[pt] O presente trabalho visa o desenvolvimento de um sistema automático de
identificação do Grau de Maturação de pelotas de minério de ferro, envolvendo
técnicas de microscopia digital e processamento e análise digital de imagens. As
pelotas de minério de ferro, juntamente com o sínter e o minério granulado,
constituem uma das matérias-primas básicas no processo de produção do ferro
primário. Numa das etapas de sua produção, as pelotas adquirem diferentes
características microestruturais, os chamados Graus de Maturação, que
influenciam diretamente seu comportamento nos processos de redução. Sendo
assim, a caracterização microestrutural constitui-se em uma importante etapa de
controle de qualidade do material. A evolução da microestrutura de pelotas
específicas para altos-fornos foi dividida em quatro classes: A, B, C e D. A partir
das micrografias obtidas por microscópio ótico, foram extraídos atributos capazes
de descrever características intrínsecas de cada classe (ou Grau de Maturação),
posteriormente utilizados para treinar um classificador automático. Para tentativas
de otimização do processo, foram utilizadas 3 técnicas para redução de
dimensionalidade (Busca exaustiva do conjunto com a melhor taxa de acerto,
Análise de Componentes Principais e Análise Discriminante Linear de Fisher), e
testados 3 tipos de classificadores (Quadrático, Mahalanobis e Linear). A maior
taxa de acerto global obtida foi acima de 90 por cento. Este resultado indica que a
metodologia desenvolvida mostrou-se efetiva para a classificação automática do
Grau de Maturação de pelotas de minério de ferro de alto-forno. / [en] The present work aims to develop an automatic system to identify the
maturation degree of iron ore pellets, involving techniques of microscopy and
digital image processing. Iron ore pellets, as well as sinter and lump ore, are the
basic iron-bearing burden used in ironmaking. In one of the steps of their
production, the pellets acquire different microstructural characteristics, the socalled
Maturation Degree, which influences directly in the reduction processes.
Thus, microstructural characterization is an important step in quality control of the
material. The microstructure evolution of pellets for blast furnaces was divided
into four classes: A, B, C and D. Attributes that describe intrinsic characteristics
of each class were extracted from optical microscope images and were used to
train an automatic classifier. Three dimensionality reduction techniques were
tested to optimize the classification system: exhaustive search, Principal
Component Analysis and Fisher’s Linear Discriminant Analysis. Three types of
classifiers were tested (Quadrático, Mahalanobis and Linear). The highest global
success rate was above 90 per cent. This indicates that this methodology is effective for
automatic classification of the Maturation Degree in blast furnace pellets.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:21365 |
| Date | 25 March 2013 |
| Creators | KAREN SOARES AUGUSTO |
| Contributors | SIDNEI PACIORNIK |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0019 seconds