Classificaçâo automatica do tipo de ferro fundido utilizando reconhecimento de padrões em imagens de microscopia

• Published in: Matéria Vol. 22; no. 3
• Main Authors: Rodrigues, Douglas de Araújo, Santos, Gesilane Pereira dos, Fernandes, Marcelo Correia, Santos, José Ciro dos, Freitas, Francisco Nélio Costa, Rebouças Filho, Pedro Pedrosa
• Format: Journal Article
• Language: English
• Published: 10.08.2017
• ISSN: 1517-7076; 1517-7076
• DOI: 10.1590/s1517-707620170003.0194

RESUMO Os ferros fundidos possuem uma microestrutura, na qual, o formato da grafita presente tem direta influencia na classificação entre os diversos tipos deste material. A classificação é feita, tradicionalmente, a partir da análise visual realizada por um especialista através do auxilio de um microscópio ótico. O presente trabalho propõe a utilização da Inteligência Computacional Aplicada em conjunto com extratores de informações em imagens de metalografía. A finalidade é auxiliar profissionais da área das Ciências dos Materiais na classificação de ferros fundidos de maneira automática e reduzir o tempo de classificação, restringindo o máximo possivel as falhas presentes durante a classificação. Foram realizadas duas etapas para a análise. Na primeira foram consideradas as grafitas separadamente. Em uma segunda etapa, a imagem completa foi analisada considerando todas as grafitas extraídas da mesma, em que o tipo de objeto com maior incidencia na análise seria o reconhecimento adotado para toda a amostra. Em ambas as etapas o classificador Support Vector Machine obteve os melhores resultados no reconhecimento do tipo de ferro fundido, com resultados próximos a 100%, e com redução média do tempo de classificação em 92%. Tanto os resultados como o tempo das classificações são comparados com a análise do especialista, como também aos resultados obtidos em classificações do ferro fundido que utilizam uma abordagem com redes neurais e uma classificação supervisionada utilizando apenas os descritores de forma. A partir dos resultados apresentados, conclui-se que a abordagem é promissora podendo incorporar softwares comerciais para auxiliar especialistas da área. ABSTRACT The cast iron has a microstructure in which the shape of the contained graphite has direct influence in the classification between the several types of this material. The classification is usually made through a visual analysis performed by a specialist using an optical microscope. This work proposes the use of Applied Computational Intelligence in conjunction with extractors of information in metallographic images. The purpose is to assist professionals in the field of Materials Science in the classification of cast iron automatically and reduce the time for classification, restricting as much as possible the faults presented during classification. Two steps were performed for the analysis. In the first one we considered the graphites separately. In a second step, we analyzed the complete image considering all the graphite extracted from it, in which the type of object with greater incidence in the analysis would be the recognition adopted for the whole sample. In both steps, the classifier Support Vector Machine obtained the best results in the recognition of the type of cast iron, with results close to 100%, with a mean reduction of the classification time by 92%. Both the results and the time of the classifications are compared with the specialist's analysis, as well as the results obtained in cast iron classifications that use a neural network approach and a supervised classification using only the shape descriptors. From the results presented, we concluded that the approach is promising and can incorporate commercial software to assist specialists in the field.