Análise de superfícies metálicas via padrões de speckle
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
Texto Completo: | http://app.uff.br/riuff/handle/1/27105 |
Resumo: | Esta tese foi desenvolvida para analisar superfícies metálicas através da imagem digital dos padrões de speckle. Os padrões de speckle são ferramentas poderosas para revelar informações sobre superfícies, e são facilmente visíveis quando as mesmas são iluminadas por um laser. A imagem gerada pelos padrões de speckle pode ser capturada por uma câmera CCD, obtendo, portanto, uma imagem digital dos padrões de speckle que, geralmente codificada em 8-bits, pode ser tratada como uma matriz. Nesta análise, foram propostos novos parâmetros para investigar as imagens digitais de padrões de speckle, a fim de propor novas formas de detecção de variações de rugosidade, defeitos de amostras em movimento e ainda medir indiretamente a rugosidade de superfícies metálicas em repouso. Os parâmetros propostos são a dimensão fractal, a lacunaridade e o limiar obtido pela segmentação de imagem usando a entropia de Tsallis. Esses parâmetros são oriundos de áreas como a matemática, a computação e a física, e, de forma geral, são utilizados para a caracterização de diferentes propriedades de conjuntos. Investigou-se também o comportamento de alguns desses parâmetros considerando variações de temperatura da superfície analisada. Tal aspecto é relevante, uma vez que, comumente, as medidas de rugosidade em laboratório são feitas à temperatura ambiente, mas o monitoramento in situ pode ser realizado em outra temperatura em uma linha de produção de uma indústria metalúrgica, por exemplo. Nesse estudo evidenciou-se que a lacunaridade é capaz de detectar mudanças de rugosidade em superfícies metálicas em repouso e em movimento. A lacunaridade mostrou-se particularmente sensível à variação de rugosidade da superfície. Mostrou-se também que a dimensão fractal é o parâmetro mais adequado para se monitorar rugosidade quando o controle de temperatura da amostra a ser monitorada não é eficaz. Identificou-se também que o limiar ótimo, obtido pela segmentação por entropia de Tsallis, é capaz de identificar variações de rugosidade de uma peça em movimento, sendo importante para se detectar defeitos em uma linha de produção. Esses resultados, ainda que provas de princípio, sugerem fortemente a concepção de novos processos para medidas de rugosidade e detecção de variação de rugosidade ou defeitos de superfícies metálicas em movimento. |
id |
UFF-2_355dae4a3b9b1951aaecd97995751bcc |
---|---|
oai_identifier_str |
oai:app.uff.br:1/27105 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Análise de superfícies metálicas via padrões de specklePadrões de speckleImagens digitaisSuperfícies metálicasRugosidadeSuperfície metálicaSpeckleProcessamento de imagemEngenharia MetalúrgicaProdução intelectualSpeckle patternsDigital imagesMetallic surfacesRoughnessEsta tese foi desenvolvida para analisar superfícies metálicas através da imagem digital dos padrões de speckle. Os padrões de speckle são ferramentas poderosas para revelar informações sobre superfícies, e são facilmente visíveis quando as mesmas são iluminadas por um laser. A imagem gerada pelos padrões de speckle pode ser capturada por uma câmera CCD, obtendo, portanto, uma imagem digital dos padrões de speckle que, geralmente codificada em 8-bits, pode ser tratada como uma matriz. Nesta análise, foram propostos novos parâmetros para investigar as imagens digitais de padrões de speckle, a fim de propor novas formas de detecção de variações de rugosidade, defeitos de amostras em movimento e ainda medir indiretamente a rugosidade de superfícies metálicas em repouso. Os parâmetros propostos são a dimensão fractal, a lacunaridade e o limiar obtido pela segmentação de imagem usando a entropia de Tsallis. Esses parâmetros são oriundos de áreas como a matemática, a computação e a física, e, de forma geral, são utilizados para a caracterização de diferentes propriedades de conjuntos. Investigou-se também o comportamento de alguns desses parâmetros considerando variações de temperatura da superfície analisada. Tal aspecto é relevante, uma vez que, comumente, as medidas de rugosidade em laboratório são feitas à temperatura ambiente, mas o monitoramento in situ pode ser realizado em outra temperatura em uma linha de produção de uma indústria metalúrgica, por exemplo. Nesse estudo evidenciou-se que a lacunaridade é capaz de detectar mudanças de rugosidade em superfícies metálicas em repouso e em movimento. A lacunaridade mostrou-se particularmente sensível à variação de rugosidade da superfície. Mostrou-se também que a dimensão fractal é o parâmetro mais adequado para se monitorar rugosidade quando o controle de temperatura da amostra a ser monitorada não é eficaz. Identificou-se também que o limiar ótimo, obtido pela segmentação por entropia de Tsallis, é capaz de identificar variações de rugosidade de uma peça em movimento, sendo importante para se detectar defeitos em uma linha de produção. Esses resultados, ainda que provas de princípio, sugerem fortemente a concepção de novos processos para medidas de rugosidade e detecção de variação de rugosidade ou defeitos de superfícies metálicas em movimento.Conselho Nacional de Desenvolvimento Científico e TecnológicoThis work analyzes metallic surfaces via digital images of speckle patterns. Speckle patterns are powerful tools for revealing information about surfaces, especially when they are illuminated by laser. The generated speckle pattern can be captured by a CCD camera, which acquires a digital image that is treated as a matrix. In this analysis, new parameters obtained from the digital images of speckle patterns were investigate in order to propose new ways of detecting variations of roughness, defects in motion and indirectly measure the roughness of resting metallic surfaces. These parameters are the fractal dimension, the lacunarity and the threshold obtained by the Tsalis entropy. They come from areas such as mathematics, computation and physics, and are commonly used for the characterization of different set properties. It was also investigated the behaviour of some of these parameters considering the temperature variations. This aspect is important once the roughness measurements in laboratory are usually at room temperature, but monitor in situ can be performed at another temperature, for example, in a production line of a metallurgical industry. This study showed that lacunarity is capable of detecting changes in roughness on metallic surfaces at rest and in motion. It is particularly sensitive to the surfaces roughness variation. This work has also shown that fractal dimension is the most appropriate parameter for monitoring roughness when the temperature control of the monitored sample is not effective. The optimal threshold, obtained by the entropy segmentation of Tsallis, was identified as a parameter capable of recognize variations of roughness of a moving sample. It is an important result and can be apply in the detection of surfaces defects, in a production line. Although a proof of principle, these results suggest the design of new processes for roughness measurements and detection of variation of roughness or defects of moving metallic surfaces.336 p.Silva, Ladário dahttp://lattes.cnpq.br/3743563498830737Paula, Andersan dos Santoshttp://lattes.cnpq.br/9553552120828724Carvalho, Carlos Vitor de Alencarhttp://lattes.cnpq.br/2158983308518609Assis, Weslley Luiz da Silvahttp://lattes.cnpq.br/8444210181194986Fonseca, Gláucio Soares dahttp://lattes.cnpq.br/9663765935778795http://lattes.cnpq.br/0748131125647504Dias, Marina Ribeiro Barros2022-11-29T16:21:17Z2022-11-29T16:21:17Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfDIAS, Marina Ribeiro Barros. Análise de superfícies metálicas via padrões de speckle. 2019. 336 f. Tese (Doutorado) - Curso de Engenharia Metalúrgica, Programa de Pós-Graduação em Engenharia Metalúrgica, Universidade Federal Fluminense, Volta Redonda, 2019.http://app.uff.br/riuff/handle/1/27105pt_BRporCC-BY-SAinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2022-11-29T16:21:20Zoai:app.uff.br:1/27105Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202022-11-29T16:21:20Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Análise de superfícies metálicas via padrões de speckle |
title |
Análise de superfícies metálicas via padrões de speckle |
spellingShingle |
Análise de superfícies metálicas via padrões de speckle Dias, Marina Ribeiro Barros Padrões de speckle Imagens digitais Superfícies metálicas Rugosidade Superfície metálica Speckle Processamento de imagem Engenharia Metalúrgica Produção intelectual Speckle patterns Digital images Metallic surfaces Roughness |
title_short |
Análise de superfícies metálicas via padrões de speckle |
title_full |
Análise de superfícies metálicas via padrões de speckle |
title_fullStr |
Análise de superfícies metálicas via padrões de speckle |
title_full_unstemmed |
Análise de superfícies metálicas via padrões de speckle |
title_sort |
Análise de superfícies metálicas via padrões de speckle |
author |
Dias, Marina Ribeiro Barros |
author_facet |
Dias, Marina Ribeiro Barros |
author_role |
author |
dc.contributor.none.fl_str_mv |
Silva, Ladário da http://lattes.cnpq.br/3743563498830737 Paula, Andersan dos Santos http://lattes.cnpq.br/9553552120828724 Carvalho, Carlos Vitor de Alencar http://lattes.cnpq.br/2158983308518609 Assis, Weslley Luiz da Silva http://lattes.cnpq.br/8444210181194986 Fonseca, Gláucio Soares da http://lattes.cnpq.br/9663765935778795 http://lattes.cnpq.br/0748131125647504 |
dc.contributor.author.fl_str_mv |
Dias, Marina Ribeiro Barros |
dc.subject.por.fl_str_mv |
Padrões de speckle Imagens digitais Superfícies metálicas Rugosidade Superfície metálica Speckle Processamento de imagem Engenharia Metalúrgica Produção intelectual Speckle patterns Digital images Metallic surfaces Roughness |
topic |
Padrões de speckle Imagens digitais Superfícies metálicas Rugosidade Superfície metálica Speckle Processamento de imagem Engenharia Metalúrgica Produção intelectual Speckle patterns Digital images Metallic surfaces Roughness |
description |
Esta tese foi desenvolvida para analisar superfícies metálicas através da imagem digital dos padrões de speckle. Os padrões de speckle são ferramentas poderosas para revelar informações sobre superfícies, e são facilmente visíveis quando as mesmas são iluminadas por um laser. A imagem gerada pelos padrões de speckle pode ser capturada por uma câmera CCD, obtendo, portanto, uma imagem digital dos padrões de speckle que, geralmente codificada em 8-bits, pode ser tratada como uma matriz. Nesta análise, foram propostos novos parâmetros para investigar as imagens digitais de padrões de speckle, a fim de propor novas formas de detecção de variações de rugosidade, defeitos de amostras em movimento e ainda medir indiretamente a rugosidade de superfícies metálicas em repouso. Os parâmetros propostos são a dimensão fractal, a lacunaridade e o limiar obtido pela segmentação de imagem usando a entropia de Tsallis. Esses parâmetros são oriundos de áreas como a matemática, a computação e a física, e, de forma geral, são utilizados para a caracterização de diferentes propriedades de conjuntos. Investigou-se também o comportamento de alguns desses parâmetros considerando variações de temperatura da superfície analisada. Tal aspecto é relevante, uma vez que, comumente, as medidas de rugosidade em laboratório são feitas à temperatura ambiente, mas o monitoramento in situ pode ser realizado em outra temperatura em uma linha de produção de uma indústria metalúrgica, por exemplo. Nesse estudo evidenciou-se que a lacunaridade é capaz de detectar mudanças de rugosidade em superfícies metálicas em repouso e em movimento. A lacunaridade mostrou-se particularmente sensível à variação de rugosidade da superfície. Mostrou-se também que a dimensão fractal é o parâmetro mais adequado para se monitorar rugosidade quando o controle de temperatura da amostra a ser monitorada não é eficaz. Identificou-se também que o limiar ótimo, obtido pela segmentação por entropia de Tsallis, é capaz de identificar variações de rugosidade de uma peça em movimento, sendo importante para se detectar defeitos em uma linha de produção. Esses resultados, ainda que provas de princípio, sugerem fortemente a concepção de novos processos para medidas de rugosidade e detecção de variação de rugosidade ou defeitos de superfícies metálicas em movimento. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-11-29T16:21:17Z 2022-11-29T16:21:17Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
DIAS, Marina Ribeiro Barros. Análise de superfícies metálicas via padrões de speckle. 2019. 336 f. Tese (Doutorado) - Curso de Engenharia Metalúrgica, Programa de Pós-Graduação em Engenharia Metalúrgica, Universidade Federal Fluminense, Volta Redonda, 2019. http://app.uff.br/riuff/handle/1/27105 |
identifier_str_mv |
DIAS, Marina Ribeiro Barros. Análise de superfícies metálicas via padrões de speckle. 2019. 336 f. Tese (Doutorado) - Curso de Engenharia Metalúrgica, Programa de Pós-Graduação em Engenharia Metalúrgica, Universidade Federal Fluminense, Volta Redonda, 2019. |
url |
http://app.uff.br/riuff/handle/1/27105 |
dc.language.iso.fl_str_mv |
pt_BR por |
language_invalid_str_mv |
pt_BR |
language |
por |
dc.rights.driver.fl_str_mv |
CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1807838756601856000 |