EN
← Volver al Portafolio
3D y Visualización mayo de 2018

GrainSight — Distribución de Tamaño de Partícula desde Datos RGB-D

Analizador 3D de tamaño de partícula y granulometría usando segmentación watershed basada en marcadores sobre datos RGB-D. Extrae 18 propiedades geométricas por grano y ajusta distribuciones PSD Rosin-Rammler con simulación de tamices ISO 565.

Propiedades
18 por grano
Modelo PSD
Rosin-Rammler
Estándares
ISO 13322-1, ISO 565
Segmentación
Watershed basado en marcadores
GrainSight — Distribución de Tamaño de Partícula desde Datos RGB-D — Arquitectura
#granulometry #particle-size #watershed #depth-profiling #rosin-rammler #fastapi #python

Contexto de Negocio

El análisis tradicional de tamaño de partícula requiere tamizado físico — lento, destructivo e imposible de realizar continuamente. En procesamiento mineral, la distribución de tamaño de grano afecta directamente la eficiencia de recuperación y la calidad del producto. La medición no invasiva desde datos de cámara requiere segmentación robusta de partículas en contacto y superpuestas, donde los enfoques simples de umbralización fallan completamente.

Valor Estratégico

GrainSight es el tercer componente de un trío de caracterización mineral (Clasificación HSI + Perfilador de Profundidad + GrainSight) que provee análisis de tamaño de partícula sin contacto desde datos RGB-D. La segmentación watershed basada en marcadores identifica granos individuales, extrayendo 18 propiedades geométricas por partícula (diámetro equivalente, relación de aspecto, circularidad, volumen, y 14 descriptores adicionales). Ajuste PSD Rosin-Rammler con simulación de tamices ISO 565 provee valores D estandarizados (D10-D90). Cumple ISO 13322-1 para análisis de tamaño de partícula basado en imágenes.

El Desafío

El análisis tradicional de tamaño de partícula requiere tamizado físico — lento, destructivo e impracticable para monitoreo continuo. Estimar distribuciones de tamaño de grano de forma no invasiva desde datos de cámara requiere segmentación robusta de partículas en contacto y superpuestas.

Nuestro Enfoque

Pipeline completo: entrada RGB-D, segmentación watershed basada en marcadores para identificación de granos, extracción de 18 propiedades geométricas por grano (diámetro equivalente, relación de aspecto, circularidad, volumen), ajuste PSD Rosin-Rammler, extracción de valores D (D10, D25, D50), y simulación de tamices ISO 565. Cumple ISO 13322-1.

Indicadores Clave de Rendimiento

KPILínea BaseResultadoImpacto
Método de MediciónTamizado físicoAnálisis RGB-D sin contactoNo destructivo, capacidad continua
Propiedades por GranoSolo fracción de tamiz18 propiedades geométricasCaracterización morfológica rica

Arquitectura

grainsize pipeline

grainsize pipeline

grainsize psd

grainsize psd

Part of a Trio

GrainSight is the third component of a mineral characterization trio built at ALGES laboratory: HSI Classification identifies the minerals, the Depth Profiler reconstructs the surface in 3D, and GrainSight measures the particles. Together, they provide non-contact characterization from a single RGB-D capture — no sieves, no sample destruction, no laboratory wait time.

The Segmentation Challenge

Traditional particle size analysis means physical sieve testing — slow, destructive, and impossible to do continuously. Estimating grain sizes from camera data requires segmenting individual particles that are touching, overlapping, and partially occluded. Simple thresholding fails completely in these conditions.

Marker-based watershed segmentation solves this: local minima in the depth field serve as grain center seeds, the algorithm floods outward from each seed, and the ridgelines where floods meet define grain boundaries. Post-processing merges over-segmented fragments.

18 Properties Per Grain

Each segmented grain is characterized comprehensively: equivalent diameter d_eq = √(4A/π), aspect ratio AR = d_major/d_minor, circularity C = 4πA/P², volume from depth integration V = Σ(zᵢ - z_base)·Δx·Δy, plus 14 additional shape, texture, and orientation descriptors including convexity, solidity, Feret diameters, and principal axis orientation.

The grain size distribution is fitted to the Rosin-Rammler model — the standard in mineral processing: R(d) = 100 × exp(-(d/d')ⁿ). D-values (D10 through D90) are extracted from the cumulative curve with ISO 565 sieve simulation. The entire analysis is compliant with ISO 13322-1 for image-based particle size measurement.

Stack Tecnológico

Python FastAPI scikit-image NumPy HTML5 Canvas Rosin-Rammler ISO 13322-1

Capturas de la Aplicación

GrainSight — Distribución de Tamaño de Partícula desde Datos RGB-D