABLAS
v
1. INTRODUCCIÓN
1
Los parámetros de dispersión de aire en las celdas de flotación permiten evaluar la forma
en que el flujo de aire se dispersa en el volumen de la celda. Entre estos parámetros de dispersión
de aire, se encuentra la Distribución de Tamaño de Burbujas (DTB), que caracteriza el tamaño de
las burbujas presentes en una celda de flotación. Este parámetro se utiliza para evaluar cuán
eficientemente opera la flotación, pues la colección de partículas hidrofóbicas depende
específicamente del área superficial de aire disponible en la celda. Para un mismo flujo
volumétrico de aire, una DTB con burbujas muy pequeñas presentará un área superficial mayor
que la de una DTB con burbujas más grandes, por tanto para burbujas más pequeñas el proceso
de flotación es más eficiente. Por supuesto, existe un límite inferior para el tamaño de burbujas ya
que es necesario que el empuje sobre las burbujas de aire sea capaz de hacer flotar partículas de
mineral de un cierto tamaño.
La toma de imágenes se debe realizar con un intervalo que evite el remuestreo, es decir,
que evite que algunas burbujas aparezcan en más de una imagen. Típicamente se toman imágenes
cada un segundo. Se desconoce si este muestreo temporal de burbujas induce algún sesgo en el
cálculo final de la DTB.
2
Una de las hipótesis centrales de este trabajo es que las burbujas grandes y medianas
tienen mayor probabilidad de ser eliminadas del análisis por las razones ya mencionadas, y esto
generaría un sesgo contra las burbujas de mayor tamaño
tamaño,, sin embargo no existen estudios a la
fecha que muestren
ren este hipotético sesgo
sesgo.
Figura 1-1: Desempeño del análisis tradicional con watershed. Izquierda: Imagen real de medición en planta.
Derecha: el mejor análisis disponible usando combinación de algoritmo de burbujas individuales y separación
de conglomerados de burbujas usando watershed,, presentando sólo las burbujas medidas.
medidas Se recupera el 72%
del área de burbujas, Se destacan burbujas de gran tamaño eliminadas del análisis.
sis. Fuente: Acuña (2007) [5]
3
supuestos, aplicando análisis variográfico a la imagen, se puede determinar la distribución de
tamaño de las burbujas. Parte de este trabajo consiste en construir una base de datos de imágenes
reales para validar este modelo.
Para poder aplicar el modelo booleano, se requiere una validación experimental que
corrobore los supuestos realizados, es decir, que determine cuan preciso es el método y que
cuantifique su desempeño en comparación con el análisis tradicional de imágenes, además de
verificar la sensibilidad de los resultados frente a variaciones en los parámetros experimentales de
medición tales como flujo de aire, resolución de la imagen, etc.
Los temas centrales del trabajo de título presentado en este informe son el estudio de las
limitaciones y sesgos del muestreo y análisis de imágenes utilizado actualmente para determinar
la DTB, y la validación del modelo booleano como técnica en la determinación de la DTB.
1.2. Objetivos
Estudiar las fuentes de error asociadas al análisis de imágenes para determinar DTB.
Validar el modelo booleano aplicado al análisis de imágenes para determinar la DTB.
Determinar condiciones de muestreo para aplicar el modelo booleano
Determinar la exactitud del modelo comparando los resultados de éste contra resultados
obtenidos al procesar las imágenes manualmente.
4
1.3. Alcances
5
2. ANTECEDENTES
=
(1)
La pulpa dentro de una celda de flotación se conforma de tres fases: la fase líquida
compuesta de agua con reactivos, la fase sólida que es el mineral y la fase gaseosa conformada
por las burbujas de aire en el interior de la celda. El hold-up de gas εg corresponde a la proporción
volumétrica del gas en la pulpa [4], es decir, el volumen de aire sobre el volumen total de pulpa
aireada en la celda:
% = ∙
(2)
6
En (2) , y corresponden a los volúmenes de gas, líquido y sólido dentro de la
celda respectivamente. El hold-up de pulpa o proporción volumétrica de las fases líquida y sólida
en conjunto puede escribirse como (1- εg) [2]
#($) = % &(')$'
$
(3)
Figura 2-1: Ejemplo de DTB (izquierda) y correspondiente función de distribución acumulada (derecha)
La DTB se puede representar por dos tamaños característicos [10], d1,0 y d3,2, conocidos
como el diámetro medio en número y el diámetro de Sauter, definidos de la siguiente manera:
$, =
∑+
(, $(
+
(5)
$-,. =
-
∑+
(, $(
.
∑+
(, $(
(6)
7
/ = número de burbujas
= diámetro de la burbuja i-ésima
En donde:
Una medida utilizada comúnmente en estadística para caracterizar poblaciones son los
momentos de una distribución. Se define el momento de orden k (µk) de una distribución de
tamaño de burbujas como el valor esperado de la potencia enésima del diámetro de burbujas,
tanto para el caso continuo como para el caso discreto:
0* = % '* &(')$'
1
(7)
34 = 5 $
(9)
-,.
8
2.2. Velocidad de burbujas en medio acuoso
La velocidad de ascenso de burbujas en medio acuoso está determinada por las fuerzas
que actúan sobre las burbujas, las dos más importantes son el empuje del líquido y el roce. El
balance entre estas dos fuerzas indica que, en general, las burbujas más grandes se mueven con
mayor rapidez que las más pequeñas [11]. En este trabajo se consideran dos regímenes de
movimiento de burbujas en medio acuoso: burbujas aisladas sin interacción entre ellas, y régimen
de enjambre o swarm, en que las burbujas no se mueven con velocidad independiente pues las
más pequeñas se ven afectadas por efecto de la estela de las burbujas más grandes, de modo que
las velocidades son más homogéneas que en el caso en que las burbujas se mueven
independientemente.
30
25
Velocidad [cm/s]
20
15
10
0
0 1 2 3 4 5 6
Diámetro burbujas [mm]
Swarm (Acuña & Finch, 2010) Burbujas aisladas (Clift)
La Figura 2-2 muestra las velocidades según tamaño de burbuja para un enjambre en
condiciones similares a las utilizadas en este trabajo, calculadas por Acuña & Finch, 2010 [12].
Se presenta también el perfil de velocidades por tamaño que tendrían las burbujas si se
encontraran aisladas [11].
9
un visor, el cual se ilumina desde atrás de modo que la luz atraviesa el visor (y las burbujas) antes
de llegar a la cámara. La imagen capturada se toma en escala de grises que va desde 0
(correspondiente al color negro) a 255 (correspondiente al color blanco), los colores desde 1 a
254 representan distintos tonos de grises desde el más oscuro al más claro. Las burbujas aparecen
en la fotografía asociadas a colores más oscuros, como se ve en la Figura 2-3, ya que evitan el
paso de una porción de la luz emitida por la iluminación llegue al lente de la cámara.
Las burbujas en la imagen pueden aparecer como objetos circulares, elípticos o de forma
oblonga cuando se encuentran como objetos individuales, sin embargo en la imagen pueden
aparecer burbujas superpuestas entre sí o en contacto. Se define un cluster o conglomerado de
burbujas como un conjunto de dos o más burbujas cuyas imágenes en la fotografía se intersectan.
Un conglomerado puede consistir en burbujas que se superponen en la fotografía pero que en
realidad están en distintos planos y no se encuentran en contacto, o puede consistir en burbujas en
el mismo plano que están en contacto. Un caso particular de conglomerado que no puede ser
detectado por el análisis es la existencia de burbujas superpuestas ocultas detrás de burbujas más
grandes. Este tipo de superposición sí podría ser estimada por el modelo booleano.
El procesamiento clásico de las imágenes sigue una secuencia de pasos que, entre otras
limitaciones, eliminan total o parcialmente los clusters de burbujas (dependiendo si se
implementa o no el algoritmo de watershed), los objetos con poca esfericidad (por ejemplo,
burbujas cortadas por el borde de la fotografía) y no cuantifican el efecto de burbujas que quedan
detrás de otras (superposición) al momento de tomar la fotografía. Este tipo de análisis de
imágenes se denomina Análisis de Imágenes Tradicional, en contraposición al Análisis
Estocástico de Imágenes [6], el cual es un método nuevo que procesa las imágenes binarias
utilizando un modelo booleano y permite, en teoría, eliminar varios de los errores o sesgos
asociados al método tradicional.
10
El instrumento o visor utilizado para el análisis de imágenes tradicional, desarrollado por
la Universidad de McGill (denominado Bubble Viewer) consiste en un visor inclinado en 15º
iluminado desde atrás (Figura 2-4). La inclinación del visor tiene por objetivo obtener una capa
única de burbujas, es decir, la inclinación del vidrio del visor evita la superposición de burbujas.
Es importante comprender que la inclinación del visor fue introducida en respuesta a una
limitación de la técnica de análisis de las imágenes, ya que el algoritmo convencional no es capaz
de procesar burbujas en clusters, pues la implementación del algoritmo tradicional en la práctica
no incluye watershed debido a su alto costo en tiempo computacional. Los visores verticales
generan imágenes con burbujas en conglomerados naturalmente, sin embargo el Bubble Viewer
está diseñado para minimizar el número de burbujas que se intersectan entre sí. El sistema
completo de visor y la técnica de análisis que se describirá a continuación es conocido como
McGill Bubble Size Analyser o MBSA.
Figura 2-4: Esquema de funcionamiento del MBSA, adaptado de Gomez & Finch. (2007) [3]
La cámara fotografía el flujo de burbujas a una tasa de 1 imagen por segundo. Con esta
tasa de imágenes/segundo se evita remuestreo pues la velocidad de las burbujas permite que en
un segundo una burbuja salga del campo de la fotografía. El tiempo de exposición es de 0.5 o 1
milisegundo, dependiendo de la iluminación [13]. Una vez tomada la fotografía se procede al
procesamiento, que se divide en las siguientes etapas:
Conversión de la imagen a escala de grises (en caso de que la imagen original sea en
colores).
Thresholding o Definición de umbral: Para poder determinar qué objetos son burbujas, el
primer paso es binarizar la imagen, es decir, transformar cada pixel en blanco o negro. Para
esto, ya que la imagen está en escala de grises, se debe definir un umbral de separación que
11
depende de la iluminación basal. El software de la universidad de McGill contempla un
algoritmo para definir el umbral automáticamente en función del histograma de intensidad de
luz de cada fotografía. Un tratamiento más sofisticado del proceso de Thresholding puede
realizarse definiendo umbrales locales. También se puede evitar errores asociados a una
iluminación dispareja (por ejemplo, una ampolleta corriente emite luz circular, dejando por
lo tanto los bordes de la fotografía con menor intensidad) realizando una corrección por este
efecto basada en una fotografía inicial sin burbujas. El algoritmo de Calzado-Acuña [5], por
ejemplo, utiliza la intensidad media de la luz en una fotografía más una función de error e
itera para conseguir un óptimo en el número de burbujas detectadas según el umbral. Una
vez escogido el umbral, se binariza la imagen, la cual puede ser convertida en una matriz de
valores 0 y 1. Este proceso permite, además, disminuir el espacio en disco que ocupan las
imágenes.
Medición de propiedades de objetos binarios o blobs: Para determinar cuáles de los objetos
en la matriz de la fotografía binarizada corresponden a burbujas, se realizan mediciones de
las características geométricas de los blobs, tales como: área total, eje mayor, eje menor,
factor de forma, perímetro, número de “agujeros” internos, dimensiones de un rectángulo
circunscrito, etc. Cabe destacar que estas propiedades dependen fuertemente de la relación
entre la resolución y el tamaño de los objetos medidos, serán muy imprecisas si la resolución
(pixeles/mm) es baja, por ejemplo si se tienen 2 pixeles por mm y se desea medir un objeto
de 2 milímetros de diámetro, el objeto quedará representado por 8 pixeles, y su esfericidad
calculada será menor que si se tiene una resolución mayor en la fotografía.
Clasificación de blobs: Los objetos medidos deben ser clasificados para realizar un filtro que
elimine aquellos objetos que no son burbujas. La primera clasificación que se realiza
selecciona aquellas burbujas individuales. Esto se puede realizar con distintos algoritmos, el
más tradicional es el que las clasifica según el factor de forma. Esta técnica analiza la razón
entre el factor de forma del objeto y el factor de forma de una esfera perfecta. Si esta razón
está sobre 0.9, el objeto corresponde a una burbuja individual. La desventaja es que este
método puede incluir conglomerados de varias burbujas o rechazar burbujas individuales en
casos particulares. Otros métodos de filtrado de burbujas individuales se han propuesto, por
ejemplo, contar el número de agujeros dentro de un objeto (sólo para fluidos con dos fases,
12
es decir, burbujas y agua, no acepta partículas sólidas en el visor), o utilizar un factor de
forma corregido para objetos elipsoidales. Después de este proceso se tiene una población de
burbujas individuales y una población de burbujas en aglomerados o clusters.[5]
Burbujas Burbujas
en contacto “vecinas”
Figura 2-5: Esquema del algoritmo de watershed para separación de burbujas vecinas y burbujas en contacto
aplicado en Matlab, realizado por Acuña [5]
13
Figura 2-6: Ejemplo de watershed aplicado a una imagen real de burbujas
Es importante notar algunas de las deficiencias y/o limitaciones del análisis de imágenes
tradicional que no han podido ser corregidas a la fecha:
14
2.4. Modelo Booleano
1 ('
: = ⋃<2! < + :< ) (10)
El modelo aplicado al caso particular en estudio supone que las burbujas en una fotografía
ocurren con diámetro y ubicación aleatorios, y su ocurrencia se da según un proceso de Poisson
de tasa θ que corresponde al número promedio de burbujas por unidad de área (pixel), además se
supone que las burbujas son independientes entre sí, es decir, que no existe segregación espacial
de objetos. Si se cumplen estos supuestos, entonces la función covarianza de la imagen se puede
expresar como función de la DTB y de θ.
15
h
Figura 2-7: Esquema de covariograma geométrico para un disco (región sombreada)[6]
UQV a ^ 9
Warccos ] _ − 1 − ] _ c, ℎ ≤
^ ^
S9
∀ ℎ ≥ 0, NOPNQ =
Q Q Q
f
T
(12)
S 0 , ℎ>
R
16
Figura 2-9: Covariograma geométrico para dos poblaciones de círculo de diámetro 1 y 0.5, para distintos
valores de p1 (proporción en número de círculos de diámetro 1)
de g!. Se infiere de (13) que para una distribución continua de diámetros aleatorios δ con función
En la Figura 2-9 se observa el comportamiento de la ecuación (13) para distintos valores
∀ ℎ ≥ 0, h(ℎ) = %l (j)NOPNk j
∞
(14)
Se observa, por lo tanto, que existe una relación entre la fdp de los diámetros de los
objetos (es decir, entre la DTB de las burbujas en una foto) y el covariograma.
Por otra parte, existe una relación entre la función covarianza descrita en (11) y el
covariograma del objeto típico [6]. Para esto, la función covarianza se modifica, computándose
para el fondo de la fotografía, empíricamente calculada como la probabilidad de que dos puntos a
a ninguna burbuja). Las ecuaciones que relacionan la covarianza del fondo de la imagen, E(ℎ),
una distancia h se encuentren al mismo tiempo en el fondo de la imagen (i.e. que no pertenezcan
La función covarianza del fondo de la imagen puede ser calculada numéricamente desde
calcular la DTB. La ecuación que correlaciona la DTB con el covariograma resulta de invertir
(14) [6]:
17
∀ j > 0, 1 − "(j) = %k
9 1 stt (^)Q^
r √^V k V
(16)
Estimar la función covarianza experimental del fondo de la imagen C(h) para pasos h
múltiplos de la distancia real entre pixeles. La función C(h) se calcula como la proporción
empírica de pares de puntos que están a una distancia h y ambos están en el fondo de la
imagen.
Tomar el logaritmo de la función calculada y estimar su segunda derivada usando diferencias
finitas, de modo que se pueda conocer el valor de θ K ′′(h) usando la ecuación (15b).
Aplicar la ecuación (16) usando integración numérica, de modo que se obtiene un estimador
para oH1 − "(j)I.
El parámetro θ puede ser calculado por distintos algoritmos, ya sea como la meseta de la
función oH1 − "(j)I. calculada en el paso anterior, o como función de la intensidad
converge a o. En la práctica el valor de o se calcula haciendo una regresión entre los puntos
donde j converge a cero ya que no es posible evaluar en cero la integral porque existe un
diámetro mínimo limitado por la resolución de la imagen (la distancia mínima está acotada
por la distancia correspondiente a un pixel).
Manejo de clusters y burbujas cortadas por el borde: El covariograma del fondo de la imagen
puede ser calculado con la imagen completa, no se eliminan burbujas cortadas, lo mismo con
los conglomerados de burbujas, de modo que la distribución de tamaño da cuenta de esas
burbujas. Por lo mismo no se necesita utilizar un visor inclinado como el MBSA.
Una comparación del desempeño del modelo booleano versus el desempeño del análisis de
imágenes tradicional se observa en la Figura 2-10. Para realizar la comparación se realizó una
simulación computacional para generar 100 imágenes de burbujas en base a una DTB teórica, con
posiciones aleatorias [6]. En el panel izquierdo se muestra el desempeño del análisis tradicional,
sin utilizar watershed (curva segmentada con triángulos) versus la DTB teórica (línea continua),
se aprecia claramente el sesgo contra los tamaños mayores, pues la curva segmentada está
18
desplazada hacia la izquierda con respecto a la curva continua. Por otra parte, en el panel derecho
se presenta la curva empírica del modelo booleano (curva segmentada con círculos) para el
mismo caso, tomando en cuenta que el modelo booleano no elimina burbujas. Se observa que se
respeta la forma de la curva teórica, con pequeños errores locales, pero no se observa el sesgo que
tiene el análisis tradicional.
Figura 2-10: Ejemplo de DTB para imágenes obtenidas computacionalmente y analizadas con el modelo
booleano y con el análisis tradicional. Fuente: Kracht, Emery & Egaña (2010) [6]
19
3. METODOLOGÍA
En los visores se tomaron imágenes de burbujas en un sistema de dos fases (agua y aire),
sin presencia de mineral. Se utilizaron concentraciones de 5 y 10 ppm de MIBC (Metil Isobutil
Carbonil, comercializado bajo el nombre de AEROFROTH® 70) como espumante para obtener
burbujas similares a las obtenidas en flotación.
20
La bomba de inyección de aire de flujo variable fue calibrada por medio del método de la
probeta invertida y se reguló para dos flujos de aire distintos: 0.3 l/min y 0.07 l/min. Esto
equivale a un Jg igual a 1 cm/s en un tubo de muestreo de 1 y ½ pulgadas respectivamente. El
visor fue dotado de un separador vertical de acrílico, con extremo inferior inclinado, que captura
las burbujas emitidas por el aspersor y las confina a una zona de 1 cm de profundidad,
manteniendo el área transversal, como se ve en la Figura 3-2. Esto permite obtener fotografías
con burbujas más dispersas en la horizontal y con una profundidad de campo menor.
Figura 3-2: Visor 1. Izquierda: Fotografía frontal del visor con el separador incluido. Derecha: Vista lateral
Un visor vertical
Un visor vertical con restricción que confina el movimiento de las burbujas a un ancho
de 3.6 cm en el centro del visor.
Un visor inclinado en 15° con respecto a la vertical, emulando la configuración del
McGill Bubble Size Analyser
21
Foco Visor
Pantalla
Difusora
Control
Control Flujo de aire
Agitación
Tubo de
muestreo
Impeler
Celda
El flujo de aire entregado por la máquina de flotación fue calibrado mediante el método de
la probeta invertida. La relación entre el flujo nominal indicado por el control de aire de la celda
y el flujo real se observa la Figura 3-4. La celda se opera a dos flujos nominales:
nominal 20 litros por
minuto y 13 litros por minuto,, esto corresponde a Jg=0.7 y 0.5 cm/s dentro de la celda. Los datos
de la calibración se presentan en el Anexo A.
22
20.0
18.0 y= 0.95x - 2.41
16.0 R² = 0.987
Las imágenes de burbujas fueron capturadas con una cámara digital Nikon modelo D90,
utilizando un lente AF-S Micro Nikkor de 60 mm y razón focal mínima 2.8. Las imágenes son
capturadas a distancia focal fija (dependiendo del visor), con un intervalo de tiempo entre
imágenes de 1 segundo, para garantizar que las imágenes no contengan burbujas remuestreadas.
La resolución máxima permite obtener imágenes de 4288x2848 pixeles. La iluminación de las
burbujas o backlighting para imágenes se realiza con un foco y una pantalla difusora que permite
una iluminación más homogénea, como se observa en la Figura 3-5.
Foco Cámara
Pantalla
difusora
Visor
Trípode
23
Se dispuso también de una cámara modelo TroubleSooter HR1 para toma de videos de alta
velocidad de las burbujas en los visores ya mencionados. La resolución máxima permite obtener
imágenes de 1280x1024 pixeles a 250 cuadros por segundo. La iluminación de las burbujas se
realiza con un foco de 1000 Watts, cada visor es equipado de una pantalla de papel vegetal
adherida en la parte trasera que permite obtener iluminación más homogénea.
Pantalla Cámara
Foco
Visor
Tubo de Trípode
muestreo
Celda
1
Cámara perteneciente a Claudio Acuña de la Universidad Católica del Norte.
24
• Exportar una imagen en blanco y negro en formato .png con los objetos creados, sin
incluir la imagen inicial. Las dimensiones de esta imagen son ajustadas para que se
mantengan los pixeles contenidos en la imagen inicial2.
El análisis de imágenes con el modelo booleano fue realizado en base a las imágenes
blanco y negro obtenidas con el procesamiento manual. La técnica computacional de análisis de
imágenes escapa a los alcances de esta memoria, las imágenes fueron analizadas por Felipe
Garrido, memorista de Ingeniería Civil en Computación.
2
Esto se realiza para exportar imágenes en blanco y negro que posteriormente serán procesadas mediante el método
booleano.
25
4. LIMITACIONES DE LA TÉCNICA DE MUESTREO Y ANÁLISIS DE
IMÁGENES PARA DETERMINAR DTB
Etapa 1:
DTB celda Tubo
muestreo
DTB visor
Etapa 2:
Muestreo
Temporal y
espacial
DTB DTB
análisis imágenes
4.1. Datos
Set I Set II
Mineral Cuarzo Cuarzo + Calcopirita
Jg [cm/s] 0.42 0.42
Agitación [rpm] 440 440
Xantanto [ppm] 20 0
MIBC [ppm] 10 5
26
Figura 4-2: Ejemplos de imágenes del set I (izquierda) y set II (derecha)
Se presenta a continuación las características básicas de cada set de datos en la Tabla 4-2.
Se incluye la razón entre el área media de una burbuja y el área total de la imagen como indicador
del tamaño relativo de las imágenes con respecto a las burbujas.
Set I Set II
Burbujas por imagen 147.0 45.6
Θ [Burbujas/pix2] 3.0x10-5 9.1x10-6
Diámetro medio [pix] 74.8 113.4
Diámetro de Sauter [pix] 98.7 137.7
Área burbuja/Área imagen 8.7x10-4 3.0x10-3
27
Tabla 4-3: Condiciones de flotación sets III y IV
Figura 4-3: Imagen en visor vertical sobre celda mecánica. Izquierda: set III, derecha: set IV.
Se analizaron dos imágenes tomadas con el MBSA (Figura 4-4). La resolución de estas
imágenes es de 3456x2304 pixeles. Estas imágenes fueron divididas en 12 sub-imágenes de
860x635 pixeles, para obtener imágenes como la Figura 4-5. Esta escala de reducción de tamaño
fue elegida para que la razón entre el tamaño de burbujas y el tamaño de la fotografía (en cuanto
a área) sea similar a la que tienen las imágenes del visor vertical (Sets I y II).
28
Figura 4-4: Imágenes MBSA
Las estadísticas básicas de las imágenes del MBSA se presentan en la Tabla 4-5.
Utilizando el visor vertical 1, se tomó un video con la cámara digital Nikon D90 para
caracterizar el movimiento de las burbujas, con velocidad de 24 cuadros/segundo. El video fue
analizado caracterizando tres tipos de trayectoria: para burbujas grandes, medianas y pequeñas.
Se define una burbuja grande como aquélla cuyo diámetro es al menos dos veces mayor al
diámetro promedio de las burbujas, una burbuja mediana como aquélla con tamaño similar al
29
promedio, y una burbuja pequeña como aquélla cuyo diámetro es inferior a la mitad del diámetro
promedio.
En una segunda instancia, se tomaron tres videos de alta velocidad3 que permiten una
caracterización más precisa de la trayectoria de las burbujas. Los tres videos son repeticiones del
mismo experimento y son tomados en las mismas condiciones, uno después de otro. Utilizando la
misma técnica descrita para analizar las imágenes, en conjunto con el programa ImageJ para
seguir la trayectoria de las burbujas y medirlas una a una, fue posible determinar la distribución
de tamaño de burbujas para los videos. Por lo tanto, se tiene la DTB de todas las burbujas que
atraviesan el campo visual del video en un periodo de tiempo, y al mismo tiempo se analizan sets
de imágenes tomadas cada cierto intervalo de tiempo durante el mismo periodo total para obtener
la DTB correspondiente a ese muestreo temporal.
Para comparar la DTB del video con la DTB de imágenes, se determinó visualmente el
mínimo tiempo de muestreo de imágenes para evitar remuestreo de burbujas pequeñas. Para esto
se observaron todas las burbujas pequeñas y se midió el tiempo que demoran en atravesar el
3
Videos tomados por Claudio Acuña en la Universidad Católica del Norte con la cámara de alta velocidad descrita
en 3.2
30
campo visual de la cámara. El tiempo que demora la burbuja más lenta indica la máxima
frecuencia de muestreo posible. La frecuencia de muestreo máxima obtenida fue 2.5 imágenes
por segundo. Con el fin de obtener un conjunto significativo de muestreos, se obtuvieron 7
muestreos distintos, a frecuencia 2.5 imágenes por segundo, cada muestreo iniciando en un
tiempo distinto. Los muestreos M1 a M3 corresponden al video 1, M4 y M5 al video 2, M6 y M7
al video 3.
M1 M2 M3 M4 M5 M6 M7
Número de imágenes 11 11 11 13 13 11 10
Frecuencia [imágenes/segundo] 2.5 2.5 2.5 2.5 2.5 2.5 2.5
Burbujas totales 218 242 212 251 255 149 162
Burbujas/imagen 19.82 22.00 19.27 19.31 19.62 13.55 16.20
Diámetro Medio [mm] 1.51 1.61 1.45 1.57 1.66 1.63 1.53
Diámetro de Sauter [mm] 2.30 2.84 2.04 2.51 2.57 2.44 2.73
Finalmente, utilizando los tres visores ubicados sobre la celda Labtech-Essa, se dispone
de tres videos obtenidos para un flujo de aire de 12 l/min (equivalente a un Jg en celda de 0.45
cm/s), con 10 ppm de MIBC y agitación 450 rpm en la celda.
31
Tabla 4-9 Estadísticas básicas muestreos temporales.
La siguiente tabla presenta un resumen de todos los datos especificados en esta sección:
32
4.2. Muestreo espacial
Para caracterizar cualitativamente los efectos del muestreo espacial en la DTB final
calculada mediante análisis de imágenes, se tomaron fotografías en el primer visor vertical
construido. La Figura 4-6 presenta una sección de imagen tomada para el visor utilizando el
separador (ver Figura 3-2). Se aprecia claramente que las burbujas están agrupadas al centro de la
fotografía, este efecto responde al hecho de que el ingreso de las burbujas ocurre en el centro del
visor. El cono que forman las burbujas al ascender no cubre completamente el ancho del visor. La
observación de imágenes en este visor permitió determinar que para las condiciones de la Figura
4-6, el ancho típico que alcanza el cono es de 8 cm, dependiendo de la altura a la que se tome la
foto con respecto a la base del visor.
Figura 4-6: Imagen de burbujas en visor vertical 1, para condiciones en visor de 10 ppm de MIBC, con
separador dentro del visor (profundidad de campo de 1 cm) y flujo de aire 0.07 l/min
Para un flujo de aire asociado a Jg=1 cm/s (equivalente a 0.3 l/min en el visor vertical),
existe una población de burbujas pequeñas que no pertenecen al cono de ascenso principal del
flujo de aire. Estas burbujas no tienen un movimiento ascendente, si no que (como se observa en
grabaciones del movimiento de burbujas en este visor) corresponden a burbujas en descenso que
son arrastradas por flujos de agua generados por efecto sifón.
El efecto sifón se induce porque existe un gradiente de presión en la zona inferior del
visor. Este gradiente se produce debido a que en la zona de inyección de aire la presión es menor
que en su vecindad, de modo que existe una fuerza que empuja al agua desde los bordes hacia el
centro del visor. Para compensar este movimiento, existe un movimiento vertical descendente en
las áreas laterales del visor, que es capaz de arrastrar burbujas pequeñas que hayan alcanzado la
zona superior.
4
© Erik Meijering. Plugin de distribución gratuita para usos educacionales y de investigación.
33
Figura 4-7: Trayectoria de burbujas en visor 1 para 10 ppm MIBC, flujo de aire 0.3 l/min. Rojo: Burbujas
grandes, Amarillo: Burbujas medianas, Azul: Burbujas pequeñas.
La Figura 4-7 permite apreciar el movimiento para distintos tamaños de burbujas. Cada
círculo en una trayectoria representa la posición de la burbuja para una imagen. Se debe notar que
el intervalo de tiempo entre dos posiciones consecutivas es el mismo para todas las trayectorias,
de modo que mientras más larga es la distancia entre dos círculos, mayor es la velocidad de la
burbuja, lo que muestra que las burbujas más grandes viajan más rápido. Esta imagen, además de
permitir apreciar la trayectoria descendente de burbujas pequeñas por efecto sifón en los sectores
laterales, sugiere un eventual sesgo por muestreo temporal, asociado a la diferencia de
velocidades según tamaño, que se analizará en la siguiente sección.
Como conclusión del análisis espacial en el visor vertical 1, se presentan dos sectores
diferenciados en las imágenes: el cono central de ascenso que contiene burbujas de todos los
tamaños, y los sectores laterales que presentan principalmente burbujas pequeñas en descenso.
Para tomar imágenes representativas del flujo ascendente y evitar remuestreo de burbujas
pequeñas se debe confinar la fotografía al sector central del visor, específicamente a una distancia
horizontal correspondiente a un tercio del ancho total del visor.
En general, en todos los sets de imágenes se observa que existe un flujo ascendente que
concentra la mayor parte de las burbujas y en los bordes de la imagen hay menor presencia de
burbujas. En particular, para el conjunto de muestreos asociados al video de alta velocidad, se
observa en la Figura 4-8 que además las burbujas de mayor tamaño sólo se presentan en el centro
de la imagen, en tanto que las pequeñas y medianas se dispersan a lo ancho del visor.
34
Figura 4-8: Relación entre la posición horizontal y el tamaño de burbujas para muestreos de video.
Para comprobar el supuesto de que la diferencia de velocidades por tamaño afecta la DTB
medida, se trabaja con tres videos de alta velocidad (Videos I, II y III, descritos en Tabla 4-7) y
las imágenes muestreadas de éstos (muestreos M1 a M7, descritos en Tabla 4-8). La DTB medida
de ambas maneras (video y muestreo de imágenes) se compara, para poder concluir respecto del
sesgo producido por el muestreo temporal. Dado que los tres videos son repeticiones de un
mismo experimento en condiciones iguales, se calcula una única DTB para el video y se trabaja
con los 7 muestreos como un conjunto de mediciones. La distribución real dentro del visor
corresponde a la DTB del video.
35
Figura 4-9: Comparación DTB video y muestreos
De la Figura 4-9, se desprende que la diferencia más importante entre las distribuciones
muestreadas (imágenes) y la distribución real (video) es que las burbujas pequeñas (de diámetro
menor a 1.5 mm) en este caso aparecen sobrerrepresentadas en las imágenes, mientras que las
burbujas grandes (de diámetro mayor a 1.5 mm) se ven subrepresentadas.
Supongamos que se muestrea cada v segundos. Si se supone que las burbujas ingresan al visor
frecuencia dada, bajo ciertos supuestos, conociendo la DTB real y la velocidad de las burbujas.
caracterizada por , entonces la tasa de generación de burbujas del tamaño i-ésimo es:
siguiendo un proceso de Poisson de tasa λ burbujas por segundo, y su distribución de tamaño está
w = w ∙ (17)
que ingresaron en el intervalo que va desde v segundos antes de tomar la fotografía y el instante
Con esto se tiene una estimación del número promedio de burbujas del tamaño i-ésimo
36
momento de la toma de la fotografía. Con esto se puede construir la distribución de tamaño que
un muestreo teórico debiese tener si las burbujas tuvieran una velocidad determinada, y
compararlo con el obtenido empíricamente. Además, es posible modificar el perfil de velocidad
versus radio para adaptarlo a cualquier régimen de movimiento, en particular se exploran los
casos de burbujas aisladas, sin efectos de arrastre por otras burbujas, y burbujas en swarm o
enjambre, descritos en los antecedentes teóricos.
Dado que los datos para velocidades en régimen de swarm no cubren completamente el
rango de tamaños de burbujas que presentan los videos (Figura 2-2), fue necesario extrapolar los
datos de Acuña & Finch, 2010 [12]. Se optó por ajustar un polinomio de grado 3 para los
tamaños hasta 3 mm, y por mantener una velocidad constante para tamaños superiores a 3 mm.
Figura 4-10: Comparación muestreo real y simulación para régimen de swarm y burbujas aisladas
37
Tabla 4-11: Comparación muestreos simulados y real
4.3.3. Variabilidad temporal de la DTB y sesgo de muestreo temporal para distintos visores
Los videos de alta velocidad fueron muestreados para obtener imágenes con una
frecuencia de 2 imágenes por segundo. Estos videos fueron analizados en un intervalo de tiempo
que asegura una DTB estable, es decir, al final del intervalo utilizado, el diámetro medio y el
diámetro de Sauter de la DTB se mantuvieron constantes dentro de un 1% de variación. Esto
significó tomar para los videos un intervalo cercano a 1 segundo, asociado a cerca de 300
burbujas. Por otra parte, se requirieron 10 imágenes para estabilizar la DTB del muestreo
temporal, correspondientes a un intervalo de tiempo de 4.5 segundos. Por lo mismo, a diferencia
de la sección previa, el muestreo de imágenes no corresponde exactamente al intervalo de tiempo
en que se midió la DTB del video, sino al intervalo de tiempo necesario para obtener
distribuciones de tamaño de burbujas con un promedio estable en el tiempo.
38
Se obtuvieron los siguientes resultados para el diámetro medio y la DTB en cada visor, en
función del número de burbujas analizadas:
Figura 4-11: Evolución del diámetro medio de la DTB para visor vertical (izquierda) y DTB final (derecha)
Figura 4-12: Evolución del diámetro medio de la DTB para visor vertical con restricción (izquierda) y DTB
final (derecha)
39
Figura 4-13: Evolución del diámetro medio de la DTB para visor inclinado (izquierda) y DTB final (derecha)
40
irregularidades en la iluminación. La definición de este umbral puede reducir el tamaño de las
secciones circulares, como se observa en la
Figura 4-14, donde se ha superpuesto la imagen real con una binarización con un
threshold de 200 (en una escala de 0 a 255, todo color bajo 200 es considerado negro).
Dependiendo del threshold elegido, el diámetro de las burbujas analizadas puede ser levemente
menor a las burbujas reales.
Con los datos de radio y posición de todas las burbujas tabulados para cada imagen es
posible separar las burbujas en dos poblaciones: aquellas que se encuentran aisladas y aquellas
que se encuentran en clusters o cortadas por el borde de la imagen. El primer grupo representa el
resultado que, teóricamente, debería obtenerse del análisis tradicional (MBSA), el segundo grupo
es eliminado por el procesamiento utilizando MBSA. Se puede determinar si eliminar dicha
población de burbujas tiene un efecto estadísticamente significativo en el cálculo de la DTB final,
mediante un test de Student de comparación de medias [17].
Se observa que, para las imágenes en visor vertical, el análisis de imágenes tradicional
presenta un error asociado a eliminar los conglomerados de burbujas, el cual para estos sets es
pequeño. En las Figura 4-15 y en la Figura 4-16, se presentan las distribuciones de tamaño
combinadas de las imágenes de cada set, para las imágenes completas y para las imágenes sin
clusters.
41
Figura 4-15: Distribución de tamaños set I
42
de medias para el set II no tiene significancia estadística, en tanto que para el set I la diferencia
entre la DTB de burbujas aisladas y la DTB total sí tiene significancia estadística.
La misma técnica de análisis fue aplicada a las imágenes MBSA (ver Figura 4-4 y Tabla
4-5), obteniendo distribuciones casi idénticas al retirar los clusters (ver Figura 4-17 y Figura
4-18). En este caso el error en el cálculo del radio promedio es del 0.06% y 0.2% para cada
imagen, y no existe diferencia significativa entre la DTB con clusters y la DTB sin clusters. El
porcentaje de burbujas en clusters y cortadas por el borde en ambas imágenes es del orden del
2%. Se debe observar que en ambos casos la DTB es angosta, por lo que es lógico esperar que no
exista diferencia (ver sección 5.3 de este documento).
43
Considerando que los resultados obtenidos para las imágenes de prueba en visor vertical
no son concluyentes (uno de los sets indica que al remover los clusters se obtiene una DTB
significativamente distinta y para el otro la remoción de clusters no modificaba la DTB), se
reiteró el procedimiento para los sets III y IV, cuyos porcentajes de burbujas en clusters (27% y
57% respectivamente) son mayores a los de los sets I y II.
El mismo estudio se realizó para todos los sets de imágenes de muestreos de los videos de
alta velocidad (videos I, II y III), obteniendo en promedio un error del 5.7% en el cálculo del
diámetro medio después del análisis. Un resumen de los datos mencionados en esta sección se
presenta en la siguiente tabla:
44
Tabla 4-13: Resumen sesgo de análisis para distintos sets de imágenes
La teoría indica que la combinación de estos muestreos puede tener una DTB distinta a la
DTB original, contemplando que puede haber remuestreo de burbujas pequeñas entre M1, M2 y
M3, que están espaciados 0.1 segundos entre sí. Sin embargo, un examen exhaustivo del video 1
indica que muy pocas (alrededor de 15 de un total de 707) burbujas demoran más de 0.1
45
segundos en atravesar la imagen en la vertical. La distancia vertical asociada a las imágenes
corresponde a 512 pixeles, equi
equivalente a 0.94 cm.. Comparando esta distancia con las velocidades
de burbujas presentadas en la Figura 2-2 se observa que para un régimen de swarm ninguna
burbuja de diámetro mayor o igual a 0.5 mm seráá remuestreada, en tanto que en un régimen de
burbujas aisladas sólo
ólo aquéllas de diámetro menor a 0.5 mm podrían ser remuestreadas. En la
práctica el remuestreo es casi nulo y no cambia la DTB. Un test de Student
tudent de diferencia de
medias se realizó para confirmar
firmar este supuesto, el resultado es que no existe diferencia
significativa entre las medias de las poblaciones de burbujas de M1, M2, M3 y sus respectivas
combinaciones. Por tanto, es válido realizar estas superposiciones de imágenes que entregan una
variación en el porcentaje de clusters como se observa en la Tabla 4-14.
tiempo
0.1 s 0.1 s 0.1 s 0.1 s
0.4 s
Figura 4-21: Esquema de muestreo temporal para video I
46
Tabla 4-14: Muestreos video I y combinaciones.
14.00
R² = 0.87
12.00
10.00
Error D10 [%]
8.00
6.00
4.00
2.00
0.00
10.00 15.00 20.00 25.00 30.00 35.00 40.00 45.00
[%] Burbujas en clusters y bordes
Figura 4-23: Sesgo versus % de burbujas en clusters para la DTB de muestreos video I
En teoría, el sesgo depende tanto del parámetro θ como de la DTB, en particular de los
dos primeros momentos de la DTB. El porcentaje de burbujas en clusters está determinado por la
forma de la DTB y por la densidad espacial de burbujas, sin embargo aún cuando el porcentaje de
clusters sea altísimo debido a una gran densidad de burbujas por imagen, es posible que el sesgo
sea muy cercano a cero si la DTB tiene una varianza baja.
47
4.5. Sesgo global
Habiendo analizado las dos fuentes de error que se pretenden comprender, se puede
apreciar el efecto conjunto de los dos procesos sobre una distribución, para los videos de alta
velocidad I, II y III.
Figura 4-24: Desviaciones respecto de la DTB real (video) según muestreo temporal y análisis
La Figura 4-24 muestra la DTB real (video) y las DTB obtenidas tras muestrear
temporalmente y analizar eliminando los clusters. El error de muestreo temporal y el error de
análisis presentan la misma tendencia para las condiciones específicas en que fueron tomados los
videos I, II y III.
El diámetro promedio real (video) es de 1.68 mm, el muestreo temporal reduce ese valor a
1.57 mm y sobre ese valor, la eliminación de los clusters lleva a una DTB de media 1.48 mm.
Considerando esos datos se obtienen los siguientes resultados para el sesgo de muestreo, el de
análisis y el sesgo total (correspondiente a la comparación del análisis con la DTB real del
video):
48
Tabla 4-15: Error global en cálculo del diámetro medio para video de alta velocidad, se presenta el promedio
de todos los muestreos.
49
5. MODELO BOOLEANO
En este caso, es necesario desarrollar una técnica de análisis que sea capaz de procesar o
dar cuenta de los clusters en la distribución que se generan cuando el ascenso de las burbujas en
el visor sigue un régimen de swarm, considerando que al aumentar la presencia de clusters el
error de análisis con la técnica tradicional aumenta considerablemente (ver Figura 4-23). Para
esto se utilizará el modelo booleano, presentado en la sección 2.3, ya que corresponde a una
técnica de análisis de imágenes capaz de medir una DTB considerando los clusters.
5.1. Datos
Se utilizarán los datos de los sets I y II descritos en el capítulo anterior, para las pruebas
de aleatoriedad. Para corroborar el modelo booleano se utilizará el set III.
50
5.2.1. Distribución espacial de burbujas
Uno de los supuestos del modelo booleano es que la posición de los centros de las
burbujas es aleatoria y la ocurrencia de una burbuja en el espacio sigue un proceso de Poisson de
Con el fin de estudiar si existe algún tipo de segregación espacial de burbujas que sea
significativo se realizará el test con tres tipos de segmentación de la fotografía: 20 cuadros
horizontales, 20 cuadros verticales y 20 cuadros distribuidos en 4 filas y 5 columnas, como se
observa en la Figura 5-1.
51
La Figura 5-2 muestra la distribución espacial de burbujas en las imágenes (en términos
de número burbujas/cuadro) real para el set III, y la distribución teórica para una distribución de
Poisson con un promedio 2.25 burbujas por cuadro.
Para un proceso de Poisson con 2.25 burbujas/cuadro, el número de burbujas debe ser
(con un 95% de confianza) como máximo 5.5 burbujas por cuadro. Se debe notar que en estricto
rigor una distribución de Poisson no tiene ese intervalo de confianza ya que es discreta, por tanto
el 95% de confianza se encontró en base a la distribución acumulada para 5 burbujas/cuadro
(92,2%) y para 6 burbujas cuadro (97,3%).
Si se toma como máximo posible 5 burbujas por sección, se encuentra que un 10% de los
cuadros analizados sobrepasa este valor, en tanto que si se usa 6 como límite superior, un 5% de
los cuadros en estudio son “anormales”. Contemplando este resultado, el test indica que no se
puede descartar que las imágenes sean aleatorias en la ubicación de las burbujas. Se obtuvieron
resultados similares para las otras configuraciones del test indicadas en la Figura 5-1.
52
5.2.2. Probabilidad de observar burbujas aisladas
Un análisis teórico permite calcular la probabilidad de que una burbuja cualquiera sea
“analizable” con el método tradicional, o sea, que esté aislada (que no sea parte de un cluster) y
que no corte los bordes de la foto. El evento de que una burbuja esté aislada y no corte los bordes
se puede descomponer en 3 eventos disjuntos [18]:
Evento 1: La burbuja no toca los bordes de la foto. La probabilidad de este evento es:
z1() =
({ Q)(| Q)
{|
(18)
= Ancho de la fotografía en milímetros.
} = Alto de la fotografía en milímetros.
En donde:
Evento 2: La burbuja no es intersectada por otra burbuja que haya sido “sembrada” en el
área exterior a ella, es decir, que no se intersecte con otra burbuja cuyo centro está fuera
del área de la burbuja original. La probabilidad de este evento depende de los momentos
de la función de distribución de probabilidades del diámetro de burbujas, la cual puede ser
calculada para una imagen procesada manualmente. La probabilidad de este evento es:
z2() = ~
r] Vi Q_
V (19)
Evento 3: La burbuja no es intersectada por otra burbuja que haya sido “sembrada” en el
interior de ella, es decir, que no se intersecte con otra burbuja cuyo centro está dentro del
área de la burbuja original. Esta probabilidad no sólo depende de los momentos de la
función de distribución de probabilidades, también depende de la forma de dicha
distribución. La probabilidad de este evento es:
53
z3(P) = ~
r % (Q )
()Q
(20)
para todo diámetro . Se evaluará, para un set de 20 imágenes, si existe un sesgo sistemático en
probabilidad empírica como el número de burbujas aisladas sobre el número total de burbujas,
la probabilidad empírica o no, para imágenes con visor vertical y para imágenes con visor
inclinado.
Dadas las dimensiones del visor, las imágenes tomadas con el MBSA que se analizan en
este documento contienen miles de burbujas pequeñas, la relación entre el tamaño de burbuja y el
tamaño de la foto es distinta para el visor inclinado y para los visores verticales. Con la finalidad
de obtener resultados comparables, se utilizan 20 imágenes de prueba en visor vertical y 2
imágenes MBSA, subdivididas en 12 secciones cada una, de modo que cada sección de una
imagen del MBSA tiene la misma razón entre el tamaño de burbuja medio y el tamaño de la
imagen que las fotografías del visor vertical. De este modo, cada sub-imagen del MBSA es
comparable a una imagen del visor vertical, y se tiene un número comparable de imágenes en
cada tipo de visor. La relación entre el tamaño de la imagen y el tamaño de las burbujas es un
parámetro que afecta a la probabilidad de que las burbujas corten los bordes de la imagen (P1),
por esto es importante que sea comparable para ambos sets.
Utilizando la fórmula para calcular la probabilidad de que una burbuja sea intersectada
por burbujas externas según el modelo booleano, se determinó la probabilidad teórica P2 para
cada imagen en base a su DTB, para las imágenes de los set I y II, y para las sub-imágenes del
MBSA. Los resultados se presentan en la Tabla 5-1 y la Tabla 5-2. Estas tablas son los resultados
de las probabilidades en promedio para todas las burbujas de cada imagen.
54
Tabla 5-1: Probabilidad de burbujas aisladas imágenes visor vertical
SET I IMAGEN II
Imagen Prob. Prob. Delta Imagen Prob. Prob. Delta
Teórica Empírica Teórica Empírica
IMG8646 80.3 80.8 0.5 IMG8693 88.6 100.0 11.4
IMG8647 71.7 78.5 6.8 IMG8694 87.3 93.9 6.6
IMG8648 80.7 80.0 -0.7 IMG8695 82.7 84.0 1.3
IMG8649 82.5 92.2 9.7 IMG8696 83.1 83.3 0.2
IMG8650 79.8 87.3 7.5 IMG8697 83.7 75.0 -8.7
IMG8651 82.7 86.8 4,1 IMG8698 87.8 78.6 -9.2
IMG8652 82.5 80.7 -1.8 IMG8700 89.0 79.4 -9.6
IMG8653 84.7 81.7 -3.0 IMG8701 89.1 76.2 -12.9
IMG8654 80.4 93.2 12.8 IMG8702 89.6 87.9 -1.7
IMG8655 86.3 90.3 4.4 IMG8703 87.9 74.4 -13.5
PROMEDIO 81.1 95.5 4.0 PROMEDIO 86.9 83.3 -3.6
IMAGEN I IMAGEN II
Sub-Imagen Prob. Prob. Delta Sub-Imagen Prob. Prob. Delta
Teórica Empírica Teórica Empírica
1 91.6 100 8.4 1 91.5 100.0 8.5
2 93.6 100 6.4 2 70.8 85.4 14.6
3 93.1 94 0.9 3 70.8 93.8 23.0
4 76.8 92.2 15.4 4 79.5 83.0 3.5
5 74.9 91 16.1 5 89.1 97.1 8.0
6 76.8 93.7 16.9 6 70.6 86.5 15.9
7 80.2 93.8 13.6 7 76.7 94.5 17.8
8 71.3 90.7 19.4 8 73.6 85.3 11.7
9 79.4 94 14.6 9 87.4 97.4 10.1
10 86.3 94.1 7.8 10 77.1 91.7 14.6
11 78.7 85.5 6.8 11 75.3 93.7 18.4
12 87.4 90 2.6 12 80.1 77.2 -2.9
PROMEDIO 82.5 93.3 10.7 PROMEDIO 78.5 90.5 11.9
55
presentan cerca de un 11% más de burbujas aisladas que la predicción teórica. Este resultado es
esperable ya que la geometría del MBSA (visor inclinado en 15°) está diseñada para obtener una
población de burbujas con pocos clusters.
Para el set de imágenes IV, se calculó la probabilidad de que las burbujas estén aisladas y
fuera del borde de la foto, es decir, que sean consideradas por el análisis tradicional, para cada
tamaño como la razón entre el número de burbujas en clusters y el número total de burbujas para
ese tamaño. Además, dado que se tiene el parámetro θ y los momentos de la DTB, se conoce de
las ecuaciones (18), (19) y (20) la probabilidad teórica de que una burbuja de determinado
tamaño se encuentre aislada. La comparación de ambas se muestra en la Figura 5-3. Es
importante notar que se conocen exactamente las probabilidades P1 y P2 ya que se conocen los
momentos de la DTB. Para calcular P3 fue necesario ajustar una función a la DTB del set IV,
para esto se recurrió a una interpolación spline de la función de distribución de tamaños que
permite calcular los términos de (20).
Figura 5-3: Probabilidad de burbujas aisladas y sin contacto con el borde de la imagen para el set III
56
Los resultados presentados en la Figura 5-3 permiten observar que la probabilidad de que
una burbuja sea removida por un análisis que excluye clusters y burbujas cortadas por los bordes
de la imagen aumenta con el diámetro de las burbujas tanto para el modelo como para las
burbujas en las imágenes reales, sin embargo la aproximación teórica sobreestima la proporción
de burbujas que serán eliminadas en promedio en un 10%. La probabilidad real de burbujas
aisladas muestra una buena correlación con el producto P1·P2 (el coeficiente de correlación entre
el valor real y el producto P1·P2 es de 0.93). Aunque el valor de P1·P2 en general subestima la
probabilidad de burbujas aisladas, puede ser un buen estimador teórico de ese valor.
Es interesante observar que para una distribución de tamaño fija, las probabilidades
descritas en 5.1.2 permiten transformar la distribución inicial en una “distribución analizada”, ya
que actúan a modo de filtro de las burbujas por cada tamaño. Se observa que este filtro excluye
en mayor proporción a las burbujas más grandes. La teoría asociada al modelo booleano predice
que la DTB de un análisis tradicional se comportará de la siguiente manera:
= ∑ ≈ ∑
∙!(Q )∙9(Q )∙(Q ) ∙!(Q )∙9(Q )
,i !(Q )∙9(Q )∙(Q ) ,i !(Q )∙9(Q )
(21)
57
≈ ∑
∙!(Q )∙9(Q )
,i !(Q )∙9(Q )
(22)
Suponiendo una distribución inicial con forma de Gamma (ver Anexo B), generar una
serie de distribuciones de tamaño de burbujas, con diámetro medio 1 mm, para distintos
valores de la desviación estándar (sigma) y para distintos valores de θ.
Usando cada una de las DTB generadas, calcular el producto de P1·P2 como función del
diámetro de burbuja usando (18) y (19). Se supuso un tamaño de imagen de 2.7x1.8 mm2,
emulando las condiciones en que se tomó el set III.
Calcular la DTB que un análisis tradicional obtendría utilizando (22).
Determinar el diámetro medio y el diámetro de Sauter de la DTB original y la DTB del
análisis para cada valor de θ y sigma.
Calcular el error porcentual en el cálculo del diámetro medio y en el cálculo del diámetro
de Sauter para cada valor de θ y sigma.
Repetir el procedimiento fijando sigma y variando el diámetro medio de la distribución
original.
58
Figura 5-4: Error de análisis para D10 y D32 en función de la desviación estándar de la DTB para una media
de 1 mm (arriba) y para una media de 2 mm (abajo) para distintos valores de θ (burbujas/imagen)
(
Las Figuras 5-4 y 5-5 muestran que, en general, el error en la estimación del diámetro
medio y del diámetro de Sauter de la DTB crece al aumentar la densidad de burbujas por imagen,
al aumentar el ancho de la DTB para un diámetro promedio fijo y al aumentar el diámetro medio
manteniendo la desviación estándar fija. La dependencia del error como función del diámetro
medio y de la desviación estándar es más fuerte a medida que se incrementa la densidad de
burbujas por imagen. Todos los errores presentados en estas Figuras corresponden a
subestimaciones del diámetro medio y del diámetro de Sauter.
59
Figura 5-5: Error de análisis para D10 y D32 en función de del diámetro medio de la DTB para una
desviación estándar de 0.2 mm (arriba) y para desviación estándar de 0.5 mm (abajo) para distintos valores de
θ (burbujas/imagen)
(
Para un caso límite en que una celda agitada tenga un aumento anormal en la velocidad
superficial de gas Jg, se espera un aumento simultáneo en la densidad espacial de burbujas θ , el
diámetro medio y la desviación estándar de la DTB. Estos tres parámetros controlan el sesgo de
análisis de la medición, de modo que en el caso límite descrito, se espera un aumento importante
en el error de la medición.
60
5.4. Resultados modelo booleano
El set III fue utilizado para probar el modelo booleano. La programación del algoritmo fue
desarrollada por Felipe Garrido, memorista de Ingeniería Civil en Computación. Un ejemplo de
los resultados obtenidos se presenta en la siguiente Figura:
Figura 5-6: Resultados modelo booleano para diámetro de Sauter set III [19]
El modelo muestra una buena aproximación al cálculo del diámetro de Sauter, que es un
parámetro determinante en el cálculo del flujo de área superficial de gas.
61
6. DISCUSIÓN
Se observa una gran variabilidad en los distintos sets de imágenes analizados en cuanto al
número de clusters presentes, en la práctica la proporción de burbujas que forma clusters no
define directamente el sesgo que produce la remoción de éstos, ya que éste también depende de la
DTB. Para una DTB fija existe una relación directa entre Jg, θ y el porcentaje de burbujas en
clusters: a mayor flujo de aire, mayor cantidad de burbujas por unidad de área y más clusters. Se
obtuvo una correlación relativamente alta entre el error de análisis tradicional y el porcentaje de
clusters en las imágenes mediante la técnica de combinación de imágenes (Figura 4-23), se debe
recalcar que la DTB de los muestreos del video I utilizada para este efecto era suficientemente
ancha como para que la variación del error o sesgo de análisis con la cantidad de clusters fuera
apreciable.
62
El tamaño típico de burbuja en celdas mecánicas para una imagen del MBSA es del orden
de 1 mm de diámetro. La literatura documenta que las distribuciones presentan un número
importante de burbujas entre 0.6 y 1.4 mm de tamaño [20] [21]. Según la Figura 2-2, en un
régimen de burbujas aisladas, esto significa un rango de velocidades entre 6 cm/s y 13 cm/s, por
lo que se espera que en la técnica tradicional, usando un visor inclinado, el error de muestreo
temporal sea importante debido a que las burbujas más grandes tendrán mucho menor
probabilidad de aparecer en las imágenes que las pequeñas.
Para el rango de tamaños mencionado, con un muestreo típico de 1 imagen por segundo,
las burbujas más grandes recorrerán más de 13 cm entre cada imagen y las más pequeñas menos
de 6. El alto de las imágenes en el sistema MBSA no puede ser mayor a 6 cm, de otro modo se
remuestrearía burbujas pequeñas. En la práctica se necesita tener una alta resolución (45-60
pix/mm) por lo que las imágenes típicamente son de tamaño 3 cm o menos [5][12]. Para una
distancia de 3 cm, si las burbujas ingresan aleatoriamente en el tiempo al visor, una imagen
capturará gran parte de las burbujas de tamaños muy pequeños (menores a 0.4 mm) con
velocidades menores a 3 cm/s. En promedio, capturará cerca de ¼ de las burbujas de radios
grandes con velocidades cercanas a 12 cm/s (todas las burbujas grandes que ingresan entre la
imagen anterior y 0.25 segundos antes de la toma de la nueva imagen habrán desaparecido de la
foto antes de que se tome la imagen). El ejercicio teórico de suponer que las burbujas ocurren en
la base del visor de manera aleatoria con una tasa constante en el tiempo es el mejor caso posible
en términos de homogeneidad temporal de la DTB.
63
Figura 6-1: Ejemplo de sesgo teórico por muestreo temporal, imágenes MBSA
En este caso, se obtiene del sencillo ejercicio teórico que si los supuestos fuesen válidos,
la media de la DTB en el visor (estimada por la curva azul en Figura 6-1) podría ser 1.15 [mm],
es decir, un 18% mayor al estimado por las imágenes procesadas por el MBSA, sólo por efecto de
muestreo temporal. En general, esta subestimación para distintas imágenes en MBSA tomadas de
la literatura va desde un 2.5% a un 18%, dependiendo de la forma que tome la DTB de las
imágenes muestreadas. Este ejercicio teórico, sin embargo, tiene una limitación: si existiesen
tamaños mayores a 1.3 mm que resultaran completamente eliminados por el análisis tradicional,
estos no aparecerán en la estimación teórica de la DTB del video. En otras palabras, este cálculo
teórico del sesgo es una cota inferior ya que no puede dar cuenta de fracciones de tamaño
completamente eliminadas por el análisis tradicional.
64
que un cambio en el ancho de la restricción (a una restricción de 2 cm, por ejemplo) podría
mejorar aún más los resultados.
Las imágenes generadas con un visor vertical con restricciones siempre presentarán un
porcentaje alto de clusters debido a la forma en que se mueven las burbujas. Considerando que el
algoritmo de watershed es en la práctica difícil de implementar debido a los altos costos de
tiempo computacional, se sugiere el modelo booleano como técnica de medición de DTB para
considerar los clusters.
Se puede concluir del Capítulo V que las imágenes utilizadas para probar el modelo
booleano no cumplen completamente los supuestos requeridos por el modelo, ya que la
distribución espacial de burbujas no es completamente aleatoria debido a la segregación espacial
de burbujas por tamaño y a que la densidad espacial de centros de burbujas no es totalmente
homogénea. Por ejemplo, la densidad de burbujas del set III es mayor en el centro (las burbujas
no se distribuyen aleatoriamente en toda la foto) y las burbujas más grandes pasan sólo por el
centro de la foto.
65
7. CONCLUSIONES
Las imágenes presentan una fuerte segregación espacial en la horizontal, tanto en número
de burbujas como en tamaño de burbujas. El centro de la imagen concentra las burbujas más
grandes, en tanto que las medianas y pequeñas se dispersan en la horizontal. En términos de
muestreo temporal, se comprobó teórica y empíricamente que el efecto de muestrear imágenes
cada 0.5 o 1 segundo genera una subestimación del diámetro medio de burbuja que puede
alcanzar un 10% en visores verticales.
66
(eliminar los clusters genera una DTB estadísticamente distinta de la real). Con este propósito, se
propone el modelo booleano como técnica de análisis de imágenes, el cual fue probado
comparando sus resultados contra el análisis manual.
67
8. REFERENCIAS
[1] Gajardo, M., Vivallo, W. Evolución de las reservas y recursos de cobre, molibdeno, oro,
plata, nitrato y yodo en Chile, 2001-2007. Informe del Servicio Nacional de Geología y
Minería, Gobierno de Chile. (2009)
[2] Kracht, W. Efecto de la dispersión de gas en la cinética de flotación batch para celdas
agitadas mecánicamente. Tesis para optar al grado de Magíster en Ciencias de la Ingeniería,
mención Metalurgia Extractiva. Tesis para optar al título de Ingeniero Civil Químico,
Universidad de Chile (2004)
[3] Gomez, C.O., Finch, J. A. Gas Dispersion Measurements in Flotation Cells. International
Journal of Mineral Processing 84, pp. 51-58 (2007)
[4] Nesset, J.E., Hernandez-Aguilar, J.R., Acuña, C., Gomez, C.O., Finch, J.A. Some gas
dispersion characteristics of mechanical flotation machines. Minerals Engineering 19, pp.
807-815. (2006)
[6] Kracht, W., Emery, J. Egaña, A. A Stochastic Approach for Measuring Bubble Size
Distribution via Image Analysis. Proceedings of PROCEMIN 2010, VII International
Mineral Processing Seminar. Santiago, Chile (2010)
[7] Rodrigues, R.T., Rubio, J. New basis for measuring the size distribution of bubbles.
Minerals Engineering 16, pp. 757-765. (2003)
[8] Bailey, M. Analysis of Bubble Size Distributions Using the McGill Bubble Size Analyser.
MsE Thesis, McGill University (2004)
[9] Heiskanen, K. On the relationship between flotation rate and bubble surface area flux.
Minerals Engineering 13, pp. 141-149. (2000)
[10] Zhang, W. Water overflow rate and bubble surface area flux in flotation. MsE Thesis,
McGill University (2009)
[11] Clift, R., Grace, J.R., Webber, M.R. Bubbles, Drops and particles. Editorial Academic
Press, U.S.A. (1978).
68
[12] Acuña, C., Finch, J. Tracking velocity of multiple bubbles in a swarm International
Journal of Mineral Processing 94 pp. 147-158 (2010)
[13] Acharya, T., Ray, A. Image Processing, Principles and Applications. Wiley & Sons, New
Jersey (2005)
[14] Lantuéjoul, C. Geostatistical Simulation: Models and Algorithms. Springer, Berlin (2002)
[15] Lantuéjoul, C., Schmitt, M. Use of two new formulae to estimate the Poisson intensity of
a Boolean model. Comptes Rendus du Treizième Colloque GRETSI sur le Traitement du
Signal et ses Applications, Juan-Les-Pins, France, pp. 1045-1048 (1991)
[16] Meijering, E., Dzyubachyk, O., Smal, I. Methods for Cell and Particle Tracking.
Editorial Elsevier, in press (2012).
[20] Zhang, W. Kolahdoozan, M. Nesset, J.E., Finch, J.A. Use of frother with sampling-for-
imaging bubble sizing technique. Minerals Engineering 22, pp. 513-515. (2009)
[21] Bailey, M., Gomez, C., Finch, J. A. Development and application of an image analysis
method for wide bubble size distributions. Minerals Engineering 18, pp. 1214-1221 (2005)
69
ANEXO A: CALIBRACIÓN FLUJO DE AIRE
La calibración del flujo de aire en la celda Labtech-Essa fue realizada mediante el método
de la probeta invertida, midiendo el tiempo que demora el aire en la celda en desplazar un
volumen de agua fijo de 566.7 cc dentro de la probeta, para distintos flujos nominales de aire.
Los datos se presentan en la Tabla A-1.
70
ANEXO B: DISTRIBUCIÓN GAMMA
1
() = !~ 0, ∞)
7
Γ()
Cualitativamente, la función gamma puede tomar una forma similar a una exponencial o
similar a una normal, dependiendo del parámetro de forma utilizado. Para los propósitos de este
documento, se utilizaron rangos de diámetro y desviación estándar plausibles dentro del contexto
de la DTB de burbujas en flotación:
Distribuciones gamma con media fija igual a 1 y 2 mm, haciendo variar la desviación
estándar entre 0 y 1 mm.
Distribuciones gamma con desviación estándar fija igual a 0.2 y 0.5 mm, haciendo variar
el diámetro entre 0.5 y 1.0 mm.
Con estos valores, se puede determinar los parámetros de la distribución gamma ya que la
media y la varianza de la distribución gamma se relacionan con los parámetros de forma y escala
de la siguiente manera:
=∙ 9 = ∙ 9
= 9 ⁄ 9 = 9 ⁄
71
σ=0.1
σ=0.9
Figura B-1: DTB simuladas para diámetro medio 1.0 mm y desviación estándar σ variable
Para las simulaciones con desviación estándar fija de 0.5 mm y diámetro variable se
obtuvieron las siguientes distribuciones:
µ=0.6
µ=1.4
Figura B-2: DTB simuladas para desviación estándar 0.5 y diámetro medio µ variable
72