Embed Size (px)
Citation preview
DISEÑO E IMPLEMENTACIÓN DE UN PROTOTIPO DE MONITOREO DE LA CALIDAD DEL AIRE Y VOLÚMENES DE EXPLOTACIÓN USANDO IOT Y VISIÓN POR COMPUTADOR, PARA APOYAR LABORES DE FISCALIZACIÓN
MINERA.
Informe Final Practica Académica Presentado Como Requisito Para Optar al
Título de Ingeniero Electrónico
Modalidad Trabajo de Grado
Jonathan Ferney Gómez Hurtado
Augusto Salazar Jiménez
Docente tiempo completo
UdeA
UNIVERSIDAD DE ANTIOQUIA FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA ELECTRÓNICA Y TELECOMUNICACIONES
ENERO DE 2019 MEDELLÍN
Resumen En este trabajo se presenta la solución de un par de necesidades que se identificaron
en minas a cielo abierto, particularmente territorios mineros que no poseen
actualmente ningún tipo de herramienta tecnológica que permita el proceso de
fiscalización minera por parte de las autoridades departamentales.
Como primera necesidad, se identificó que en el territorio minero bajo estudio
(Carbones San Fernando), no se tiene un sistema que permita realizar el monitoreo de
la calidad del aire y además tener disponibilidad de los datos en tiempo real para
generar reportes automáticos en el territorio minero. Para esto, se realizó el diseño,
simulación y fabricación de una estación de monitoreo ambiental que mide las
variables: CO, NO2, SO2, O3, Material particulado (PM2.5 y PM10), temperatura,
presión barométrica y humedad relativa, se explica en el trabajo como se eligió la
plataforma de desarrollo, el algoritmo implementado y las pruebas realizadas para
verificar su correcto funcionamiento.
La otra necesidad que se identificó en el proceso minero es la medición de volumen
de material extraído, actualmente en la mina bajo estudio se realiza el cálculo de
este por medio de básculas que se ubican en la salida del territorio minero, y por
medio del peso del material se realiza un cálculo de volumen aproximado. En este
trabajo se propone apoyar este proceso por medio de visión artificial y técnicas de
reconstrucción en 3D, usando un sistema de cámaras y algoritmos que permitan
complementar el proceso de medición tradicional y favoreciendo el proceso fiscal
que es del interés de los entes gubernamentales.
En la última fase de desarrollo del proyecto, se implementó un software de
administración de información, el cual se encarga de hacer la recolección de los
datos provenientes de los módulos implementados (calidad del aire y medición de
volumen), dar visualización a los encargados de forma local de los parámetros
medidos en tiempo real y transmitir toda la información recolectada a la nube para
almacenar la información, y dar disponibilidad de los datos a los entes encargados
de realizar el proceso fiscalizador en tiempo real y de forma remota.
Se termina el desarrollo del trabajo de grado presentando los resultados obtenidos
luego de la realización del proyecto en sus múltiples etapas, analizando lo que fue el
proceso de diseño, construcción y depuración de cada uno de los prototipos tanto
en el ámbito de hardware como de software y se relacionan las conclusiones acordes
al alcance del proyecto.
Palabras Clave: Fiscalización minera, estación de monitoreo ambiental, sensores de
calidad del aire, medición de volumen, acceso remoto.
Tabla de contenido
ÍNDICE DE ILUSTRACIONES ................................................................................................................................ 4
ÍNDICE DE TABLAS ................................................................................................................................... 4
1. INTRODUCCIÓN ...............................................................................................................5
2. OBJETIVOS ...................................................................................................................................... 6
3. MARCO TEÓRICO .................................................................................................................. 7
4. METODOLOGÍA ESTACIÓN DE MONITOREO AMBIENTAL .................................................................... 9
4.1. PROTOTIPO DE LABORATORIO - ESTACIÓN DE MONITOREO AMBIENTAL ........................................ 9
4.1.1. SENSORES PARA MEDIR CO, NO2, SO2 Y O3. ................................................. 9
4.1.2. SENSOR PARA MEDIR MATERIAL PARTICULADO PM2.5 Y PM10 ............................... 13
4.1.3. SENSOR PARA MEDIR TEMPERATURA Y HUMEDAD RELATIVA .............................................. 14
4.1.4. SENSOR PARA MEDIR PRESIÓN BAROMÉTRICA ................................................................ 17
4.2. HERRAMIENTAS UTILIZADAS ................................................................................................................ 18
4.2.1. PLATAFORMA DE DESARROLLO .................................................................................. 18
4.2.2. PLANEACIÓN DE PINES ............................................................................................. 19
4.2.3. ENTORNO DE DESARROLLO ....................................................................................... 19
4.2.4. DESCRIPCIÓN DEL CÓDIGO ....................................................................................... 23
4.3. DIAGRAMA DE FLUJO DEL PROGRAMA PRINCIPAL ....................................................................... 23
5. METODOLOGÍA MÓDULO DE MEDICIÓN DE VOLUMEN DE EXTRACCIÓN ..................................... 25
5.1. INICIALIZACIÓN .......................................................................................................... 25
5.2. CALIBRACIÓN .................................................................................................................. 25
5.3. RECONSTRUCCIÓN ........................................................................................................... 26
5.4. MEDICIÓN DE VOLUMEN.................................................................................................... 27
6. MÓDULO DE TRANSMISIÓN DE DATOS A LA NUBE ........................................................................... 29
6.1. FUNCIONES Y CLASES PRINCIPALES IMPLEMENTADAS EN LA FRDM-K64F PARA EL ENVÍO DE LA
INFORMACIÓN A LA PLATAFORMA SENTILO ............................................................................... 29
6.2. ESQUEMA DE INTERCAMBIO DE INFORMACIÓN DEL SISTEMA COMPLETO ................................ 31
7. RESULTADOS ................................................................................................................................. 33
8. CONCLUSIONES ................................................................................................................... 38
9. REFERENCIAS BIBLIOGRÁFICAS .............................................................................................................. 39
Índice de ilustraciones
Ilustración 1. Sensores para medición de calidad del aire (Spec-Sensors) ............... 9
Ilustración 2. Concentración de gas vs. Vgas [10] ............................................. 12
Ilustración 3. Sensor de material particulado [11] .............................................. 13
Ilustración 4. Ejemplo de señal obtenida por el sensor en un tiempo de medición de
30 segundos ............................................................................................. 14
Ilustración 5. Sensor de temperatura y humedad [13] ........................................ 15
Ilustración 6. FRDM-K64F [15] ........................................................................ 18
Ilustración 7. Esquema de conexiones del sistema implementado ........................ 19
Ilustración 8. Página de registro e inicio de sesión MBED ................................... 20
Ilustración 9. Interfaz para la creación de proyectos ......................................... 21
Ilustración 10. Procedimiento para importar programas al entorno de desarrollo. .... 21
Ilustración 11. Interfaz para realizar la descarga del programa en la plataforma de
desarrollo. .............................................................................................. 22
Ilustración 12. Diagrama de flujo de ejecución del programa. ........................... 24
Ilustración 13. Imagen para calibración .........................................................25
Ilustración 14. (a) volumen reconstruido por el programa, (b) región bajo análisis .... 27
Ilustración 15. Diagrama de bloques del sistema implementado. ........................ 32
Ilustración 16. Presentación trabajo de grado en ExpoIngeniería. ....................... 33
Ilustración 17. Primera fase de desarrollo del prototipo estación de monitoreo
ambiental ............................................................................................... 34
Ilustración 18. Prototipo estación de monitoreo ambiental ................................ 34
Ilustración 19. Sistema de cámara estéreo puesta sobre una grúa para la medición
de volumen de explotación en centro de acopio. ........................................... 36
Ilustración 20. Interfaz gráfica del software para gestión de los datos. .................. 37
Índice de tablas
Tabla 1. Características de rendimiento de la medición de todos los sensores
considerados ............................................................................................ 10
Tabla 2. Características eléctricas de todos los sensores considerados ................. 10
Tabla 3. Valores máximos absolutos para todos los sensores considerados. ........... 11
Tabla 4. Características de operación sensor material particulado. ...................... 13
Tabla 5. Características de operación sensor de temperatura y humedad. ........... 15
Tabla 6. Características de operación sensor de presión barométrica................... 17
1. Introducción
La fiscalización minera según la Agencia Nacional de Minería, se define como el
“conjunto de actividades y procedimientos que se llevan a cabo para garantizar el
cumplimiento de la normatividad (minera, de seguridad e higiene minera y
ambiental) y de los contratos de exploración y explotación de recursos naturales no
renovables; la determinación efectiva de los volúmenes de producción; la adecuada
conservación de los recursos objeto de la actividad minera a cargo del
concesionario; y la aplicación de las mejores prácticas de exploración y producción,
teniendo en cuenta aspectos técnicos, operativos y ambientales” [1].
Según lo anterior, es necesario poder monitorear constantemente los efectos que trae
consigo la minería en el ambiente, en la salud de los trabajadores y comunidad, para
con esto tener un control efectivo del impacto de la actividad de explotación, poder
tomar medidas en pro de disminuir los efectos negativos propios de la actividad,
evitar sanciones de la autoridad ambiental y emitir alertas oportunamente. Además,
como otro elemento importante a partir de esta actividad productiva se quiere medir
de forma efectiva los volúmenes de producción de la materia prima, y con esto
brindar a la autoridad competente datos veraces, que eviten la evasión de impuestos
y que permitan ejercer una fiscalización más precisa del título minero.
Desde el punto de vista ingenieril se han realizado esfuerzos a nivel nacional que
permiten facilitar la fiscalización minera desde estos dos frentes; tanto desde el
monitoreo de la calidad del aire, como de la determinación del volumen del material
extraído en las minas ubicado en los patios de acopio. Para el primer caso, algunas
compañías del sector carbonífero como el Cerrejón o la Drummond Ltd., han
implementado esquemas de gestión de calidad del aire, con el objetivo de poder
gestionar todo el proceso productivo (producción, transporte y embarque), que
incluyen la implementación de redes de monitoreo de material particulado PM10
tanto en los lugares de trabajo como en las zonas de influencia de la mina en el
departamento del Cesar [2,3]. Para el segundo caso, se sigue realizando la
determinación de la cantidad de material extraído por medio del peso, esto es, se
calcula el volumen de producción en toneladas extraídas mensual o anual con un
tope de extracción máximo que define la política minera nacional.
En este sentido, en este trabajo de grado se desarrollaron tres módulos: en la primera
fase se realizó el diseño y construcción de una estación de monitoreo de la calidad
del aire, la cual mide CO, SO2, NO2, O3, material particulado, temperatura, humedad
y presión barométrica. En la segunda fase, se realizó el diseño e implementación de
un módulo de monitoreo de volúmenes de material extraído usando visión por
computador; y en la última fase, se realizó la integración de datos de los dispositivos
realizados anteriormente por medio de una red de comunicaciones con acceso a la
nube, para poder acceder a la información de forma remota.
2. Objetivos
General
Diseñar e implementar un prototipo de monitoreo de la calidad del aire y el volumen
de explotación usando IoT y visión por computador para apoyar labores de
fiscalización minera.
Específicos
1. Diseñar e implementar un módulo de monitoreo de la calidad del aire en una mina
a cielo abierto, que permita ser incorporado en una plataforma IoT.
2. Diseñar e implementar un módulo de medición de volumen de explotación en
centro de acopio utilizando visión por computador.
3. Acoplar los módulos diseñados a un nodo central que permita acceder a la
información de forma remota a través de una red de comunicaciones.
3. Marco Teórico
Minería a cielo abierto:
Ciencia, técnicas y actividades que tienen que ver con el descubrimiento y la
explotación de yacimientos minerales [4]. Este será el escenario bajo estudio, ya que
en estas condiciones es donde se requiere tener un monitoreo de los índices de
calidad del aire y material particulado suspendido que cumplan con la política
minera colombiana.
Fiscalización:
De acuerdo con la ley 1530 de 2012 en su artículo 13, se entiende por fiscalización el
conjunto de actividades y procedimientos que se llevan a cabo para garantizar el
cumplimiento de las normas y de los contratos de exploración y explotación de
recursos naturales no renovables, la determinación efectiva de los volúmenes de
producción y la aplicación de las mejores prácticas de exploración y producción,
teniendo en cuenta los aspectos técnicos, operativos y ambientales, como base
determinante para la adecuada determinación y recaudo de regalías y
compensaciones y el funcionamiento del Sistema General de Regalías [5].
Índice de la Calidad del Aire (ICA):
El ICA es la interpretación de los niveles de las concentraciones de gases registradas
en la región metropolitana teniendo en cuenta los tiempos de exposición. Es un valor
adimensional que lleva una escala numérica entre 0 y 500 (para el Valle de Aburrá el
ICA va hasta 300). La principal función del ICA es mantener informada a la población
sobre la calidad del aire en escalas que sean comprensibles [6].
El ICA en Colombia ha sido adoptado de la EPA Agencia de Protección Ambiental
de los Estados Unidos, y el cual en nuestro país mide los siguientes contaminantes:
Monóxido de carbono
Dióxido de azufre
Dióxido de Nitrógeno
Partículas menores a 10 micrómetros
Partículas menores a 2.5 micrómetros
Ozono troposférico
Patio de acopio:
Parte exterior de la mina donde se deposita el mineral para someterlo a la operación
de clasificación, trituración, mezcla y otras [4]. En este sitio además es donde se tiene
considerado hacer la determinación de los volúmenes de explotación usando visión
por computador, ya que ofrece condiciones favorables para la implementación del
módulo.
Internet de las cosas (IoT):
Es un sistema de dispositivos informáticos interrelacionados, máquinas mecánicas y
digitales, objetos, animales o personas a los que se les proporcionan identificadores
únicos (UID) y la capacidad de transferir datos a través de una red sin necesidad de
intervención humana [7]. Se quiere con este trabajo aumentar los conocimientos de
sistemas digitales, más específicamente la filosofía de internet de las cosas y
enfocarlos hacia este conjunto de necesidades.
Sentilo:
Es una plataforma de sensores y actuadores de código abierto basada en la filosofía
de internet de las cosas. Está construido, usado y respaldado por una comunidad
(compañías y ciudades) que piensan que el uso de estándares abiertos y software
libre es el enfoque adecuado para avanzar en el paradigma de ciudades inteligentes
[8].
Características principales de la plataforma
Consola de administración para configurar el sistema y administrar el catálogo de sensores.
Base de datos de memoria, destinada a lograr altas tasas de rendimiento.
Una base de datos no-SQL, para obtener un sistema más flexible y escalable.
Un módulo de estadísticas básicas que registra y muestra los indicadores básicos
de rendimiento de la plataforma.
Visión por computador (medición volúmenes de producción):
La visión artificial es la ciencia que pretende brindar la capacidad a una máquina de
poder ver y sentir visualmente el entorno que lo rodea [9]. Esta área de se ocupa entre
otros aspectos, de la extracción, análisis y comprensión automática de la información
que contiene una imagen.
En este trabajo se desea estimar a partir de la visión por computador la cantidad de
material disponible en los patios de acopio de las minas a cielo abierto, ya que
actualmente el cálculo de volúmenes de producción se realiza midiendo el peso del
material cuando es transportado en camiones que se deben ubicar en la entrada de
la mina, y por medio del peso aproximado del material se calcula el volumen de
producción, posteriormente será un punto de referencia esta medición para el pago
de las regalías del territorio minero.
4. Metodología estación de monitoreo ambiental
4.1. Prototipo de laboratorio - Estación de monitoreo ambiental
A continuación, se presentan las características eléctricas de los sensores utilizados
por la estación de monitoreo ambiental y su correcta forma de uso.
4.1.1. Sensores para medir CO, NO2, SO2 Y O3.
Se seleccionaron para medir las variables de calidad del aire los sensores de la
compañía spec-sensors. La ilustración 1 muestra los diferentes sensores ofrecidos por
la compañía.
Ilustración 1. Sensores para medición de calidad del aire (Spec-Sensors).
Desde el punto de vista electrónico se identificó que estos sensores favorecen el
diseño por tener las siguientes características:
Bajo consumo de potencia.
Son livianos.
Tienen factor de forma reducida.
Son ampliamente utilizado en aplicaciones para monitorear polución del aire
y alarmas de seguridad de monóxido de carbono.
Utilizan una tecnología de detección electroquímica de gases.
Se presentan a continuación en las tablas 1, 2 y 3, algunas características importantes
de los sensores que fueron tenidas en cuenta para el diseño del algoritmo:
Tabla 1. Características de rendimiento de la medición de todos los sensores
considerados.
Gas
Parámetro
CO
O3
NO2
SO2
Rango de medición 0 a 500 ppm 0 a 20 ppm
Límite de detección más bajo 2 ppm < 0.1 ppm 0.3 ppm
Resolución 1 ppm < 0.1 ppm 0.15 ppm
Precisión < 3% del valor leído < ±2% del valor leído
Tiempo de respuesta T901 < 30 segundos
Tiempo de estabilización al
energizar
15 minutos
recomendado
60 minutos
recomendado
Tabla 2. Características eléctricas de todos los sensores considerados.
Parámetro Condiciones Min. Tip. Max. U
Corriente
suministrada
(CO, O3,
NO2, SO2)
V+= 3.0V
5
10
15
μA
Consumo de
potencia
(CO, O3,
NO2, SO2)
V+= 3.0V
15
30
45
μW
Vref (CO, O3) V+/2
V Vref (NO2) V+/2 – 0.1
Vref (SO2) V+/2 + 0.1
1 Es la cantidad de tiempo que le lleva al detector medir el 90% del nivel máximo
analítico.
Vgas Zero
(CO, O3)
V+/2 - 0.005
V+/2 V+/2+0.00
5
V Vgas Zero
(NO2)
(V+/2 - 0.1) -
0.005
(V+/2 -
0.1)
(V+/2 -
0.1) +0.005
Vgas Zero
(SO2)
(V+/2 + 0.1) -
0.005
(V+/2 +
0.1)
(V+/2 +
0.1) +0.005
Vgas
Span(M)
(CO)
Temperatura
ambiente
0.200
0.475
0.750
mV/ppm
Vgas
Span(M) (O3) -15 -30 -45
Vgas
Span(M)
(NO2)
-10
-20
-30
Vgas Span
(M) (SO2) 2.5 3.0 3.5
Tabla 3. Valores máximos absolutos para todos los sensores considerados.
Parámetro Condiciones Min. Rec. Max. Unidades
Voltaje de suministro de
energía
2.7 3 3.3 V
Temperatura de
funcionamiento < 10 horas -40 - 50 °C
Humedad de
funcionamiento
< 10 horas, sin
condensación 0 - 100 %HR
Temperatura de
funcionamiento Continuo -20 25 40 °C
Humedad de
funcionamiento
Continuo, sin
condensación 15 50 95 %HR
Presión de
funcionamiento Continuo 0.8 1 1.2 atm
−9
Protocolo para determinar concentración de gases
La función que describe el comportamiento del sensor ante la presencia del gas
objetivo se muestra en la ilustración 2,
Ilustración 2. Concentración de gas vs. Vgas [10].
y se calcula mediante la siguiente fórmula:
= 1 ∗ ( − ) ,
0
Donde Cx es la concentración de gas (ppm), Vgas es la señal de salida de gas (V),
Vgas0 es la señal de salida de gas en un entorno de aire limpio (libre del gas
analizado) y M es el factor de calibración del sensor (V / ppm). El valor, M se calcula
mediante la siguiente ecuación:
(
) = ó (
) × ( ) × 10 ( )
× 103 (
),
donde el código de sensibilidad se encuentra en la etiqueta del sensor y la ganancia
TIA es la ganancia de la etapa del amplificador de trans-impedancia (TIA) del circuito
ULPSM (Ultra-Low Power Analog Sensor Module for Carbon Monoxide).
El valor de Vgas0 también puede ser representado por: 0 = + ,
donde, Vref es la señal de referencia de salida de tensión (V) y Voffset es un factor
de compensación de tensión. La salida Vref actúa como la tensión de referencia
para la concentración cero incluso cuando la tensión de la batería disminuye. La
medición in situ de Vref compensa las variaciones en la batería o la tensión de
alimentación, lo que minimiza estos efectos en Cx. Se puede usar un amplificador de
diferencia o un amplificador de instrumentación para restar Vref de Vgas.
Alternativamente, al medir Vref directamente, siempre usar un buffer de ganancia
unitaria [10].
Cabe resaltar que el procedimiento y cálculos anteriormente realizados aplica para
todos los sensores de la calidad del aire.
4.1.2. Sensor para medir material particulado PM2.5 Y PM10
El dispositivo seleccionado para medir estas variables fue el sensor Shinyei PPD42NS
(ilustración 3), este proporciona una buena indicación de la calidad del aire en un
entorno sensando la concentración de partículas. Este dispositivo puede
proporcionar datos confiables para sistemas purificadores de aire; es sensible a PM
de diámetro 1μm [11]. Las características eléctricas de este sensor se presentan en la
tabla 4.
Ilustración 3. Sensor de material particulado [11].
Tabla 4. Características de operación sensor material particulado.
Parámetro Valor
Tamaño de partículas
detectables Aproximadamente 1um como mínimo.
Rango de concentración
detectable 0~28,000 pcs/litro (0~8,000pcs/0.01 CF=283ml)
Fuente de voltaje DC 5V±10% (CN1: PIN1=GND, PIN3=+5V)
Temperatura de
funcionamiento 0~45°C
Humedad de
funcionamiento 95% HR o menor (sin condensación)
Consumo de corriente 90mA
Tiempo de estabilización 1 minuto después de encendido
Dimensiones 59 x 45 x 22 mm
Método de salida
Lógica negada, salida digital, estado alto: sobre 4V,
estado bajo: por debajo de 0.7V.
(Impedancia de entrada: 200KΩ) salida OP-Amp,
resistencia de Pull-up: 10 KΩ
Protocolo de comunicación
Este sensor no cuenta partículas individuales, sino la cantidad de tiempo que las
partículas son detectadas por el sensor del fotodiodo. Para determinar la
concentración, se mide el nivel de materia particulada (PM) en el aire al contar el
tiempo de ocupación de pulso en bajo (tiempo de LPO) en la unidad de tiempo
determinada. El tiempo de LPO es proporcional a la concentración de PM [12]. En la
siguiente ilustración se puede ver un ejemplo de funcionamiento del sensor en
presencia de material particulado.
Ilustración 4. Ejemplo de señal obtenida por el sensor en un tiempo de medición de
30 segundos.
4.1.3. Sensor para medir temperatura y humedad relativa.
El dispositivo seleccionado para medir estas variables fue el sensor DHT22 o AM2302
(ilustración 5), este tiene salida de señal digital calibrada. Además, utiliza tecnología
exclusiva de recolección de señal digital y tecnología de detección de humedad,
asegurando su confiabilidad y estabilidad. Sus elementos de detección están
conectados con una computadora de un solo chip de 8 bits [13].
Ilustración 5. Sensor de temperatura y humedad [13].
Se consideró usar este sensor, ya que entre sus parámetros más importantes tiene:
Medición de humedad relativa y temperatura.
Señal digital calibrada.
Bajo consumo de energía.
No requiere componentes extra para su funcionamiento.
Buena estabilidad a largo plazo.
En el aspecto eléctrico tiene las siguientes características.
Tabla 5. Características de operación sensor de temperatura y humedad.
Parámetro Valor
Fuente de voltaje 3.3-6V DC
Señal de salida Señal digital
Elemento de sensado Capacitor de polímero
Rango de operación temperatura -40~80°C
Rango de operación humedad 0-100%HR
Precisión temperatura < ±0.5 °C
Precisión humedad Humedad ±2%HR (máx. ±5%HR)
Resolución o sensibilidad Humedad: 0.1%HR, temperatura: 0.1 °C
Repetibilidad Humedad: ±1%HR, temperatura: ±0.2 °C
Histéresis por humedad ±0.3 %HR
Tiempo de estabilización 1s
Periodo de sensado Promedio: 2s
Dimensiones 22 28 x 5 mm
Protocolo de comunicación
Los datos de bus único se utilizan para la comunicación entre MCU y DHT22, el
intercambio de información se demora 5 ms para comunicación de tiempo único.
Los datos se componen de parte entera y decimal, la siguiente es la fórmula para los
datos.
Datos = dato entero de 8 bits para humedad relativa + dato decimal de 8 bits para
humedad relativa + dato entero de 8 bits para temperatura + dato decimal de 8 bits
para temperatura + check-sum de 8 bits.
Cuando el MCU envía la señal de inicio, DHT22 pasa del modo de bajo consumo de
energía al modo de funcionamiento. Cuando el MCU termine de enviar la señal de
inicio, el DHT22 enviará una señal de respuesta de datos de 40 bits que corresponden
a la humedad relativa, temperatura y check-sum.
Sin señal de inicio del MCU, el DHT22 no dará señal de respuesta [13].
Recomendaciones
La exposición prolongada a luz fuerte y ultravioleta puede degradar el
rendimiento del DHT22.
El sensor DHT22 puede recuperar su estado calibrado después de trabajar en
condiciones de funcionamiento fuera de parametros normales, pero acelerará el
envejecimiento de los sensores el trabajar en condiciones de humedad relativa
más allá de las especificadas por la hoja de datos.
La humedad relativa depende en gran medida de la temperatura, por lo que se
utiliza compensación de temperatura para asegurar una medición precisa de HR.
Cuando se está midiendo es recomendable mantener la temperatura estable
para garantizar confiabilidad de la información.
4.1.4. Sensor para medir presión barométrica
El dispositivo seleccionado para medir esta variable fue el sensor BMP280,
como su predecesor BMP180, este se basa en la probada tecnología de sensor de
presión piezo-resistiva de Bosch que ofrece alta precisión y linealidad, así como
estabilidad a largo plazo y alta robustez de EMC. Numerosas opciones de operación
del dispositivo ofrecen la mayor flexibilidad para optimizar el dispositivo con respecto
al consumo de energía y la resolución [14]. Las principales características de este
dispositivo son:
Tabla 6. Características de operación sensor de presión barométrica.
Parámetro Valor
Fuente de voltaje del sensor 1.71-3.6V
Consumo de corriente 2.7 μA @ 1Hz de frecuencia de
muestreo
Interfaz I2C
Modos de medición P&T, forzada o periódica
Rango de presión 300~1100hPa
Precisión relativa
(700+900hPa @ 25°C)
±0.12hPa, equiv. A ±1m
Precisión absoluta
(950~1050 hPa, 0~40°C)
Tip. ±1hPa
Rango d temperatura -40~85°C
Tiempo de estabilización NA
Tiempo de medición en modo de baja
potencia Tip. 7.5ms, máx. 8.7ms
Tiempo de medición en alta resolución Tip. 29.5ms, máx. 22.5ms
Interfaz de comunicación I2C (Fs=87Hz, en resolución
estándar)
4.2. Herramientas utilizadas
Para la implementación de la estación de monitoreo ambiental se usaron tanto
herramientas de hardware como de software, a continuación, se presenta una
descripción de estas.
4.2.1. Plataforma de desarrollo
Para la implementación de la estación de monitoreo se decide usar el sistema de
FRDM-K64F (ver ilustración 6), una plataforma de desarrollo de bajo costo distribuida
por la compañía NXP que brinda múltiples ventajas, como lo son:
Creación rápida de prototipos con orientación a la filosofía de internet de las
cosas, ya que posee conectividad a la red por medio del puerto Ethernet
integrado.
Ranuras para realizar la adaptación de dispositivos Bluetooth y de radio
frecuencia de 2.4GHz para comunicaciones inalámbricas.
Ofrece opciones para comunicación serial, programación flash y depuración de
control de ejecución por medio del denominado OpenSDAv2.
También, entre las características de esta plataforma se puede destacar:
Posee un microcontrolador MK64FN1M0VLL12 de bajo consumo de potencia, con
una velocidad de procesamiento de 120MHz, memoria flash de 1 MB y 256 KB
RAM.
Acelerómetro y magnetómetro integrados.
Puerto Ethernet.
Ranura para tarjeta de memoria flash SDHC.
Flexibilidad para trabajar en diferentes entornos de desarrollo como MCUXpresso,
uVision IDE, mbed on-line compiler, entre otros.
Ilustración 6. FRDM-K64F [15].
4.2.2. Planeación de pines.
Una vez que se realiza el estudio de los sensores y de tener la plataforma de desarrollo,
se presenta en esta parte la elección de las interfaces de comunicaciones en el
microcontrolador para integrar el sistema completo (ilustración 7).
Ilustración 7. Esquema de conexiones del sistema implementado.
Se destaca de este esquema de conexiones el uso de varias interfaces de
comunicaciones para poder monitorear las variables consideradas en esta fase del
proyecto. En total se usaron 9 puertos que se distribuyeron de la siguiente manera:
Seis puertos asignados a las interfaces seriales (Rx,Tx) para monitorear CO, NO2, O3,
temperatura y humedad relativa.
Un puerto analógico para realizar el monitoreo de SO2.
Dos puertos asignados a la interfaz I2C (SDA, SCL) para monitorear presión
barométrica.
Cabe aclarar que todos los sensores tienen voltaje de polarización positiva de 3.3
VDC.
4.2.3. Entorno de desarrollo
Para implementar los algoritmos en la plataforma, se encontró una amplia variedad
de entornos de desarrollo integrados como: MCUXpresso, uKeil, GNU ARM NetBeans,
QtCreator, entre otros. Para este proyecto se decidió usar ARM Mbed Compiler, ya
que entre sus fortalezas presenta:
Creación de proyectos desde cero de una manera ágil y rápida.
Importación de proyectos existentes, además de facilidad de edición y
depuración.
Documentación y soporte suficiente que permite optimizar el tiempo de
desarrollo.
Amplia variedad de librerías que son generadas y mantenidas por la comunidad
de desarrolladores de MBED.
Luego de desarrollar todo el proyecto, se puede descargar el mismo para
continuar su desarrollo en cualquiera de los entornos de desarrollo anteriormente
mencionados, ya que MBED gestiona todos los archivos necesarios para permitir
la portabilidad para estos.
A continuación, se muestra el procedimiento para generar un programa en este
entorno de desarrollo y como descargarlo en la plataforma para su posterior
ejecución.
Creación cuenta de usuario en MBED.
Se crea un perfil de usuario luego de ingresar a la página (ilustración 8)
https://www.mbed.com/en/.
Ilustración 8. Página de registro e inicio de sesión MBED.
Creación de un nuevo programa.
Una vez que ya se está registrado, se siguen los siguientes pasos.
i. En el menú Nuevo, selecciona Nuevo programa:
ii. Se abre la ventana emergente Crear nuevo programa (ilustración 9).
a. Seleccionar la plataforma a ser usada.
b. Elegir si se crea el proyecto desde una plantilla existente o desde un programa
vacío.
c. Se ingresa el nombre del proyecto.
Ilustración 9. Interfaz para la creación de proyectos.
iii. Crear un archivo main.cpp en el proyecto:
a. Hacer clic derecho en el proyecto y se selecciona Nuevo archivo. Se abre la
ventana emergente Crear nuevo archivo. Si se creó el programa a partir de
una plantilla existente, este archivo ya existe.
Importación de archivos y/o librerías.
En esta parte se presenta como realizar la importación de los archivos que permiten
construir el programa de la estación de monitoreo.
Se da clic derecho sobre el programa, Importar librería-> desde el asistente de
importación (ilustración 10).
Ilustración 10. Procedimiento para importar programas al entorno de desarrollo.
Una vez el asistente abre, se procede a seleccionar el archivo a importar desde
el computador.
Siguiendo este mismo procedimiento, se importan las librerías y demás archivos
necesarios para la posterior compilación, descarga y ejecución del programa al
entorno de desarrollo.
Descarga del programa en la plataforma de desarrollo.
Una vez que se tiene construido el programa, se procede a descargarse en la
plataforma de desarrollo de la siguiente manera.
i. Se selecciona la plataforma (en la ilustración 11 se presenta el entorno gráfico
donde se selecciona la tarjeta donde se descargará el programa):
Ilustración 11. Interfaz para realizar la descarga del programa en la plataforma de
desarrollo.
ii. Se compila el programa de acuerdo a las siguientes opciones:
Compilar: construye el código que ha modificado desde su última compilación y
descarga el archivo binario resultante.
Compilar todo: lo mismo que compilar, pero reconstruye todo el código fuente,
incluso si no ha cambiado desde la última compilación.
Build Only: compila su código, pero no descarga el resultado.
Compilar macros: define macros adicionales en tiempo de compilación.
iii. Por último, se descarga el archivo ejecutable en la placa. Esta debe aparecer en
la computadora como almacenamiento extraíble. Para ejecutar el programa en
la placa, simplemente se arrastra y suelta el archivo binario que se descargó
previamente y se presiona el botón de reset.
4.2.4. Descripción del código
En esta parte del informe, se abordan los aspectos correspondientes a los algoritmos
implementados y las librerías usadas que hicieron posible la puesta a punto de la
estación de monitoreo en esta fase de proyecto.
Librerías usadas.
BMP085: Esta librería fue usada para poder obtener los valores de presión
barométrica medidos por el sensor BMP280.
Mbed-http: Esta librería permite la gestión del puerto Ethernet, además de generar
los paquetes a ser enviados a la plataforma Sentilo vía protocolo http. Para el
correcto uso de la interfaz de red por medio de esta librería se deben seguir los
siguientes pasos:
Creación de un objeto tipo EthernetInterface, realizar la inicialización de
este y verificar que se realizó la conexión a la red local.
Generación de la trama en formato de texto ligero JSON.
Creación de un objeto tipo HttpRequest, el cual debe tener en su
constructor los parámetros: referencia al objeto creado en el primer
paso, tipo de petición (GET, POST, PUT, PATCH o DELETE) y por último la
dirección a la cual se enviarán los datos.
Establecer las cabeceras necesarias para la construcción del paquete
entre las que se debe incluir el token generado por Sentilo.
Siguiendo el procedimiento anterior se procede a enviar el paquete HTTP al Servidor.
Mbed-os: Se requirió esta librería para usar los demás periféricos implementados
como los puertos digitales, analógicos y seriales para sensado y depuración.
Además, brinda su mayor utilidad en la gestión de tareas, ya que se utilizó la librería
Thread para generar hilos.
4.3. Diagrama de flujo del programa principal
En la ilustración 12 se presenta el diagrama de flujo del programa, en este se puede
apreciar que se usa un par de hilos para ejecutar todas las tareas planeadas y que
se explicarán a continuación.
Hilo principal (main): Este es el encargado de inicializar el hilo secundario, creación
objeto de la clase Sentilo y se encarga de invocar las funciones para procesar los
datos provenientes desde las interfaces seriales.
Hilo secundario (time_thread): Este hilo es el encargado de: gestionar las peticiones
a los sensores para obtener las respuestas con las tramas de datos, controlar los
tiempos de muestreo y realizar el llamado a los métodos para la construcción y
envío de las peticiones HTTP al servidor.
Ilustración 12. Diagrama de flujo de ejecución del programa.
clear all, close all, clc
% Set Up the Stereo Camera
obj = videoinput('winvideo',1);
set(obj, 'FramesPerTrigger', 3); %The two first frame are mistakes.
5. Metodología módulo de medición de volumen
El algoritmo para realizar la medición de volumen de material extraído se presenta a
continuación.
5.1. Inicialización
Lo primero que se debe realizar es la conexión de la cámara estéreo y comprobar
que el controlador de MATLAB la reconozca para su correcta operación. Esto se
realizó con el siguiente código.
5.2. Calibración
Para la calibración, el primer paso es tomar una imagen de la escena a ser
reconstruida
Ilustración 13. Imagen para calibración.
cont = 0;
while ~0
start(obj);
Image = getdata(obj); Image
= Image(:,:,:,3);
frameLeft = imcrop(Image,[0 0 1280/2 480-1]);
frameRight = imcrop(Image,[(1280/2)+1 0 1280 480-1]);
imwrite(frameLeft,'Left.jpg'); imwrite(frameRight,'Right.jpg');
[frameLeftRect, frameRightRect] = rectifyStereoImages(frameLeft, frameRight, stereoParams);
frameLeftGray = rgb2gray(frameLeftRect);
frameRightGray = rgb2gray(frameRightRect);
disparityMap = disparity(frameLeftGray, frameRightGray);
points3D = reconstructScene(disparityMap, stereoParams); points3D =
points3D ./ 1000;
ptCloud = pointCloud(points3D, 'Color', frameLeftRect);
y posteriormente a partir de los ejes coordenados se realiza la cota con las tuplas
que encierran el volumen que se quiere reconstruir de una manera aproximada.
5.3. Reconstrucción
El código encargado de la etapa de reconstrucción se presenta a continuación:
Los pasos llevados a cabo para la reconstrucción fueron:
i. Se realiza un bucle infinito para ejecutar el programa permanentemente y tener
los datos actualizados y en tiempo real.
ii. Una vez obtenidas las dos imágenes (derecha e izquierda de la cámara estéreo)
se usa la función rectifyStereoImages, para obtener una versión rectificada y sin
distorsión del par de imágenes capturadas [16].
iii. Teniendo el par de imágenes en escala de grises, se procede a realizar el cálculo
de disparidad por el algoritmo de estimación SemiGlobal [17].
iv. Luego de tener el mapa de disparidad, se procede a realizar una reconstrucción
de la escena por medio de la función reconstructScene.
v. Por último, en esta etapa de reconstrucción, se almacena la matriz de puntos 3D
en un objeto de la clase pointCloud.
En la ilustración 14, se puede apreciar el resultado de la ejecución del algoritmo
en una región de análisis.
function V = cleanMesh(ptCloud , x_lim, y_lim, z_lim)
[nx, ny, nz] = size(ptCloud.Location); X = [];
Y = [];
Z = [];
CX = [];
CY = [];
CZ = [];
x_lim = [-0.05, 0.05];
y_lim = [0.03, 0.15];
z_lim = [0.43, 0.53];
for i = 1 : nx
for j = 1 : ny
if ptCloud.Location(i,j,1) > x_lim(1) && ptCloud.Location(i,j,1) < x_lim(2) &&
ptCloud.Location(i,j,2) > y_lim(1) && ptCloud.Location(i,j,2) < y_lim(2) && ptCloud.Location(i,j,3) >
z_lim(1) && ptCloud.Location(i,j,3) < z_lim(2)
ptCloudA(i,j,:) = ptCloud.Location(i,j,:);
ptCloudC(i,j,:) = ptCloud.Color(i,j,:);
Ilustración 14. (a) volumen reconstruido por el programa, (b) región bajo análisis.
5.4. Medición de volumen
El código encargado de la etapa de medición de volumen se presenta a
continuación:
En esta función, primero se realiza el análisis de la nube de puntos solo en la región
de interés, y posteriormente haciendo uso de la envolvente convexa se procede a
realizar el cálculo del volumen del material que este siendo sensado por la cámara
estéreo.
X = [X ; double(ptCloudA(i,j,1))];
Y = [Y ; double(ptCloudA(i,j,2))];
Z = [Z ; double(ptCloudA(i,j,3))];
CX = [CX ; ptCloudC(i,j,1)];
CY = [CY ; ptCloudC(i,j,2)];
CZ = [CZ ; ptCloudC(i,j,3)];
end
end
end
ptCloudB = pointCloud([X Y Z],'Color',[CX,CY,CZ]);
[TriIdx, V] = convhull(X,Y,Z);
6. Módulo de transmisión de datos a la nube
La motivación de realizar este objetivo, es hacer una administración adecuada de
los datos, esto es, dar la posibilidad al sistema de no solo hacer monitoreo de forma
local, sino, utilizar herramientas web y protocolos de comunicación para migrar toda
la información a la nube y dar acceso de forma remota a los entes fiscalizadores para
que estos ejerzan sus labores de control sobre los títulos mineros.
Por esta razón, y en acuerdo con los líderes del proyecto de fiscalización minera, se
decidió que toda la información recolectada por los módulos debía ser enviada a
Sentilo, y con esto presente, se exploró de forma progresiva y escalada la transmisión
de datos por parte del sistema. Primero se realizó la configuración de la plataforma
de desarrollo de la estación de monitoreo ambiental para que pudiera realizar el
envío de la información al servidor de manera independiente del módulo de
medición de volumen vía Ethernet(sección 7.1) y por último, se diseñó un software en
C/C++(sección 7.2), el cual tenía como fin último adquirir los datos de los múltiples
sensores de los dos módulos vía serial, y posteriormente usando sockets de red
establecer una conexión cliente-servidor con la plataforma de desarrollo IoT Sentilo,
para gestionar todos los datos recolectados.
6.1. Funciones y clases principales implementadas en la FRDM-K64F para el envío
de la información a la plataforma Sentilo
A continuación, se presenta una descripción detallada de la clase Sentilo, que es la
encargada de armar el paquete de datos en formato JSON y hacer el envío de estos
a la plataforma Sentilo realizando una petición HTTP.
La documentación completa y el código del proyecto implementado en la FRDM-
K64K, se encuentra en el repositorio:
https://os.mbed.com/users/jonfer/code/ZZZ_serial_http_sentilo/
6.2. Esquema de intercambio de información del sistema completo
Una vez que se realizaron las pruebas de conectividad del módulo de la calidad del
aire para verificar el envío de datos a Sentilo y que se tuviera en correcto
funcionamiento el módulo de medición de volumen, se procedió a realizar un
software que permitiera almacenar los datos de forma temporal y que
periódicamente(tiempos establecidos por la norma ambiental) hiciera envío a la
nube por medio de una petición HTTP y usando formato JSON, ya que esta forma es
la que permite el Servidor para establecer comunicación bidireccional.
A continuación, se presenta el diagrama de bloques que se implementó para realizar
el intercambio de información entre los módulos realizados.
Ilustración 15. Diagrama de bloques del sistema implementado.
7. Resultados
La realización del trabajo de grado permitió que en la etapa final de desarrollo se
pudieran obtener los prototipos programados desde el planteamiento de la
propuesta, en la elaboración de los prototipos hubo la necesidad de realizar
modificaciones y además gracias al proyecto de fiscalización minera se brindó la
posibilidad de realizar la exposición de la estación de calidad del aire en
Expoingeniería (ilustración 16).
Ilustración 16. Presentación estación calidad del aire en ExpoIngeniería.
A continuación, se presentarán los resultados de cada uno de los módulos propuestos
en el trabajo.
Prototipo de estación de monitoreo ambiental.
En la primera fase de desarrollo de la estación de calidad del aire (ilustración 17), se
definió como resultado tangible poder configurar de forma adecuada el conjunto
de sensores y además realizar un envío permanente del conjunto de datos a la
plataforma Sentilo vía Ethernet, esto con el fin de poder alimentar la base de datos
generada por otro integrante del proyecto de fiscalización minera y posteriormente
realizar un análisis estadístico de los datos históricos obtenidos por la estación.
Ilustración 17. Primera fase de desarrollo del prototipo estación de monitoreo de la
calidad del aire.
Al obtener el comportamiento esperado en la primera fase del proyecto, se pasó a
la segunda fase de desarrollo de la estación, en esta se realizaron la detección y
corrección de errores de programación, además se ajustaron los tiempos de captura
de la información desde los sensores y reporte de la información a la plataforma
Sentilo y como último se realizó la estructura física de la estación ambiental para llevar
al evento de Expoingeniería. La estación ambiental terminada se presenta en la
ilustración 18.
Ilustración 18. Prototipo estación de monitoreo de la calidad del aire.
Prototipo módulo medición de volumen.
En esta parte del proyecto se consideró una sola fase de desarrollo, ya que el
algoritmo se iba depurando a medida que se generaban los errores y con esto se
aceleró el tiempo de creación del código del módulo.
El comportamiento del algoritmo se pudo validar en el aspecto funcional más no
considerando la precisión en la medida, esto es, se desarrolló el módulo siguiendo el
comportamiento del mismo, pero no se llegó a la etapa de calibración y pruebas
reales dadas las condiciones del proyecto de fiscalización minera.
En esta parte, se explica el comportamiento del sistema a lo largo de las etapas de
desarrollo y depuración, y se acotan las condiciones de operación del mismo:
Calibración: Hubo un comportamiento errático del sistema de cámaras cuando
se realizaban pruebas con un tiempo de ejecución prolongado, se presume que
al pasar un tiempo se generaba una fatiga de los componentes físicos del sistema
por calentamiento, ya que se generaba una expulsión de la cámara por parte del
software y se requería reinicializar el programa.
Reconstrucción: En las pruebas de ejecución del algoritmo correspondiente con
esta sección de código, se pudo validar constantemente que la reconstrucción
se realizaba de forma acertada en todo momento, en ocasiones dependiendo
de la altura a la que se ubicaba el objeto a ser reconstruido se generaban
espacios en blanco. Se definió entonces una distancia fija entre el objeto a ser
reconstruido y la ubicación del sistema de cámaras.
Medición de volumen: Con respecto a este componente, se apreciaba una cierta
inestabilidad del cálculo cuando se generaban fallas en la fase de
reconstrucción, ya que el volumen se calcula por medio de la envolvente
convexa.
Como entregable final en este módulo, se realizó la construcción de un prototipo a
escala para simular el comportamiento en un patio de acopio en una mina de
carbón a cielo abierto, la construcción física del prototipo se presenta en la ilustración
19.
Ilustración 19. Sistema de cámara estéreo puesta sobre una grúa para la medición
de volumen de explotación en patio de acopio.
Módulo de comunicaciones.
En la última etapa de ejecución del trabajo de grado, se requería realizar un sistema
de gestión de los datos provenientes desde los módulos de calidad del aire y de
medición de volumen. En la fase uno, se crearon las clases y estructuras de datos que
permitiera obtener las variables sensadas desde la estación de calidad del aire y
enviar los mismos al servidor Sentilo vía comunicación serial.
En la segunda fase de implementación, se declaró una estructura de datos similar a
la que se utilizó en la estación de monitoreo ambiental pero con sus respectivas
variables y configuraciones específicas, y se modificó el paquete JSON para que
soportara la carga de datos de este módulo.
Por último, luego de garantizar una correcta recepción y transmisión de datos desde
y hacia todos los módulos, se diseñó una interfaz gráfica amigable con el usuario y
que le permitiera identificar todo el proceso de monitoreo tanto de calidad del aire
como de cálculo de volumen de material extraído en el patio de acopio, todo esto
en tiempo real. La presentación final de la interfaz gráfica se muestra en la ilustración
20.
Ilustración 20. Interfaz gráfica del software para gestión de los datos.
8. Conclusiones
Dada la carencia de infraestructura tecnológica en algunos territorios mineros con
explotaciones a cielo abierto como por ejemplo Carbones San Fernando, y más
aún, el costo elevado de los equipos para realizar el monitoreo de la calidad del
aire; que además tienen una robustez que en ocasiones excede las
funcionalidades requeridas, el módulo de la calidad del aire se puede pensar
como una alternativa más que viable, ya que tanto la plataforma de desarrollo
(que permite un cierto grado de flexibilidad al poder agregar o quitar sensores de
manera controlada), los sensores (con alto grado de confiabilidad en sus
mediciones y con la precisión en los datos requerida por la autoridad ambiental)
y el entorno de desarrollo (lo suficientemente versátil para disminuir el tiempo de
desarrollo, respecto de otros entornos de trabajo que fueron explorados),
permiten hacer la intervención en estos territorios con un bajo costo y la flexibilidad
suficiente como para personalizar el sistema a la necesidad de cada territorio en
particular.
El territorio minero debe informar el estado real del tonelaje o volumen del material
extraído al estado (entes fiscalizadores), pero en ocasiones, las mediciones por
métodos convencionales suelen ser lo suficientemente imprecisas y generar una
afectación a la estimación real de costos y tasas de extracción. Con esto
presente, el módulo de medición de volumen de material extraído apoya este
proceso de una forma no invasiva y con unas condiciones que a priori no deben
ser diferentes en los patios de acopio que es donde se desea implementar el
sistema en los territorios mineros. Cabe aclarar, que los resultados obtenidos con
minerales como el carbón, pero probado a pequeña escala fueron interesantes y
con un grado de precisión que nos permite ser optimistas, y que posterior a las
pruebas de campo a escala real, se puede determinar la factibilidad de proponer
el sistema para su masificación en los territorios mineros de Antioquia.
Luego de explorar diferentes protocolos de comunicación tanto cableados como
inalámbricos, se determinó que la mejor forma de llevar los datos al servidor que
almacena la información en la nube es por medio de Ethernet, ya que para la
fase de ejecución del proyecto de fiscalización minera se requería generar una
transferencia de datos primero que todo de forma confiable, permanente y
usando paquetes HTTP. También se decide usar este protocolo, ya que en el
entorno de desarrollo Qt Creator, los sockets TCP, UPD y el envío de peticiones HTTP
es menos intrincado y más fácil de depurar.
9. Referencias Bibliográficas
[1] Agencia Nacional de Minería, «Agencia Nacional de Minería,» [En línea].
Disponible: https://www.anm.gov.co/?q=ResultadosFiscalizacionMinera.
[Último acceso: agosto 2018].
[2] Cerrejón, «Indicadores calidad del aire,» [En línea]. Disponible:
https://www.cerrejon.com/index.php/desarrollo-sostenible/medio-
ambiente/calidad-del-aire/. [Último acceso: agosto 2018].
[3] DRUMMOND LTD., «MEDIDAS DE MANEJO IMPLEMENTADAS EN LOS
PROYECTOS MINEROS DE DRUMMOND EN EL CESAR PARA EL MANEJO DE
LA CALIDAD DEL AIRE EN SU ÁREA DE INFLUENCIA,» [En línea]. Disponible:
http://www.drummondltd.com/wp-content/uploads/DtoTecnico-
Calidad-Aire-y-Ruido-Nov13-2.pdf. [Último acceso: agosto 2018].
[4] Ministerio de Minas y Energías, «Glosario Técnico-Minero,». Agosto 2003.
[En línea]. Disponible:
https://www.anm.gov.co/sites/default/files/DocumentosAnm/glosariomin
ero.pdf. [Último acceso: agosto 2018].
[5] Instituto Geográfico Agustín Codazzi, «Ley 1530 de 2012,» 17 mayo 2012.
[En línea]. Disponible:
http://www2.igac.gov.co/igac_web/normograma_files/LEY%201530%20D
E%202012.pdf. [Último acceso: agosto 2018].
[6] Área Metropolitana del Valle de Aburrá, «Calidad del Aire en el Valle de
Aburrá,» [En línea]. Disponible:
http://www.metropol.gov.co/CalidadAire/Paginas/ica.aspx. [Último
acceso: agosto 2018].
[7] TechTarget, «internet of things (IoT),». Junio 2018. [En línea]. Disponible:
https://internetofthingsagenda.techtarget.com/definition/Internet-of-
Things-IoT. [Último acceso: agosto 2018].
[8] Sentilo. “What Is”. [En línea]. Disponible:
http://www.sentilo.io/wordpress/sentilo-about-product/what-is/
[9] The British Machine Vision Association and Society for Pattern
Recognition, «What is computer vision?,» [En línea]. Disponible:
http://www.bmva.org/visionoverview. [Último acceso: agosto 2018].
[10] Spec Sensors, «Ultra-Low Power Analog Sensor Module for Carbon
Monoxide,» [En línea]. Disponible: http://www.spec-sensors.com/wp-
content/uploads/2016/10/ULPSM-CO-968-001.pdf.
[11] Seeed: The IoT Hardware Enabler, «Grove - Dust Sensor,» [En línea].
Disponible: http://wiki.seeedstudio.com/Grove-Dust_Sensor/#jump.
[12] «The Shinyei experiment,» [En línea]. Disponible:
http://aqicn.org/sensor/shinyei/es/.
[13] SparkFun Electronics, «Digital-output relative humidity & temperature
sensor/module,» [En línea]. Disponible:
https://www.sparkfun.com/datasheets/Sensors/Temperature/DHT22.pdf.
[14]
Bosch Sensortec, «BMP280 Barometric Pressure Sensors,» [En línea].
Disponible: https://www.bosch-
sensortec.com/bst/products/all_products/bmp280.
[15] NXP, «FRDM-K64F,» [En línea]. Disponible:
https://www.nxp.com/assets/images/en/dev-board-image/FRDM-K64F-
ANGLE.jpg.
[16] G. Bradski and A. Kaehler, Learning OpenCV : Computer Vision with the
OpenCV Library. Sebastopol, CA: O'Reilly, 2008.
[17] Hirschmuller, H., Accurate and Efficient Stereo Processing by Semi-Global
Matching and Mutual Information, International Conference on Computer
Vision and Pattern Recognition, 2005.
