Identificação automática de defeitos em pastilhas usadas como combustível de centrais nucleares
Main Author: | |
---|---|
Publication Date: | 2010 |
Format: | Master thesis |
Language: | por |
Source: | Repositório Institucional do IEN |
Download full: | http://hdl.handle.net/ien/545 |
Summary: | Este trabalho propôs o desenvolvimento de uma técnica automática de avaliação de defeitos para auxiliar na etapa de fabricação dos elementos combustíveis. Elaborou-se um sistema inteligente de análise de imagens para reconhecimento automático de defeitos em pastilhas de urânio. Para este fim, uma Rede Neural Artificial (RNA) foi treinada com histogramas de imagens de pastilhas, contendo exemplos tanto de pastilhas normais (sem falhas), quanto de pastilhas defeituosas (com os principais defeitos normalmente encontrados). As imagens das pastilhas foram segmentadas em 11 partes. Foram feitos histogramas destes segmentos e treinada a RNA. Além da automatização do processo, o sistema mostrou-se capaz de fazer esta classificação obtendo acerto de 98,33%. Embora este percentual já represente um expressivo avanço no controle de qualidade do processo, a utilização de técnicas mais avançadas de fotografia e iluminação poderá reduzi-lo a níveis desprezíveis com baixíssimo custo. Tecnologicamente, o método desenvolvido, caso venha a ser implementado, agregará substancial valor em termos de qualidade do processo e controle de falhas de produção no que toca a fabricação nacional de combustível nuclear. |
id |
IEN_123f9963380c339d540c8df24c97be1b |
---|---|
oai_identifier_str |
oai:carpedien.ien.gov.br:ien/545 |
network_acronym_str |
IEN |
network_name_str |
Repositório Institucional do IEN |
spelling |
OLIVEIRA, Adriano FortunatoLAPA, Celso Marcelo FranklinPEREIRA, Cláudio Márcio do Nascimento AbreuCUNHA, João Jorge daTRANJAN FILHO, AlfredoMÓL, Antônio Carlos de Abreu2013-12-09T16:18:58Z2013-12-09T16:18:58Z20102010-04Oliveira, Adriano Fortunato. Identificação automática de defeitos em pastilhas usadas como combustível de centrais nucleares. Rio de Janeiro: IEN, 2010. 91p. Dissertação (Mestrado em Engenharia de Reatores)http://hdl.handle.net/ien/545Este trabalho propôs o desenvolvimento de uma técnica automática de avaliação de defeitos para auxiliar na etapa de fabricação dos elementos combustíveis. Elaborou-se um sistema inteligente de análise de imagens para reconhecimento automático de defeitos em pastilhas de urânio. Para este fim, uma Rede Neural Artificial (RNA) foi treinada com histogramas de imagens de pastilhas, contendo exemplos tanto de pastilhas normais (sem falhas), quanto de pastilhas defeituosas (com os principais defeitos normalmente encontrados). As imagens das pastilhas foram segmentadas em 11 partes. Foram feitos histogramas destes segmentos e treinada a RNA. Além da automatização do processo, o sistema mostrou-se capaz de fazer esta classificação obtendo acerto de 98,33%. Embora este percentual já represente um expressivo avanço no controle de qualidade do processo, a utilização de técnicas mais avançadas de fotografia e iluminação poderá reduzi-lo a níveis desprezíveis com baixíssimo custo. Tecnologicamente, o método desenvolvido, caso venha a ser implementado, agregará substancial valor em termos de qualidade do processo e controle de falhas de produção no que toca a fabricação nacional de combustível nuclear.This paper proposed the development of an automatic technique for evaluating defects to help in the stage of fabrications of fuel elements. Was produced an intelligent image analysis for automatic recognition of defects in uranium pellets. Therefore, an Artificial Neural Network (ANN) was trained using segments of histograms of pellets, containing examples of both normal (no fault) and of defectives pellets (with major defects normally found). The images of the pellets were segmented into 11 shares. Histograms were made of these segments and trained the ANN. Besides automating the process, the system was able to obtain this classification accuracy of 98,33%. Although this percentage represents a significant advance ever in the quality control process, the use or more advanced techniques of photography and lighting will reduce it to insignificant levels with low cost. Technologically, the method developed, should it ever be implemented, will add substantial value in terms of process quality control and production outages in relation to domestic manufacturing of nuclear fuel.Submitted by Almir Azevedo (barbio1313@gmail.com) on 2013-12-09T16:18:58Z No. of bitstreams: 1 dissertacao_mestrado_ien_2010_01.pdf: 1498930 bytes, checksum: 4ce6473ee6c1e7a9780480ab714a0307 (MD5)Made available in DSpace on 2013-12-09T16:18:58Z (GMT). No. of bitstreams: 1 dissertacao_mestrado_ien_2010_01.pdf: 1498930 bytes, checksum: 4ce6473ee6c1e7a9780480ab714a0307 (MD5) Previous issue date: 2010pastilhas de urânioImagem digitalredes neurais artificiaisidentificação de defeitosIdentificação automática de defeitos em pastilhas usadas como combustível de centrais nuclearesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisRio de JaneiroInstituto de Engenharia NuclearAcadêmicoporreponame:Repositório Institucional do IENinstname:Instituto de Engenharia Nuclearinstacron:IENinfo:eu-repo/semantics/openAccessORIGINALdissertacao_mestrado_ien_2010_01.pdfdissertacao_mestrado_ien_2010_01.pdfapplication/pdf1498930http://carpedien.ien.gov.br:8080/xmlui/bitstream/ien/545/1/dissertacao_mestrado_ien_2010_01.pdf4ce6473ee6c1e7a9780480ab714a0307MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://carpedien.ien.gov.br:8080/xmlui/bitstream/ien/545/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ien/545oai:carpedien.ien.gov.br:ien/5452015-06-17 11:20:17.147Dspace IENlsales@ien.gov.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 |
dc.title.pt_BR.fl_str_mv |
Identificação automática de defeitos em pastilhas usadas como combustível de centrais nucleares |
title |
Identificação automática de defeitos em pastilhas usadas como combustível de centrais nucleares |
spellingShingle |
Identificação automática de defeitos em pastilhas usadas como combustível de centrais nucleares OLIVEIRA, Adriano Fortunato pastilhas de urânio Imagem digital redes neurais artificiais identificação de defeitos |
title_short |
Identificação automática de defeitos em pastilhas usadas como combustível de centrais nucleares |
title_full |
Identificação automática de defeitos em pastilhas usadas como combustível de centrais nucleares |
title_fullStr |
Identificação automática de defeitos em pastilhas usadas como combustível de centrais nucleares |
title_full_unstemmed |
Identificação automática de defeitos em pastilhas usadas como combustível de centrais nucleares |
title_sort |
Identificação automática de defeitos em pastilhas usadas como combustível de centrais nucleares |
author |
OLIVEIRA, Adriano Fortunato |
author_facet |
OLIVEIRA, Adriano Fortunato |
author_role |
author |
dc.contributor.advisorco.none.fl_str_mv |
LAPA, Celso Marcelo Franklin |
dc.contributor.member.none.fl_str_mv |
PEREIRA, Cláudio Márcio do Nascimento Abreu CUNHA, João Jorge da TRANJAN FILHO, Alfredo |
dc.contributor.author.fl_str_mv |
OLIVEIRA, Adriano Fortunato |
dc.contributor.advisor1.fl_str_mv |
MÓL, Antônio Carlos de Abreu |
contributor_str_mv |
MÓL, Antônio Carlos de Abreu |
dc.subject.other.pt_BR.fl_str_mv |
pastilhas de urânio Imagem digital redes neurais artificiais identificação de defeitos |
topic |
pastilhas de urânio Imagem digital redes neurais artificiais identificação de defeitos |
dc.description.abstract.por.fl_txt_mv |
Este trabalho propôs o desenvolvimento de uma técnica automática de avaliação de defeitos para auxiliar na etapa de fabricação dos elementos combustíveis. Elaborou-se um sistema inteligente de análise de imagens para reconhecimento automático de defeitos em pastilhas de urânio. Para este fim, uma Rede Neural Artificial (RNA) foi treinada com histogramas de imagens de pastilhas, contendo exemplos tanto de pastilhas normais (sem falhas), quanto de pastilhas defeituosas (com os principais defeitos normalmente encontrados). As imagens das pastilhas foram segmentadas em 11 partes. Foram feitos histogramas destes segmentos e treinada a RNA. Além da automatização do processo, o sistema mostrou-se capaz de fazer esta classificação obtendo acerto de 98,33%. Embora este percentual já represente um expressivo avanço no controle de qualidade do processo, a utilização de técnicas mais avançadas de fotografia e iluminação poderá reduzi-lo a níveis desprezíveis com baixíssimo custo. Tecnologicamente, o método desenvolvido, caso venha a ser implementado, agregará substancial valor em termos de qualidade do processo e controle de falhas de produção no que toca a fabricação nacional de combustível nuclear. |
dc.description.abstract.eng.fl_txt_mv |
This paper proposed the development of an automatic technique for evaluating defects to help in the stage of fabrications of fuel elements. Was produced an intelligent image analysis for automatic recognition of defects in uranium pellets. Therefore, an Artificial Neural Network (ANN) was trained using segments of histograms of pellets, containing examples of both normal (no fault) and of defectives pellets (with major defects normally found). The images of the pellets were segmented into 11 shares. Histograms were made of these segments and trained the ANN. Besides automating the process, the system was able to obtain this classification accuracy of 98,33%. Although this percentage represents a significant advance ever in the quality control process, the use or more advanced techniques of photography and lighting will reduce it to insignificant levels with low cost. Technologically, the method developed, should it ever be implemented, will add substantial value in terms of process quality control and production outages in relation to domestic manufacturing of nuclear fuel. |
description |
Este trabalho propôs o desenvolvimento de uma técnica automática de avaliação de defeitos para auxiliar na etapa de fabricação dos elementos combustíveis. Elaborou-se um sistema inteligente de análise de imagens para reconhecimento automático de defeitos em pastilhas de urânio. Para este fim, uma Rede Neural Artificial (RNA) foi treinada com histogramas de imagens de pastilhas, contendo exemplos tanto de pastilhas normais (sem falhas), quanto de pastilhas defeituosas (com os principais defeitos normalmente encontrados). As imagens das pastilhas foram segmentadas em 11 partes. Foram feitos histogramas destes segmentos e treinada a RNA. Além da automatização do processo, o sistema mostrou-se capaz de fazer esta classificação obtendo acerto de 98,33%. Embora este percentual já represente um expressivo avanço no controle de qualidade do processo, a utilização de técnicas mais avançadas de fotografia e iluminação poderá reduzi-lo a níveis desprezíveis com baixíssimo custo. Tecnologicamente, o método desenvolvido, caso venha a ser implementado, agregará substancial valor em termos de qualidade do processo e controle de falhas de produção no que toca a fabricação nacional de combustível nuclear. |
publishDate |
2010 |
dc.date.degree.none.fl_str_mv |
2010-04 |
dc.date.issued.fl_str_mv |
2010 |
dc.date.accessioned.fl_str_mv |
2013-12-09T16:18:58Z |
dc.date.available.fl_str_mv |
2013-12-09T16:18:58Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
status_str |
publishedVersion |
format |
masterThesis |
dc.identifier.citation.fl_str_mv |
Oliveira, Adriano Fortunato. Identificação automática de defeitos em pastilhas usadas como combustível de centrais nucleares. Rio de Janeiro: IEN, 2010. 91p. Dissertação (Mestrado em Engenharia de Reatores) |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/ien/545 |
identifier_str_mv |
Oliveira, Adriano Fortunato. Identificação automática de defeitos em pastilhas usadas como combustível de centrais nucleares. Rio de Janeiro: IEN, 2010. 91p. Dissertação (Mestrado em Engenharia de Reatores) |
url |
http://hdl.handle.net/ien/545 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional do IEN instname:Instituto de Engenharia Nuclear instacron:IEN |
reponame_str |
Repositório Institucional do IEN |
collection |
Repositório Institucional do IEN |
instname_str |
Instituto de Engenharia Nuclear |
instacron_str |
IEN |
institution |
IEN |
bitstream.url.fl_str_mv |
http://carpedien.ien.gov.br:8080/xmlui/bitstream/ien/545/1/dissertacao_mestrado_ien_2010_01.pdf http://carpedien.ien.gov.br:8080/xmlui/bitstream/ien/545/2/license.txt |
bitstream.checksum.fl_str_mv |
4ce6473ee6c1e7a9780480ab714a0307 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Dspace IEN |
repository.mail.fl_str_mv |
lsales@ien.gov.br |
_version_ |
1656026970253688832 |