Determinación de la calidad del cemento mediante espectroscopia óptica y reconocimiento de imágenes basado en aprendizaje automático

Abstract

El presente trabajo de grado propone una metodología innovadora para la determinación de la calidad del cemento mediante la combinación de espectroscopía óptica y técnicas de aprendizaje automático. El estudio surge como respuesta a los recientes colapsos estructurales ocurridos en Colombia, los cuales evidenciaron la necesidad de fortalecer los mecanismos de control y evaluación de los materiales empleados en la construcción. El objetivo principal fue diseñar y validar un instrumento óptico capaz de identificar, a partir del análisis de modos vibracionales inelásticos y reconocimiento de imágenes, las diferencias entre cementos de alta y baja calidad. Para ello, se desarrolló un dispositivo que emplea un láser de 405 nm y un conjunto de filtros ópticos para capturar la dispersión Raman asociada a las fases minerales del cemento. Posteriormente, las imágenes obtenidas fueron procesadas mediante una red neuronal convolucional (CNN) implementada con MobileNetV2 y TensorFlow, logrando una precisión del 98% en la clasificación de muestras. Los resultados demuestran el potencial de esta técnica como herramienta de control de calidad en el sector de la construcción, ofreciendo una alternativa económica, rápida y confiable para la detección de materiales deficientes.