Modelado de mezclas asf´ alticas basado en segmentaci´on de muestras tridimensionales con ayuda de Tomograf´ ıa Axial Computarizada Wilmar D. Fern´ andez 1 Jeison Pacateque 1 Santiago Puerto 1 Manuel Balaguera 2 Fredy Reyes 3 1 Grupo Investigacion TOPOVIAL Universidad Distrital 2 Fundaci´ on Universitaria Konrad Lorenz 3 Pontificia Universidad Javeriana Grupo Investigacion CECATA Seminario Internacional de Topograf´ ıa, 2014 1 / 34
34
Embed
Modelado de mezclas asfálticas basado en segmentaci ́on de muestras tridimensionales con ayuda de Tomografía Axial Computarizada
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Modelado de mezclas asfalticas basado en segmentacionde muestras tridimensionales con ayuda de Tomografıa
Axial Computarizada
Wilmar D. Fernandez1 Jeison Pacateque1 Santiago Puerto1
La complejidad de los modelos depende del grado de aproximacion querequiere el investigador asi como de la escala en que trabaja.
Figura: Computational Multiscale Modeling of Fluids and Solids, Steinhouser 2008
7 / 34
Modelos
A manera de resumen:
La ingenieria de los siglos anteriores se basaba en el reduccionismo.
Los materiales se veıan como un todo y se realizaban multiplesconsideraciones.
Avances tecnologicos han permitido ingresar al paradigma de lacomplejidad.
8 / 34
Modelos
9 / 34
Figura: Zhang, Wan, Wang, He(2011)
Simulacion multifısica
Los materiales no estan expuestos solamente a acciones fısicas o quımicasaisladas, estos procesos se presentan de manera alternada o simultanea ydependen del tiempo.
10 / 34
1 Modelado y Simulacion
2 Metodologıa para Marcos de trabajo MEF
3 Toma de imagenes
4 Computacion Cientıfica
5 Lectura de imagenes
6 Procesamiento de imagenes
7 Escalamiento
8 Herramientas para computacion cientıfica en Python
9 Los ideales de la ciencia vs la realidad
10 Conclusiones
11 / 34
Metodologıa para marcos de trabajo MEF
12 / 34
1 Modelado y Simulacion
2 Metodologıa para Marcos de trabajo MEF
3 Toma de imagenes
4 Computacion Cientıfica
5 Lectura de imagenes
6 Procesamiento de imagenes
7 Escalamiento
8 Herramientas para computacion cientıfica en Python
9 Los ideales de la ciencia vs la realidad
10 Conclusiones
13 / 34
Toma de imagenes
14 / 34
1 Modelado y Simulacion
2 Metodologıa para Marcos de trabajo MEF
3 Toma de imagenes
4 Computacion Cientıfica
5 Lectura de imagenes
6 Procesamiento de imagenes
7 Escalamiento
8 Herramientas para computacion cientıfica en Python
9 Los ideales de la ciencia vs la realidad
10 Conclusiones
15 / 34
Computacion Cientıfica
“La computacion cientıfica une la simulacon por computador, laexperimentacion cientıfica, la geometrıa, modelos matematicos,visualizacion y computacion de alto rendimiento para hacer frente aalgunos de los ‘grandes’ desafıos de la informatica en la ingenierıa y lasciencias”
16 / 34
1 Modelado y Simulacion
2 Metodologıa para Marcos de trabajo MEF
3 Toma de imagenes
4 Computacion Cientıfica
5 Lectura de imagenes
6 Procesamiento de imagenes
7 Escalamiento
8 Herramientas para computacion cientıfica en Python
9 Los ideales de la ciencia vs la realidad
10 Conclusiones
17 / 34
Lectura de imagenes
Python: Lenguaje de programacion moderno, multiproposito,interpretado.
¿Por que Python?
Facil lectura, rapido aprendizaje.Gran coleccion de librerıas. No reinventar la rueda.Un solo entorno para todo.Software libre, amplia comunidad, bien documentado.
Pydicom: Obtener los datos a partir de las imagenes dicom
18 / 34
Lectura de imagenes
Python: Lenguaje de programacion moderno, multiproposito,interpretado.
¿Por que Python?
Facil lectura, rapido aprendizaje.Gran coleccion de librerıas. No reinventar la rueda.Un solo entorno para todo.Software libre, amplia comunidad, bien documentado.
Pydicom: Obtener los datos a partir de las imagenes dicom
19 / 34
Lectura de imagenes
Python: Lenguaje de programacion moderno, multiproposito,interpretado.
¿Por que Python?
Facil lectura, rapido aprendizaje.Gran coleccion de librerıas. No reinventar la rueda.Un solo entorno para todo.Software libre, amplia comunidad, bien documentado.
Pydicom: Obtener los datos a partir de las imagenes dicom
20 / 34
1 Modelado y Simulacion
2 Metodologıa para Marcos de trabajo MEF
3 Toma de imagenes
4 Computacion Cientıfica
5 Lectura de imagenes
6 Procesamiento de imagenes
7 Escalamiento
8 Herramientas para computacion cientıfica en Python
9 Los ideales de la ciencia vs la realidad
10 Conclusiones
21 / 34
Muestreo
Numpy
Provee arreglos numericos (objetos) y rutinas para manipularlos.
La imagen dicom es transformada a un arreglo de numpyMuestreo de la imagen
−3000 −2000 −1000 0 1000 2000 3000 4000 50000
50
100
150
200
250
300
350
400
450
22 / 34
Agrupamiento
Algoritmo K-means
Agrupa datos tratando de separar muestras en n grupos de igual varianza,minimizando un criterio conocido como “inercia” de grupos. Estealgoritmo requiere el numero de grupos (k) para ser ejecutado. Escala bienfrente a un gran numero de muestras y ha sido usado en un largo numerode aplicaciones en disntintos campos.
J(X ,C ) =n∑
i=0
mınµj∈C
(‖xj − µi‖2
)
Scikit-learn
Modulo para Aprendizaje de Maquinas. Provee herramientas simples yeficientes para minerıa de datos y analisis de datos.
23 / 34
Comparacion
24 / 34
1 Modelado y Simulacion
2 Metodologıa para Marcos de trabajo MEF
3 Toma de imagenes
4 Computacion Cientıfica
5 Lectura de imagenes
6 Procesamiento de imagenes
7 Escalamiento
8 Herramientas para computacion cientıfica en Python
9 Los ideales de la ciencia vs la realidad
10 Conclusiones
25 / 34
Escalamiento
26 / 34
Escalamiento
27 / 34
1 Modelado y Simulacion
2 Metodologıa para Marcos de trabajo MEF
3 Toma de imagenes
4 Computacion Cientıfica
5 Lectura de imagenes
6 Procesamiento de imagenes
7 Escalamiento
8 Herramientas para computacion cientıfica en Python
9 Los ideales de la ciencia vs la realidad
10 Conclusiones
28 / 34
Herramientas para computacion cientıfica en Python
29 / 34
1 Modelado y Simulacion
2 Metodologıa para Marcos de trabajo MEF
3 Toma de imagenes
4 Computacion Cientıfica
5 Lectura de imagenes
6 Procesamiento de imagenes
7 Escalamiento
8 Herramientas para computacion cientıfica en Python
9 Los ideales de la ciencia vs la realidad
10 Conclusiones
30 / 34
Los ideales La realidad de la ciencia
La busqueda de respuestas verificables sobre el mundo
La busqueda de que sus artıculos sean muy citados, para su hoja devida.
La validacion de nuestros resultados por reproduccion
La validacion mediante el convencimiento de los jurado de la revista,los cuales no vieron su codigo o sus datos.
Una empresa colaborativa y altruıstica para el beneficio de lahumanidad
Una carrera constante contra sus colegas por conseguir fondos
31 / 34
1 Modelado y Simulacion
2 Metodologıa para Marcos de trabajo MEF
3 Toma de imagenes
4 Computacion Cientıfica
5 Lectura de imagenes
6 Procesamiento de imagenes
7 Escalamiento
8 Herramientas para computacion cientıfica en Python
9 Los ideales de la ciencia vs la realidad
10 Conclusiones
32 / 34
Conclusiones
Ası como la percepcion remota permite analizar elementos de escalasespaciales, es posibe analizar escalas materiales y temporales.
El modelado adecuado de materiales permite cambiar parametros(simulacion - ¿que pasa si?) para analizar comportamientos comotambien mejorar su desempeno.
El software libre y herramientas de computacion cientıfica comopython, permiten poner en un entorno de simulacion modelos de grantamano para encontrar en entornos virtuales el comportamiento de losmateriales sin invertir en alto costos de laboratorios fısicos y quımicos.