Estimación cuantitativa de la composición mineralógica de concentrados de cobre mediante fusión de datos hiperespectrales VNIR–SWIR y regresión de vectores de soporte.
| dc.contributor.advisor | Sbárbaro Hofer, Daniel Gerónimo | es |
| dc.contributor.author | Muñoz Molina, Lorenzo Andrés | es |
| dc.date.accessioned | 2026-06-18T16:19:08Z | |
| dc.date.available | 2026-06-18T16:19:08Z | |
| dc.date.issued | 2026 | |
| dc.description | Tesis presentada para optar al grado de Magíster en Ingeniería Eléctrica. | es |
| dc.description.abstract | La composición mineralógica de concentrados de cobre influye directamente en el desempeño de los procesos pirometalúrgicos, particularmente en la fusión flash utilizada en fundiciones modernas. Variaciones en la proporción de fases sulfuradas pueden afectar la estabilidad térmica del horno y la eficiencia del proceso. Sin embargo, la caracterización del concentrado se realiza principalmente mediante técnicas de laboratorio fuera de línea, como análisis químicos o microscopía automatizada, que presentan altos costos y tiempos de respuesta prolongados, limitando su uso para apoyar la operación en tiempo real. En este contexto, resulta relevante disponer de técnicas rápidas y no destructivas que permitan estimar la composición del concentrado sin interferir en el material analizado. La espectroscopía de reflectancia difusa mediante sensores hiperespectrales permite obtener información composicional a partir de la interacción entre radiación electromagnética y propiedades mineralógicas del material, constituyendo una alternativa prometedora para el monitoreo continuo de concentrados. El presente trabajo propone una metodología para estimar cuantitativamente %Cu, %Calcopirita (CuFeS₂) y %Pirita (FeS₂) en concentrados de cobre utilizando datos hiperespectrales adquiridos en las regiones VNIR (400–1000 nm) y SWIR (900–1700 nm). Ambos dominios espectrales fueron analizados de forma independiente y posteriormente integrados mediante una estrategia de fusión de datos a nivel medio (Mid-Level Data Fusion, MLDF). Sobre esta información se desarrollaron modelos de regresión multivariada utilizando PLS y un enfoque híbrido no lineal PLS-SVR. Los espectros fueron preprocesados mediante filtrado Savitzky–Golay de primera derivada, corrección de dispersión multiplicativa (MSC), autoescalado y selección de longitudes de onda mediante el criterio VIP. Los resultados muestran que los modelos PLS-SVR presentan un desempeño superior al modelo lineal PLS, especialmente cuando se emplea la estrategia de fusión MLDF. En la etapa de predicción independiente, el modelo PLS-SVR MLDF alcanzó errores relativos de predicción (REP%) de aproximadamente 4.5% para %Cu, 5.3% para %Calcopirita (CuFeS₂) y 13% para %Pirita (FeS₂), con coeficientes de determinación (R²) de 0.87, 0.90 y 0.80, respectivamente. Estos resultados evidencian el potencial de la metodología propuesta para la caracterización rápida de concentrados de cobre mediante sensores hiperespectrales en aplicaciones industriales. | es |
| dc.description.campus | Concepción | es |
| dc.description.departamento | Departamento de Ingeniería Eléctrica | es |
| dc.description.facultad | Facultad de Ingeniería | es |
| dc.description.sponsorship | ANID, Proyecto FONDEF N°ID22I10033. | es |
| dc.identifier.uri | https://repositorio.udec.cl/handle/11594/14183 | |
| dc.language.iso | es | es |
| dc.publisher | Universidad de Concepción | es |
| dc.rights | CC BY-NC-ND 4.0 DEED Attribution-NonCommercial-NoDerivs 4.0 International | en |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Mineralogía | es |
| dc.subject | Pirometalurgia | es |
| dc.subject | Análisis espectral | es |
| dc.subject | Electromagnetismo | es |
| dc.subject.ods | TRABAJO decente y crecimiento económico | es |
| dc.subject.ods | INDUSTRIA, innovación, infraestructura | es |
| dc.subject.ods | CONSUMO responsable y producción | es |
| dc.subject.ods | Acción CLIMÁTICA | es |
| dc.subject.ods | ALIANZAS para los objetivos | es |
| dc.title | Estimación cuantitativa de la composición mineralógica de concentrados de cobre mediante fusión de datos hiperespectrales VNIR–SWIR y regresión de vectores de soporte. | es |
| dc.type | Thesis | en |