Utilização de imagens para a determinação automatizada da qualidade de colagem em painéis compensados

• Autor(a) principal: Almeida, Caio Cesar Faedo de
• Data de Publicação: 2021
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://www.teses.usp.br/teses/disponiveis/11/11150/tde-13122021-103621/
• topic: Eucalyptus urophylla X Eucalyptus grandis; Eucalyptus urophylla X Eucalyptus grandis; Pinus kesiya; Pinus kesiya; Aprendizado profundo; Computer vision; Deep-learning; Fenol-formaldeído; Painéis de madeira; Phenol-formaldehyde; Urea-formaldehyde; Ureia-formaldeído; Visão computacional; Wood-panels

A indústria de painéis compensados apresenta uma grande flexibilidade no ajuste de seus processos produtivos e esta vantagem permite absorver matérias-primas de espécies florestais não-convencionais disponíveis no mercado, mesmo aquelas que não foram originalmente desenvolvidas para seu segmento. Contudo, é necessário verificar se os novos produtos disponibilizados ao consumidor atendem aos requisitos técnicos regulamentados. Dentre as formas de avaliação de compensados destacam-se os ensaios mecânicos da resistência, rigidez e qualidade de colagem. Entretanto, para a qualidade de colagem é solicitada a mensuração visual do percentual de falha na madeira. Esta etapa é subjetiva, morosa, de difícil treinamento e normalmente negligenciada pelas indústrias. Contudo, nas últimas duas décadas o intenso desenvolvimento da ciência de visão computacional permitiu a automatização de inúmeras análises visuais, oferecendo resultados com acurácia e velocidade superior à classificação humana. Na indústria florestal estes sistemas já são utilizados para a classificação qualitativa de tábuas e lâminas, entretanto, ainda não existem sistemas desenvolvidos para a avaliação visual da qualidade de colagem de painéis compensados. O presente trabalho teve por objetivo desenvolver uma metodologia automatizada para a avaliação visual da qualidade de colagem de painéis compensados com acurácia igual ou superior à classificação humana. Para o desenvolvimento do sistema de visão computacional de determinação da qualidade de colagem foram produzidos 32 painéis de cinco lâminas de 2 mm de espessura com duas espécies não-convencionais, o Pinus kesiya (30 anos) e o Eucalyptus grandis X Eucalyptus urophylla (9 anos). O experimento 1 utilizou o adesivo fenol-formaldeído (FF), enquanto o experimento 2 utilizou ureia-formaldeído (UF). Nos experimentos foram utilizadas as gramaturas de 200 e 175 g/m2 e o ciclo de prensagem de 10 minutos para P. kesiya e 11 minutos para E. grandis x E. urophylla. A temperatura de prensagem foi de 150°C para FF, e 130°C para UF. Nos experimentos foram avaliadas a massa específica dos painéis (ME) (ABNT NBR 9.485, 2011), a resistência e rigidez à flexão estática (ABNT NBR 9.533, 2012) em módulo de ruptura (MOR) e o módulo de elasticidade (MOE). A qualidade de colagem foi verificada pelo cisalhamento na linha de cola (ABNT NBR 12.466-1, 2012), pela tensão máxima (Tmax) e percentual de falha na madeira (WF%). A análise dos dados foi realizada pelo teste T de Student (5%) e os resultados foram comparados aos requisitos das normas citadas e do Catálogo Técnico n° 1 da ABIMCI (2002). O experimento 3 desenvolveu um sistema de visão computacional com uso de redes neurais convolucionais (CNN) em que foi utilizado um banco de imagens das amostras de WF% dos experimentos anteriores (n = 4.800). Foram avaliados cinco modelos (Pinus, Eucalyptus, FF, UF e Generalista), para o reconhecimento de cinco classes de qualidade (C1, C2, C3, C4 e C5), adaptado da norma NBR 12.466-1 (ABNT, 2012). Todos os cinco modelos utilizaram 75% das imagens para treinamento e 25% para validação. Como resultados do primeiro experimento, os painéis fenólicos produzidos com lâminas de E. grandis X E. urophylla apresentaram maiores valores para ME e MOE, enquanto para MOR houve equivalência entre os tratamentos avaliados. Para Tmax e WF%, os painéis produzidos com P. kesiya foram superiores nas três condições avaliadas (seco, água fria e ciclo BDB) e apenas o tratamento que utilizou E. grandis X E. urophylla e a gramatura de 200 g/m2 não atingiu os requisitos da norma NBR 12.466 (2012). Para o segundo experimento, foi verificado que em todas as propriedades avaliadas (ME, MOR, MOE, Tmax e WF%) os tratamentos da espécie E. grandis X E. urophylla foram superiores aos tratamentos da espécie P. kesiya. No terceiro experimento os modelos apresentaram acurácia de classificação superior à classificação humana, Pinus (92,46%), Eucalyptus (91,84%), FF (94,96%), UF (60,90%) e generalista (94,36%). Os modelos apresentaram maior acurácia para as classes extremas (C1 e C5) e apenas o modelo UF não foi capaz de classificar imagens da classe C1. Como conclusões, no experimento 1 recomenda-se o uso da gramatura de 175 g/m2 para as duas espécies na produção de compensados fenólicos. Para o experimento 2, todos os tratamentos atenderam aos requisitos normativos para compensados de uso interno. No experimento 3, foi verificado que a utilização de CNNs para a classificação visual da qualidade de colagem de compensados é eficiente e bastante promissora. No entanto, é necessário expandir o banco de imagens para equilibrar o número amostral entre as classes e possibilitar a classificação entre 10 classes como solicita a NBR 12.466 (ABNT, 2012).