[en] AUTOMATIC IDENTIFICATION OF THE MATURATION DEGREE IN IRON ORE PELLETS

• Ano de defesa: 2013
• Autor(a) principal: KAREN SOARES AUGUSTO
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] ANALISE DE IMAGENS; [pt] CARACTERIZACAO MICROESTRUTURAL; [pt] PELOTAS DE FERRO; [pt] MICROSCOPIA; [en] IMAGE ANALYSIS; [en] MICROSTRUCTURAL CHARACTERIZATION; [en] PELLETS; [en] MICROSCOPY
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=21365&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=21365&idi=2; http://doi.org/10.17771/PUCRio.acad.21365

[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.