Classificaçâo automatica do tipo de ferro fundido utilizando reconhecimento de padrões em imagens de microscopia
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Outros Autores: | , , , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Matéria (Rio de Janeiro. Online) |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1517-70762017000300410 |
Resumo: | RESUMO Os ferros fundidos possuem uma microestrutura, na qual, o formato da grafita presente tem direta influencia na classificação entre os diversos tipos deste material. A classificação é feita, tradicionalmente, a partir da análise visual realizada por um especialista através do auxilio de um microscópio ótico. O presente trabalho propõe a utilização da Inteligência Computacional Aplicada em conjunto com extratores de informações em imagens de metalografía. A finalidade é auxiliar profissionais da área das Ciências dos Materiais na classificação de ferros fundidos de maneira automática e reduzir o tempo de classificação, restringindo o máximo possivel as falhas presentes durante a classificação. Foram realizadas duas etapas para a análise. Na primeira foram consideradas as grafitas separadamente. Em uma segunda etapa, a imagem completa foi analisada considerando todas as grafitas extraídas da mesma, em que o tipo de objeto com maior incidencia na análise seria o reconhecimento adotado para toda a amostra. Em ambas as etapas o classificador Support Vector Machine obteve os melhores resultados no reconhecimento do tipo de ferro fundido, com resultados próximos a 100%, e com redução média do tempo de classificação em 92%. Tanto os resultados como o tempo das classificações são comparados com a análise do especialista, como também aos resultados obtidos em classificações do ferro fundido que utilizam uma abordagem com redes neurais e uma classificação supervisionada utilizando apenas os descritores de forma. A partir dos resultados apresentados, conclui-se que a abordagem é promissora podendo incorporar softwares comerciais para auxiliar especialistas da área. |
id |
RLAM-1_4d5fd71759f2c4acfba698f99e1a231d |
---|---|
oai_identifier_str |
oai:scielo:S1517-70762017000300410 |
network_acronym_str |
RLAM-1 |
network_name_str |
Matéria (Rio de Janeiro. Online) |
repository_id_str |
|
spelling |
Classificaçâo automatica do tipo de ferro fundido utilizando reconhecimento de padrões em imagens de microscopiaFerro fundidoProcessamento Digital de ImagensReconhecimento de PadrõesInteligência Computacional AplicadaRESUMO Os ferros fundidos possuem uma microestrutura, na qual, o formato da grafita presente tem direta influencia na classificação entre os diversos tipos deste material. A classificação é feita, tradicionalmente, a partir da análise visual realizada por um especialista através do auxilio de um microscópio ótico. O presente trabalho propõe a utilização da Inteligência Computacional Aplicada em conjunto com extratores de informações em imagens de metalografía. A finalidade é auxiliar profissionais da área das Ciências dos Materiais na classificação de ferros fundidos de maneira automática e reduzir o tempo de classificação, restringindo o máximo possivel as falhas presentes durante a classificação. Foram realizadas duas etapas para a análise. Na primeira foram consideradas as grafitas separadamente. Em uma segunda etapa, a imagem completa foi analisada considerando todas as grafitas extraídas da mesma, em que o tipo de objeto com maior incidencia na análise seria o reconhecimento adotado para toda a amostra. Em ambas as etapas o classificador Support Vector Machine obteve os melhores resultados no reconhecimento do tipo de ferro fundido, com resultados próximos a 100%, e com redução média do tempo de classificação em 92%. Tanto os resultados como o tempo das classificações são comparados com a análise do especialista, como também aos resultados obtidos em classificações do ferro fundido que utilizam uma abordagem com redes neurais e uma classificação supervisionada utilizando apenas os descritores de forma. A partir dos resultados apresentados, conclui-se que a abordagem é promissora podendo incorporar softwares comerciais para auxiliar especialistas da área.Laboratório de Hidrogênio, Coppe - Universidade Federal do Rio de Janeiroem cooperação com a Associação Brasileira do Hidrogênio, ABH22017-01-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S1517-70762017000300410Matéria (Rio de Janeiro) v.22 n.3 2017reponame:Matéria (Rio de Janeiro. Online)instname:Matéria (Rio de Janeiro. Online)instacron:RLAM10.1590/s1517-707620170003.0194info:eu-repo/semantics/openAccessRodrigues,Douglas de AraújoSantos,Gesilane Pereira dosFernandes,Marcelo CorreiaSantos,José Ciro dosFreitas,Francisco Nélio CostaRebouças Filho,Pedro Pedrosapor2017-08-07T00:00:00Zoai:scielo:S1517-70762017000300410Revistahttp://www.materia.coppe.ufrj.br/https://old.scielo.br/oai/scielo-oai.php||materia@labh2.coppe.ufrj.br1517-70761517-7076opendoar:2017-08-07T00:00Matéria (Rio de Janeiro. Online) - Matéria (Rio de Janeiro. Online)false |
dc.title.none.fl_str_mv |
Classificaçâo automatica do tipo de ferro fundido utilizando reconhecimento de padrões em imagens de microscopia |
title |
Classificaçâo automatica do tipo de ferro fundido utilizando reconhecimento de padrões em imagens de microscopia |
spellingShingle |
Classificaçâo automatica do tipo de ferro fundido utilizando reconhecimento de padrões em imagens de microscopia Rodrigues,Douglas de Araújo Ferro fundido Processamento Digital de Imagens Reconhecimento de Padrões Inteligência Computacional Aplicada |
title_short |
Classificaçâo automatica do tipo de ferro fundido utilizando reconhecimento de padrões em imagens de microscopia |
title_full |
Classificaçâo automatica do tipo de ferro fundido utilizando reconhecimento de padrões em imagens de microscopia |
title_fullStr |
Classificaçâo automatica do tipo de ferro fundido utilizando reconhecimento de padrões em imagens de microscopia |
title_full_unstemmed |
Classificaçâo automatica do tipo de ferro fundido utilizando reconhecimento de padrões em imagens de microscopia |
title_sort |
Classificaçâo automatica do tipo de ferro fundido utilizando reconhecimento de padrões em imagens de microscopia |
author |
Rodrigues,Douglas de Araújo |
author_facet |
Rodrigues,Douglas de Araújo Santos,Gesilane Pereira dos Fernandes,Marcelo Correia Santos,José Ciro dos Freitas,Francisco Nélio Costa Rebouças Filho,Pedro Pedrosa |
author_role |
author |
author2 |
Santos,Gesilane Pereira dos Fernandes,Marcelo Correia Santos,José Ciro dos Freitas,Francisco Nélio Costa Rebouças Filho,Pedro Pedrosa |
author2_role |
author author author author author |
dc.contributor.author.fl_str_mv |
Rodrigues,Douglas de Araújo Santos,Gesilane Pereira dos Fernandes,Marcelo Correia Santos,José Ciro dos Freitas,Francisco Nélio Costa Rebouças Filho,Pedro Pedrosa |
dc.subject.por.fl_str_mv |
Ferro fundido Processamento Digital de Imagens Reconhecimento de Padrões Inteligência Computacional Aplicada |
topic |
Ferro fundido Processamento Digital de Imagens Reconhecimento de Padrões Inteligência Computacional Aplicada |
description |
RESUMO Os ferros fundidos possuem uma microestrutura, na qual, o formato da grafita presente tem direta influencia na classificação entre os diversos tipos deste material. A classificação é feita, tradicionalmente, a partir da análise visual realizada por um especialista através do auxilio de um microscópio ótico. O presente trabalho propõe a utilização da Inteligência Computacional Aplicada em conjunto com extratores de informações em imagens de metalografía. A finalidade é auxiliar profissionais da área das Ciências dos Materiais na classificação de ferros fundidos de maneira automática e reduzir o tempo de classificação, restringindo o máximo possivel as falhas presentes durante a classificação. Foram realizadas duas etapas para a análise. Na primeira foram consideradas as grafitas separadamente. Em uma segunda etapa, a imagem completa foi analisada considerando todas as grafitas extraídas da mesma, em que o tipo de objeto com maior incidencia na análise seria o reconhecimento adotado para toda a amostra. Em ambas as etapas o classificador Support Vector Machine obteve os melhores resultados no reconhecimento do tipo de ferro fundido, com resultados próximos a 100%, e com redução média do tempo de classificação em 92%. Tanto os resultados como o tempo das classificações são comparados com a análise do especialista, como também aos resultados obtidos em classificações do ferro fundido que utilizam uma abordagem com redes neurais e uma classificação supervisionada utilizando apenas os descritores de forma. A partir dos resultados apresentados, conclui-se que a abordagem é promissora podendo incorporar softwares comerciais para auxiliar especialistas da área. |
publishDate |
2017 |
dc.date.none.fl_str_mv |
2017-01-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1517-70762017000300410 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1517-70762017000300410 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.1590/s1517-707620170003.0194 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Laboratório de Hidrogênio, Coppe - Universidade Federal do Rio de Janeiro em cooperação com a Associação Brasileira do Hidrogênio, ABH2 |
publisher.none.fl_str_mv |
Laboratório de Hidrogênio, Coppe - Universidade Federal do Rio de Janeiro em cooperação com a Associação Brasileira do Hidrogênio, ABH2 |
dc.source.none.fl_str_mv |
Matéria (Rio de Janeiro) v.22 n.3 2017 reponame:Matéria (Rio de Janeiro. Online) instname:Matéria (Rio de Janeiro. Online) instacron:RLAM |
instname_str |
Matéria (Rio de Janeiro. Online) |
instacron_str |
RLAM |
institution |
RLAM |
reponame_str |
Matéria (Rio de Janeiro. Online) |
collection |
Matéria (Rio de Janeiro. Online) |
repository.name.fl_str_mv |
Matéria (Rio de Janeiro. Online) - Matéria (Rio de Janeiro. Online) |
repository.mail.fl_str_mv |
||materia@labh2.coppe.ufrj.br |
_version_ |
1752126689792491520 |