[pt] Uma das características mais relevantes nos aglomerados de minério de ferro é a sua porosidade, que impacta fortemente no desempenho desses materiais nos processos siderúrgicos. O desempenho é diretamente dependente da existência de uma rede porosa que permite o fluxo de gases pelo interior desses aglomerados sem comprometer sua integridade física. Neste trabalho, amostras de diferentes tipos de aglomerados de minério de ferro foram caracterizadas com o auxílio de técnicas de microtomografia computadorizada de raios X (microCT), processamento digital de imagens e modelagem de rede de poros (PNM). Com isso, a influência da microestrutura desses aglomerados na variação da sua porosidade e permeabilidade foi avaliada. O uso de microCT permitiu uma visualização 3D da estrutura dos aglomerados, permitindo realizar uma análise da estrutura interna das amostras para a discriminação do espaço poroso. O pixel size ideal foi estipulado por meio de diversas capturas com resoluções diferentes. A PNM foi utilizada para realizar a simulação da permeabilidade absoluta das amostras, correlacionando com a porosidade, conectividade dos poros e diâmetro de poros e conexões. Foi realizada uma variação de mais ou menos 5 tons de cinza nos limiares de segmentação para estipular a sensibilidade do impacto desse parâmetro nos resultados da modelagem. Os dois aglomerados apresentaram porosidade parecida, em torno de 20 por cento. Os resultados para piores resoluções apresentaram uma inconsistência, em muitos casos não possuindo sequer permeabilidade. As imagens adquiridas com um tamanho de voxel de 2 micrômetros resultaram em cálculos consistentes de permeabilidade, em torno de 0,4 a 2,4 mD para os briquetes e 0,03 a 1,6 mD para as pelotas, sugerindo que os briquetes são levemente mais permeáveis. A variação do limiar de segmentação dos poros teve forte impacto nos resultados das modelagens, influenciando diretamente no valor do cálculo da permeabilidade absoluta. / [en] One of the most relevant features of iron ore agglomerates is their porosity, which strongly impacts the performance of these materials in steelmaking processes. Performance is directly dependent on the existence of a porous network that allows gas flow through the interior of these agglomerates without compromising their physical integrity. This study characterized samples of different iron ore agglomerates using X-ray microcomputed tomography (microCT), digital image processing, and pore network modeling (PNM). The influence of the microstructure of these agglomerates on the variation of their porosity and permeability was evaluated. MicroCT enabled a 3D visualization of the agglomerate structure, allowing for an analysis of the internal structure of the samples to discriminate the porous space. The ideal pixel size was determined through various captures at different resolutions. PNM was used to simulate the absolute permeability of the samples, correlating it with porosity, pore connectivity, and pore and connection diameter. A variation of more or less 5 gray tones in the segmentation thresholds was performed to determine the sensitivity of this parameter s impact on the modeling results. The two agglomerates had similar porosity of around 20 percent. The results for lower resolutions showed inconsistency, with many cases lacking permeability altogether. Images acquired with a pixel size of 2 micrometers resulted in consistent permeability calculations, ranging from 0.4 to 2.4 mD for briquettes and 0.03 to 1.6 mD for pellets, indicating that briquettes are slightly more permeable. The variation of pore segmentation threshold had a strong impact on the modeling results, directly influencing the value of the absolute permeability calculation.

[pt] As jazidas mundiais de minérios de ferro tendem ao empobrecimento dos teores de ferro, aumento das gangas (sílica, alumina, fósforo, etc.) e maiores ocorrências de minérios hidratados. Esta mudança vem gerando um esforço no sentido de aprimorar as técnicas de extração e beneficiamento. O fósforo é um contaminante que em certos teores provoca a fragilização dos aços, sendo, portanto, restritivo ao aproveitamento de importantes jazidas minerais, principalmente as ricas em minérios de origens intempéricas ou supergênicas. Vários trabalhos foram e estão sendo conduzidos visando desenvolver tecnologias capazes de reduzir o teor de P durante o processo de beneficiamento. Porém, até o momento não têm mostrado viabilidade econômica, face à escala de produção e a efeitos danosos ao ambiente. No caso da Samarco, os minérios foram gerados principalmente por processos de enriquecimento supergênico, nos quais é comum a presença de considerável goethita, que é apontada como principal mineral portador do fósforo. O objetivo deste trabalho foi, de forma original, a formulação de uma pelota para redução direta de forma que o fósforo se encontrasse fluxado em fases escorificadas. Essas fases, produzidas através de um adequado ciclo térmico de endurecimento e com composição química otimizada, resultaria em pelotas onde este elemento se mantivesse estável, tanto na produção do DRI quanto na fusão e refino oxidante deste no FEA. Para tanto foram realizados, além de uma ampla revisão bibliográfica, concebido um procedimento analítico original para quantificação apenas do fósforo liberado; planejado experimentos para: a avaliação cinética da migração deste fósforo em pellet feed, nas pelotas e no DRI quando submetido a diferentes aportes térmicos e auto-fluxagens; analise da influência das variáveis do processo de endurecimento sobre a liberação do fósforo e sua escorificação; e comprovação da estabilidade das fases escorificadas durante a redução, em escala de laboratório, e durante a fusão e refino conduzido em um FEA semi-industrial. Os resultados obtidos mostraram ser viável a produção de pelotas para redução direta com o fósforo auto-fluxado em fases estáveis. / [en] Actually the iron ore deposits in the world have the tendency to decrease the iron content, increasing the gangue (silica, alumina, phosphorus, etc.) and to further occurrence of hydrated ores. This change demands improvements in concentration processing techniques for feasible mining operations. The phosphorus is a contaminant that, in some contents, causes the embrittlement of steels, been, wherefore, a limitative to the use of important ore deposits, mostly regarding the weathered iron ores or supergene origins. Several studies were and have been conducted aiming to develop technologies capable of decreasing the P content during the beneficiation process. However, until now, the economic viability of such studies has not been feasible, considering the production scale and the harmful effects to the environment. In Samarco’s case, the mine geological formation is mostly supergene, which is responsible for the presence of the goethite ores, pointed as the main phosphorus carrier. The main point of this work was, with an innovating approach, formulate a new type of pellet addressed to direct reduction processes in a manner that the P could be fluxed into the slag phases. These phases, produced through an adequate thermal cycle of induration and with an optimized chemical composition, resulted in pellets with stable slags containing, as well as in the produced DRI and in the melted bath generated during the primary refining performed in the EAF. For this purpose, it was done, further to a wide bibliographic review, an original analytical procedure to quantify the released phosphorus and a series of planned experiments, such as: the kinetic evaluation of the phosphorus migration from the mineral phases of the pellet feed when subjected to different thermal treatments; analysis of the induration process variables which could affect the phosphorus release and its fluxing into the slag ; Finally, the stability of the fluxing phases during the reduction in a laboratory scale and the melting and refining process in a semi-industrial EAF, were performed. The obtained results showed the feasibility of this new approach produce DR pellets with self-fluxed phosphorus trapped in stable phases.

[pt] O processo de formação de pelotas de minério de ferro consiste na preparação das matérias-primas, formação da pelota crua e endurecimento por meio da queima. O produto final deve ser um material poroso que permita a difusão de gases no forno de redução e que, simultaneamente, resista a compressão, característica relevante durante o transporte e no carregamento do forno. No entanto, durante o tratamento térmico e o transporte podem surgir trincas que comprometem a integridade das pelotas. A discriminação de poros e trincas é, portanto, um importante fator para a análise microestrutural e controle de qualidade do material. A microtomografia de raios-x é uma técnica não destrutiva que gera imagens tridimensionais, o que permite uma visualização completa da pelota. No entanto, a metodologia usual de processamento digital de imagens, baseada em extração de atributos de tamanho e forma, apresenta limitações para discriminar poros de trincas. Redes Neurais Deep Learning são uma alternativa poderosa para classificar tipos de objetos em imagens, utilizando como entrada as intensidades dos pixels e atributos automaticamente determinados pela rede. Após treinar um modelo com os padrões correspondente a cada classe, é possível atribuir cada pixel da imagem a uma das classes presentes, permitindo uma segmentação semântica. Nesta dissertação, otimizou-se uma rede Deep Learning com arquitetura U-Net, usando como conjunto de treinamento poucas camadas 2D da imagem 3D original. Aplicando o modelo à pelota utilizada no treinamento foi possível discriminar poros de trincas de forma adequada. A aplicação do modelo a outras pelotas exigiu a incorporação de camadas destas pelotas ao treinamento e otimização de parâmetros do modelo. Os resultados apresentaram classificação adequada, apesar de apresentar dificuldades de criar um modelo geral para discriminação entre poros e trincas em pelotas de minério de ferro. / [en] The iron ore pellet forming process consists of preparing the raw materials, forming the raw pellet and hardening by firing. The end product must be a porous material which allows gas to diffuse in the blast furnace and at the same time resists compression, which is a relevant feature during transport and loading of the furnace. However, during heat treatment and transport cracks may appear that compromise the integrity of the pellets. The discrimination of pores and cracks is therefore an important factor for microstructural analysis and material quality control. X-ray microtomography is a non-destructive technique that generates three-dimensional images, allowing a full view of the pellet. However, the usual methodology of digital image processing, based on extraction of size and shape attributes, has limitations to discriminate crack from pores. Deep Learning Neural Networks are a powerful alternative to classifying object types in images, using as input the pixel intensities and attributes automatically determined by the network. After training a model with the patterns corresponding to each class, it is possible to assign each pixel of the image to one of the classes present, allowing a semantic segmentation. In this dissertation, a Deep Learning network with U-Net architecture was optimized, using as a training set a few 2D layers of the original 3D image. Applying the model to the pellet used in training it was possible to discriminate cracks pores properly. Application of the model to other pellets required the incorporation of layers of these pellets into the training and optimization of model parameters. The results were adequately classified, despite the difficulty of creating a general model for discrimination between pores and cracks in iron ore pellets.

[pt] O minério de ferro é encontrado na natureza como agregado de minerais, dentre os principais minerais presentes em sua composição estão: hematita, magnetita, goethita e quartzo. Dada a importância do minério de ferro para a indústria, há um crescente interesse por sua caracterização com o objetivo de avaliar a qualidade do material. Com o avanço de pesquisas na área de análise de imagens e microscopia, rotinas de caracterização foram desenvolvidas utilizando ferramentas de Microscopia Digital e Processamento e Análise Digital de Imagens capazes de automatizar grande parte do processo. Porém esbarrava-se em algumas dificuldades, como por exemplo identificar e classificar as diferentes texturas das partículas de hematita, as diferentes formas de seus cristais ou discriminar quartzo e resina em imagens de microscopia ótica de luz refletida. Desta forma, a partir da necessidade de se construir sistemas capazes de aprender e se adaptar a possíveis variações das imagens deste material, surgiu a possibilidade de estudar a utilização de ferramentas de Deep Learning para esta função. Este trabalho propõe o desenvolvimento de uma nova metodologia de caracterização mineral baseada em Deep Learning utilizando o algoritmo Mask R-CNN. Através do qual é possível realizar segmentação de instâncias, ou seja, desenvolver sistemas capazes de identificar, classificar e segmentar objetos nas imagens. Neste trabalho, foram desenvolvidos dois modelos: Modelo 1 que realiza segmentação de instâncias para as classes compacta, porosa, martita e goethita em imagens obtidas em Campo Claro e o Modelo 2 que utiliza imagens adquiridas em Luz Polarizada Circularmente para segmentar as classes monocristalina, policristalina e martita. Para o Modelo 1 foi obtido F1-score em torno de 80 por cento e para o Modelo 2 em torno de 90 por cento. A partir da segmentação das classes foi possível extrair atributos importantes de cada partícula, como distribuição de quantidade, medidas de forma, tamanho e fração de área. Os resultados obtidos foram muito promissores e indicam que a metodologia desenvolvida pode ser viável para tal caracterização. / [en] Iron ore is found in nature as an aggregate of minerals. Among the main minerals in its composition are hematite, magnetite, goethite, and quartz. Given the importance of iron ore for the industry, there is a growing interest in its characterization to assess the material s quality. With the advancement of image analysis and microscopy research, characterization routines were developed using Digital Microscopy and Digital Image Processing and Analysis tools capable of automating a large part of the process. However, it encountered some difficulties, such as identifying and classifying the different textures of hematite particles, the different shapes of its crystals, or discriminating between quartz and resin in optical microscopy images of reflected light. Therefore, from the need to build systems capable of learning and adapting to possible variations of the images of this material, the possibility of studying the use of Deep Learning tools for this function arose. This work proposes developing a new mineral characterization methodology based on Deep Learning using the Mask R-CNN algorithm. Through this, it is possible to perform instance segmentation, that is, to develop systems capable of identifying, classifying, and segmenting objects in images. In this work, two models were developed: Model 1 performs segmentation of instances for the compact, porous, martite, and goethite classes in images obtained in Bright Field, and Model 2 uses images acquired in Circularly Polarized Light to segment the classes monocrystalline, polycrystalline and martite. For Model 1, F1-score was obtained around 80 percent, and for Model 2, around 90 percent. From the class segmentation, it was possible to extract important attributes of each particle, such as quantity distribution, shape measurements, size, and area fraction. The obtained results were very promising and indicated that the developed methodology could be viable for such characterization.

[pt] O presente trabalho apresenta possíveis incertezas envolvendo o comércio exterior brasileiro, devido aos questionamentos levantados por alguns representantes da União Europeia, em especial o presidente francês Emmanuel Macron, por conta dos dados sobre o desmatamento na Amazônia e a produção de soja em locais irregulares. Os questionamentos europeus foram respondidos pelo governo brasileiro, que se mostrou contrário às informações divulgadas por números oficiais. Dessa forma, o impasse foi criado e uma série de acusações foram trocadas entre os lados, em meio a essas, parte dos governantes dos países europeus começaram a se mostrar contrários à compra de produtos agrícolas brasileiros e o acordo com o bloco Mercosul, sendo acompanhados por partes do setor civil de seus países. Entretanto, apenas o discurso sobre a diminuição da compra dos produtos e até mesmo o impacto sobre futuros acordos comerciais entre as partes, não necessariamente irá impactar efetivamente o comércio brasileiro com a UE. Este trabalho foca no estudo desses impactos, se eles já estão presentes, se já se encontram em implementação ou se realmente não passa de um discurso vazio por parte dos membros da UE. / [en] This paper presents possible uncertainty regarding the Brazilian foreign trade, due to questions brought up by European Union representatives, especially the French president Emmanuel Macron, on account of the official data regarding the Amazon s deforestation and soybeans productions in irregular regions. The European doubts were answered by the Brazilian authorities, who presented themselves against the publicized data. The outcome was a deadlock with accusations by both sides, where the European representatives started to feel uneased regarding their purchases of Brazilian commodities and the accord between European Union and Mercosur, this point of view was followed by part of their national public. However, just discoursing about decreasing purchases and stopping the agreement process is not necessarily the way to negative impact the commerce between Brazil and the EU. The paper focus on studying these impacts, if they are already in progress, in implementation or if the discourse is just a smoke screen with empty promises by the EU representatives.