Classificação de agregados de rochas ígneas quanto a sua alteração por meio de processamento digital de imagens

• Ano de defesa: 2021
• Autor(a) principal: Kohler, Rogério Kraft
• Orientador(a): Senger, Luciano José
• Banca de defesa: Campos Jr., Arion de , Ishii, Renato Porfírio
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual de Ponta Grossa
• Programa de Pós-Graduação: Programa de Pós Graduação Computação Aplicada
• Departamento: Departamento de Informática
• País: Brasil
• Palavras-chave em Português: análise de textura; mineração de dados; agregados minerais; classificação; texture analysis; data mining; mineral aggregate; classification
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: http://tede2.uepg.br/jspui/handle/prefix/3486

A construção de estradas de qualidade depende da escolha de material que ofereça resistência, durabilidade e segurança, descritas em normas próprias da engenharia civil. O agregado mineral é, comumente, utilizado em larga escala nas obras de pavimentação e, naturalmente, pode sofrer alteração em sua estrutura física-química devido ao intemperismo. Tal alteração no agregado, quando usado em obras de pavimentação, pode reduzir a qualidade e durabilidade. O objetivo do presente estudo foi investigar o uso de Processamento digital de imagem na classificação de agregados de rochas ígneas levando em conta o grau de alteração, e assim destiná-las da forma mais correta para uso em construção de pavimentos asfálticos. O material investigado foi o basalto e o granito. O uso de ferramentas de análise de textura como a escala em tons de cinza, a frequência dos canais Red, Green, Blue, a Entropia, Local binary patterns, Local binary patterns Uniform e Matriz de co-ocorrência foram investigados. Os classificadores utilizados foram o K-Nearest Neighboors, Multi-layer Perceptron, Árvore de decisão, Naive Bayes e Random forest. Os resultados foram submetidos à analise estatísticas por meio de teste de Friedman e Nemenyi para verificar diferenças estatísticas. Concluiu-se que os descritores de textura são promissores para classificação quanto ao grau de alteração dos agregados, apresentando resultados de 100% de acerto, em alguns casos, para ambos os tipos de agregados. Os descritores de textura LBP, LBPU, GLCM apresentaram resultados promissores para experimentos com amostras de imagens sem ruído, enquanto as frequências dos canais RGB e a escala dos tons de cinza mostraram bom desempenho nos experimentos com imagens completas. Os algoritmos KNN e Random forest se mostraram eficazes na tarefa de classificação. Observou-se, ainda, resultados promissores quando granito e basalto são combinados e quando se utiliza amostras do agregado ou a imagem completa.