Estimando teores de ferro em minérios : uma investigação com métodos de aprendizado de máquina e imagens hiperespectrais.

Detalhes bibliográficos
Autor(a) principal: Viana, Arthur Oliveira
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFOP
Texto Completo: http://www.repositorio.ufop.br/handle/123456789/12725
Resumo: Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.
id UFOP_dcf37908635367d8d8ca3afd8ee9b45f
oai_identifier_str oai:localhost:123456789/12725
network_acronym_str UFOP
network_name_str Repositório Institucional da UFOP
repository_id_str 3233
spelling Viana, Arthur OliveiraTorres, Vidal Félix NavarroSilveira Junior, Luiz Gonzaga daSouza Júnior, Paulo Antônio dePessin, GustavoPabón, Rosa Elvira Correa2020-09-15T19:00:30Z2020-09-15T19:00:30Z2020VIANA, Arthur Oliveira. Estimando teores de ferro em minérios: uma investigação com métodos de aprendizado de máquina e imagens hiperespectrais. 66 f. 2020. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2020.http://www.repositorio.ufop.br/handle/123456789/12725Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.Processos de beneficiamento mineral como prospecção, pesquisa, lavra e beneficiamento mineral podem ganhar com processos mais ágeis de caracterização dos minérios. A caracterização, feita por métodos tradicionais em laboratório, é muito precisa, mas em geral apresenta deficiência de tempo. A análise de imagens hiperespectrais pode trazer resultados mais rápidos do que a análise tradicional em laboratório, entretanto, a precisão da caracterização ainda é um desafio a ser investigado. Estas dificuldades têm relação com fatores ambientais como iluminação e umidade, fatores amostrais como tamanho e homogeneidade dos grãos, e fatores de modelagem, como escolha de bandas espectrais, resolução de imagens e tipos de modelos para caracterização. Considerando os desafios citados, esta pesquisa objetivou responder questões relacionadas aos fatores de modelagem e, portanto, investigamos métodos de aprendizado de máquina para estimar o teor de ferro em amostras de minérios de ferro com base em comprimentos de onda de imagens hiperespectrais na região do Visible and near infrared (VNIR) entre 400 e 1000 nm; realizamos uma seleção dos atributos mais relevantes para o modelo e validamos os resultados com o uso de métricas de avaliação estatísticas. O desempenho dos modelos manifestou resultados constantes, que apresentam baixa variância e dispersão e com precisão de estimação dos teores de ferro acima de 90% utilizando Random Forests (RF) e Multilayer Perceptrons (MLP).Mineral processing processes such as mineral exploration activities can gain from more agile processes for characterizing ores. The characterization, carried out by traditional methods in the laboratory, is very accurate, but in general it is time deficient. The analysis of hyperspectral images can bring faster results than traditional laboratory analysis, however, the accuracy of the characterization is still a challenge to be investigated. These difficulties are related to environmental factors such as lighting and humidity, sample factors such as grain size and homogeneity, and modeling factors, such as choice of spectral bands, resolution of images and types of models for characterization. Considering the challenges mentioned, this research aimed to answer questions related to the modeling factors and therefore, we investigated machine learning methods to estimate the iron content in iron ore samples based on wavelengths of hyperspectral images in the Visible and near infrared region (VNIR) between 400 and 1000 nm; most relevant attributes for the model and we validate the results with the use of statistical evaluation metrics. The performance of the models showed constant results, which present low variance and dispersion and with iron dosage estimation accuracy above 90% using Random Forests (RF) and Multilayer Perceptrons (MLP).Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 31/08/2020 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite a adaptação.info:eu-repo/semantics/openAccessAprendizado do computadorMinas e recursos minerais - caracterização mineralImagem hiperespectralEstimando teores de ferro em minérios : uma investigação com métodos de aprendizado de máquina e imagens hiperespectrais.Estimating iron content in ores : an investigation with machine learning methods and hyperspectral images.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFOPinstname:Universidade Federal de Ouro Preto (UFOP)instacron:UFOPLICENSElicense.txtlicense.txttext/plain; charset=utf-8924http://www.repositorio.ufop.br/bitstream/123456789/12725/5/license.txt62604f8d955274beb56c80ce1ee5dcaeMD55CC-LICENSElicense_urllicense_urltext/plain; charset=utf-846http://www.repositorio.ufop.br/bitstream/123456789/12725/2/license_url587cd8ffae15c8598ed3c46d248a3f38MD52license_textlicense_texttext/html; charset=utf-80http://www.repositorio.ufop.br/bitstream/123456789/12725/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-80http://www.repositorio.ufop.br/bitstream/123456789/12725/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54ORIGINALDISSERTAÇÃO_EstimandoTeoresFerro.pdfDISSERTAÇÃO_EstimandoTeoresFerro.pdfapplication/pdf5398639http://www.repositorio.ufop.br/bitstream/123456789/12725/1/DISSERTA%c3%87%c3%83O_EstimandoTeoresFerro.pdf7ffcc3f86329c279c45c6c5126089f7bMD51123456789/127252020-09-15 15:00:30.765oai:localhost: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ório InstitucionalPUBhttp://www.repositorio.ufop.br/oai/requestrepositorio@ufop.edu.bropendoar:32332020-09-15T19:00:30Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)false
dc.title.pt_BR.fl_str_mv Estimando teores de ferro em minérios : uma investigação com métodos de aprendizado de máquina e imagens hiperespectrais.
dc.title.alternative.pt_BR.fl_str_mv Estimating iron content in ores : an investigation with machine learning methods and hyperspectral images.
title Estimando teores de ferro em minérios : uma investigação com métodos de aprendizado de máquina e imagens hiperespectrais.
spellingShingle Estimando teores de ferro em minérios : uma investigação com métodos de aprendizado de máquina e imagens hiperespectrais.
Viana, Arthur Oliveira
Aprendizado do computador
Minas e recursos minerais - caracterização mineral
Imagem hiperespectral
title_short Estimando teores de ferro em minérios : uma investigação com métodos de aprendizado de máquina e imagens hiperespectrais.
title_full Estimando teores de ferro em minérios : uma investigação com métodos de aprendizado de máquina e imagens hiperespectrais.
title_fullStr Estimando teores de ferro em minérios : uma investigação com métodos de aprendizado de máquina e imagens hiperespectrais.
title_full_unstemmed Estimando teores de ferro em minérios : uma investigação com métodos de aprendizado de máquina e imagens hiperespectrais.
title_sort Estimando teores de ferro em minérios : uma investigação com métodos de aprendizado de máquina e imagens hiperespectrais.
author Viana, Arthur Oliveira
author_facet Viana, Arthur Oliveira
author_role author
dc.contributor.referee.pt_BR.fl_str_mv Torres, Vidal Félix Navarro
Silveira Junior, Luiz Gonzaga da
Souza Júnior, Paulo Antônio de
dc.contributor.author.fl_str_mv Viana, Arthur Oliveira
dc.contributor.advisor1.fl_str_mv Pessin, Gustavo
Pabón, Rosa Elvira Correa
contributor_str_mv Pessin, Gustavo
Pabón, Rosa Elvira Correa
dc.subject.por.fl_str_mv Aprendizado do computador
Minas e recursos minerais - caracterização mineral
Imagem hiperespectral
topic Aprendizado do computador
Minas e recursos minerais - caracterização mineral
Imagem hiperespectral
description Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.
publishDate 2020
dc.date.accessioned.fl_str_mv 2020-09-15T19:00:30Z
dc.date.available.fl_str_mv 2020-09-15T19:00:30Z
dc.date.issued.fl_str_mv 2020
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv VIANA, Arthur Oliveira. Estimando teores de ferro em minérios: uma investigação com métodos de aprendizado de máquina e imagens hiperespectrais. 66 f. 2020. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2020.
dc.identifier.uri.fl_str_mv http://www.repositorio.ufop.br/handle/123456789/12725
identifier_str_mv VIANA, Arthur Oliveira. Estimando teores de ferro em minérios: uma investigação com métodos de aprendizado de máquina e imagens hiperespectrais. 66 f. 2020. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2020.
url http://www.repositorio.ufop.br/handle/123456789/12725
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 da UFOP
instname:Universidade Federal de Ouro Preto (UFOP)
instacron:UFOP
instname_str Universidade Federal de Ouro Preto (UFOP)
instacron_str UFOP
institution UFOP
reponame_str Repositório Institucional da UFOP
collection Repositório Institucional da UFOP
bitstream.url.fl_str_mv http://www.repositorio.ufop.br/bitstream/123456789/12725/5/license.txt
http://www.repositorio.ufop.br/bitstream/123456789/12725/2/license_url
http://www.repositorio.ufop.br/bitstream/123456789/12725/3/license_text
http://www.repositorio.ufop.br/bitstream/123456789/12725/4/license_rdf
http://www.repositorio.ufop.br/bitstream/123456789/12725/1/DISSERTA%c3%87%c3%83O_EstimandoTeoresFerro.pdf
bitstream.checksum.fl_str_mv 62604f8d955274beb56c80ce1ee5dcae
587cd8ffae15c8598ed3c46d248a3f38
d41d8cd98f00b204e9800998ecf8427e
d41d8cd98f00b204e9800998ecf8427e
7ffcc3f86329c279c45c6c5126089f7b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)
repository.mail.fl_str_mv repositorio@ufop.edu.br
_version_ 1801685761679949824

Registros relacionados