Avaluació del procés de desintegració de papers recuperats

La desintegració és una etapa important en la recuperació de paper vell, ja que té importants conseqüències en consum d'energia i en el comportament de les etapes posteriors. Per això els objectius es centren en analitzar la desintegració des del punt de vista del temps de desintegració, els aspectes energètics, modelització de la màquina de desintegració utilitzada i anàlisi dels factors de cisallament calculats com a mesura global de les forces implicades en la desintegració. Els autors que hi han treballat donen diferents explicacions a aquestes forces. Fins avui només s'ha pogut avaluar qualitativament la influència que tenen cada un dels mecanismes en el temps necessari per a desintegrar i en el consum energètic. Les característiques reològiques de les suspensions papereres, i el seu comportament no newtonià tenen una clara influència en el consum energètic i les forces de desfibrat en el desintegrador. Els experiments de desintegració s'han realitzat en un púlper convencional, amb tres tipus de paper recuperat: paper estucat d'alta qualitat imprès offset (PQ), paper revista estucat imprès en color (PR), paper blanc imprès en impresora làsser (PF). Anàlisi del temps de desintegració Per cada un del papers estudiats (PQ, PR i PF), les fraccions màssiques des de 0.06 fins a la màxima que estat possible per cada paper (de 0.14 a 0.18), i a dues velocitats d'agitació diferents, s'ha determinat el temps de desintegració (tD) fins a aconseguir un índex de Sommerville de 0.01%. S'obté que en augmentar la fracció màssica disminueix potencialment el temps de desintegració. S'ha estudiat la velocitat de desintegració, la producció teòrica del púlper en cada cas, i la seva relació amb les forces d'impacte i de fregament que produeixen la desintegració. Aspectes energètics El consum específic d'energia (SEC), definit com l'energia consumida per a desintegrar 1 kg de paper recuperat, disminueix molt en augmentar Xm, ja que a més de disminuir l'energia consumida en cada desintegració, el contingut en paper és més elevat. Pel disseny de desintegradors, cal tenir en compte que en augmentar Xm i en augmentar la velocitat, sempre augmenta la potència consumida. Però així com els beneficis de treballar a Xm alt són de 10 vegades en termes de SEC i de producció, l'augment de potència és només de l'ordre de 2 vegades la necessària respecte de la Xm baixa. Viscositat aparent i energia de fluidització S'estudia la relació entre el temps de desintegració, les forces de fregament i els valors de viscositat aparent de la bibliografia. Per cada paper i velocitat s'ha observat que el consum específic d'energia disminueix en funció de la viscositat aparent. Reologia del púlper Utilitzant el mètode de Metzner i Otto (1957) per determinar la viscositat aparent mitjana de les suspensions papereres, modificat per Roustan, s'ha caracteritzat el pulper mitjançant el model: Np= K· Rex·Fry S'han utilitzat dissolucions de glicerina com a fluid newtonià per a calcular les constants d'ajust, i a partir d'aquí, aïllar la viscositat aparent en funció de la potència neta i els paràmetres d'agitació. La viscositat aparent, d'acord amb Fabry (1999) es substitueix pel concepte de factor de cisallament. Factor de cisallament Calculat el factor de cisallament per a cada paperot i condicions d'agitació, s'ha relacionat amb Xm, SEC, tD, consum de potència, potència instal·lada i fracció cel·lulòsica. El factor de cisallament és un paràmetre útil per a quantificar les forces globals implicades en la desintegració.

Image classification for a large number of object categories

L'increment de bases de dades que cada vegada contenen imatges més difícils i amb un nombre més elevat de categories, està forçant el desenvolupament de tècniques de representació d'imatges que siguin discriminatives quan es vol treballar amb múltiples classes i d'algorismes que siguin eficients en l'aprenentatge i classificació. Aquesta tesi explora el problema de classificar les imatges segons l'objecte que contenen quan es disposa d'un gran nombre de categories. Primerament s'investiga com un sistema híbrid format per un model generatiu i un model discriminatiu pot beneficiar la tasca de classificació d'imatges on el nivell d'anotació humà sigui mínim. Per aquesta tasca introduïm un nou vocabulari utilitzant una representació densa de descriptors color-SIFT, i desprès s'investiga com els diferents paràmetres afecten la classificació final. Tot seguit es proposa un mètode par tal d'incorporar informació espacial amb el sistema híbrid, mostrant que la informació de context es de gran ajuda per la classificació d'imatges. Desprès introduïm un nou descriptor de forma que representa la imatge segons la seva forma local i la seva forma espacial, tot junt amb un kernel que incorpora aquesta informació espacial en forma piramidal. La forma es representada per un vector compacte obtenint un descriptor molt adequat per ésser utilitzat amb algorismes d'aprenentatge amb kernels. Els experiments realitzats postren que aquesta informació de forma te uns resultats semblants (i a vegades millors) als descriptors basats en aparença. També s'investiga com diferents característiques es poden combinar per ésser utilitzades en la classificació d'imatges i es mostra com el descriptor de forma proposat juntament amb un descriptor d'aparença millora substancialment la classificació. Finalment es descriu un algoritme que detecta les regions d'interès automàticament durant l'entrenament i la classificació. Això proporciona un mètode per inhibir el fons de la imatge i afegeix invariança a la posició dels objectes dins les imatges. S'ensenya que la forma i l'aparença sobre aquesta regió d'interès i utilitzant els classificadors random forests millora la classificació i el temps computacional. Es comparen els postres resultats amb resultats de la literatura utilitzant les mateixes bases de dades que els autors Aixa com els mateixos protocols d'aprenentatge i classificació. Es veu com totes les innovacions introduïdes incrementen la classificació final de les imatges.