Search

Con el propósito de reducir la emisión de CO2 en la producción de cemento, incrementar el aprovechamiento de residuos y generar materias primas alternativas con mayor disponibilidad y potencial de uso, se han venido estudiando nuevos materiales capaces de desarrollar propiedades cementicias, especialmente residuos industriales, que permiten disminuir el consumo de clínker en el cemento. Adicionalmente, se conoce que la minería del carbón genera gran cantidad de residuos o estériles, tanto en la explotación como en el beneficio. Por tanto, en este trabajo se estudió el desempeño mecánico y la resistencia a la compresión de una matriz de cemento adicionada con un residuo del carbón colombiano activado térmicamente, generado específicamente del proceso de lavado del carbón, con el propósito de poder utilizar este residuo como material cementante suplementario. La caracterización físico-química y mineralógica del material en estado natural y calcinado, se llevó a cabo mediante granulometría por hidrómetro, FRX, DRX, ATG/ATD y análisis próximos del carbón. El residuo está compuesto en su mayoría por SiO2, Al2O3, SO3 y Fe2O3, y sus fases mineralógicas principales son cuarzo, caolinita e illita. Se evaluó la resistencia mecánica a la compresión de morteros con 20% de sustitución y se encontraron resultados óptimos al comparar con la muestra control a 28 y 90 días de curado.

This working paper shows the results of finished research, using image processing techniques to improve the fingerprint obtained from a database, where the image is normalized and segmented to get only the section of the image with the fingerprint. Then, the Gabor filter is applied, and it corrects defects in ridges and valleys, allowing continuity. That way, if the fingerprint has a physical defect, the filter can correct it as long as the segment orientation to be correct. Once improved, the fingerprint, it is binarized and thinned for minutiae extraction. The false minutiae are filtered and eliminated in order to ensure the operation of the algorithm. Finally, it is necessary training with the minutiae of all fingerprints in the database, to individually determine which user belongs the fingerprint entered. The system has a reliability of 81% of the process, with the pre-processing part being crucial to guarantee the correct extraction of the characteristics of fingerprints.