La aplicación de técnicas de adquisición y procesamiento de imágenes para la determinación de la longitud de pellets de madera como alternativa a la ISO 17829
Autores: Toscano, Giuseppe; Leoni, Elena; De Francesco, Carmine; Ciccone, Giacomo; Gasperini, Thomas
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
La aplicación de técnicas de adquisición y procesamiento de imágenes para la determinación de la longitud de pellets de madera como alternativa a la ISO 17829
Categoría
Ciencias Medioambientales
Subcategoría
Ciencia y tecnología de los recursos naturales
Palabras clave
Desarrollos del mercado global
Pellets de madera
Calidad de los pellets
ISO 17829
Longitud de los pellets
Procesamiento de imágenes
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 18
Citaciones: Sin citaciones
Los desarrollos del mercado global de pellets de madera han llevado a una mayor atención hacia la calidad de los pellets. La ISO 17829 define el procedimiento para evaluar los parámetros geométricos de los pellets, que juegan un papel clave en la calidad general del pellet. Por ejemplo, la longitud del pellet influye en la disposición espacial dentro del brasero de la estufa, afectando la interacción entre el aire de combustión y el biocombustible sólido, lo que a su vez afecta las emisiones de CO. El método ISO 17829 es laborioso y se ve afectado por la precisión del operador. Estudios recientes han investigado la aplicación de nuevos métodos, como el procesamiento de imágenes, para monitorear el parámetro mencionado. Mientras también se evalúa la representatividad del método ISO 17829, este documento propone una herramienta de medición alternativa basada en el procesamiento de imágenes llamada Detector de Longitud de Pellets (PLD). Las muestras se obtuvieron de proveedores de pellets italianos y se sometieron a un análisis multidimensional a través de PLD y calibrador. El rendimiento general del PLD llevó a resultados satisfactorios, con solo el 10% de las muestras teniendo un sesgo entre réplicas de >2 mm. En comparación con el calibrador, el PLD llevó a un sesgo promedio de 0.5 mm. Además, un ANOVA de una vía destacó que aumentar el tamaño de la muestra entre el calibrador y el PLD conduce a una mayor similitud estadística de los datos obtenidos para diferentes réplicas. Dado el estado prototipo del dispositivo, es posible una mejora adicional en el rendimiento, especialmente a través de la modelización de errores.
Descripción
Los desarrollos del mercado global de pellets de madera han llevado a una mayor atención hacia la calidad de los pellets. La ISO 17829 define el procedimiento para evaluar los parámetros geométricos de los pellets, que juegan un papel clave en la calidad general del pellet. Por ejemplo, la longitud del pellet influye en la disposición espacial dentro del brasero de la estufa, afectando la interacción entre el aire de combustión y el biocombustible sólido, lo que a su vez afecta las emisiones de CO. El método ISO 17829 es laborioso y se ve afectado por la precisión del operador. Estudios recientes han investigado la aplicación de nuevos métodos, como el procesamiento de imágenes, para monitorear el parámetro mencionado. Mientras también se evalúa la representatividad del método ISO 17829, este documento propone una herramienta de medición alternativa basada en el procesamiento de imágenes llamada Detector de Longitud de Pellets (PLD). Las muestras se obtuvieron de proveedores de pellets italianos y se sometieron a un análisis multidimensional a través de PLD y calibrador. El rendimiento general del PLD llevó a resultados satisfactorios, con solo el 10% de las muestras teniendo un sesgo entre réplicas de >2 mm. En comparación con el calibrador, el PLD llevó a un sesgo promedio de 0.5 mm. Además, un ANOVA de una vía destacó que aumentar el tamaño de la muestra entre el calibrador y el PLD conduce a una mayor similitud estadística de los datos obtenidos para diferentes réplicas. Dado el estado prototipo del dispositivo, es posible una mejora adicional en el rendimiento, especialmente a través de la modelización de errores.