000014541 001__ 14541
000014541 005__ 20150325205454.0
000014541 037__ $$aTAZ-PFC-2014-274
000014541 041__ $$aspa
000014541 1001_ $$aEmerson Serrano, Mónica
000014541 24500 $$aDetección automática de objetos extraños utilizando Rayos X basados en interferometría por rejillas de difracción
000014541 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2014
000014541 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000014541 520__ $$aLos controles de calidad en la industria alimenticia son esenciales tanto por seguridad como de cara a la satisfacción del cliente. Durante el proceso de fabricación de comida, objetos no deseados pueden introducirse en los productos, resultando peligroso o poco apetitoso para el consumidor. Hoy en día, los sistemas de rayos -X incorporados a líneas de producción pueden detectar materia no orgánica. Sin embargo, encontrar objetos orgánicos en comida utilizando rayos-X convencionales todavía supone un reto. El objetivo de este proyecto es demostrar la mejora introducida por una nueva técnica de rayos-X en la detección de objetos extraños, cuando éstos pueden ser de origen orgánico. Esta novedosa técnica está basada en interferometría de rayos, creada a base de añadir rejillas de difracción a una fuente de rayos-X convencional. Así, obtenemos información sobre las propiedades de absorción, refracción y dispersión de una muestra; mientras que los rayos-X convencionales sólo proporcionan la absorción. Los datos fueron tomados personalmente en Technische Universitåt München. Cada imagen consta de tres modalidades (absorción, contraste de fase y campo oscuro) y contiene una muestra de comida contaminada por objetos de distintos tamaños, orgánicos y no orgánicos. Se tomaron imágenes de varios productos que cuentan con distintas propiedades y son de importancia para los colaboradores del proyecto NEXIM (New X-ray Imaging Modalities for safe and high quality food) dentro del cual se encuentra este PFC. En esta memoria, se compara el rendimiento de dos métodos de clasificación, uno supervisado y otro no-supervisado. Se hará hincapié en la técnica no-supervisada, comparando modelos de comida con distintos atributos y contrastando los resultados de detección con aquellos que se obtendrían usando únicamente la modalidad de absorción.
000014541 521__ $$aIngeniero de Telecomunicación
000014541 540__ $$aDerechos regulados por licencia Creative Commons
000014541 6531_ $$arayos-x
000014541 6531_ $$arefracción
000014541 6531_ $$adispersión
000014541 6531_ $$adetección
000014541 6531_ $$agmm
000014541 6531_ $$asvm
000014541 6531_ $$aestadística
000014541 6531_ $$aimagen
000014541 6531_ $$aaprendizaje de máquinas
000014541 6531_ $$aobjetos extraños
000014541 700__ $$aClemmensen, Line Katrine$$edir.
000014541 7102_ $$aUniversidad de Zaragoza$$bIngeniería Electrónica y Comunicaciones$$cTecnología Electrónica
000014541 7202_ $$aHerrero Jaraba, José Elías$$eponente
000014541 8560_ $$f589286@celes.unizar.es
000014541 8564_ $$s24302573$$uhttps://zaguan.unizar.es/record/14541/files/TAZ-PFC-2014-274.pdf$$yMemoria (spa)
000014541 8564_ $$s4193598$$uhttps://zaguan.unizar.es/record/14541/files/TAZ-PFC-2014-274_ANE.pdf$$yAnexos (spa)
000014541 909CO $$ooai:zaguan.unizar.es:14541$$pproyectos-fin-carrera$$pdriver
000014541 950__ $$a
000014541 980__ $$aTAZ$$bPFC$$cEINA