Um sistema não intrusivo para classificação da severidade e estimativa da profundidade de danos causados por corrosão interna usando a técnica potential drop e mapeamento elétrico com aplicação de algoritmos de aprendizado de máquinas e redes neurais convolucionais

• Ano de defesa: 2020
• Autor(a) principal: Pinto, George Leandro dos Santos
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Tecnologia e Ciências::Faculdade de Engenharia; Brasil; UERJ; Programa de Pós-Graduação em Engenharia Eletrônica
• Palavras-chave em Português: Electronic engineering; Neural networks (Computing); Electric currents; Steel - Corrosion; Finite element method; Engenharia eletrônica; Redes neurais (Computação); Correntes elétricas; Aço - Corrosão; Método dos elementos finitos; ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS
• Link de acesso: http://www.bdtd.uerj.br/handle/1/16952

Este trabalho apresenta um método não intrusivo para obtenção de informações sobre danos causados por corrosão interna em placas de aço inoxidável AISI-304 e classificá-los de acordo com sua severidade. Pela aplicação da técnica Potential Drop é extraído o mapeamento do gradiente de potencial elétrico, que é examinado por estratégias de processamento de imagens como operações para realce de bordas e segmentação. Com o emprego da Modelagem em Elementos Finitos foram realizadas simulações para gerar exemplos de placas danificadas, utilizando quatro classes de defeitos com geometria alveolar. O estágio de processamento de imagens atua como extrator de atributos que ao serem apresentados a diferentes regressores e classificadores possibilitam ser conhecidas a estimativa da profundidade dos danos e a classificação da sua severidade respectivamente. Com o regressor Random Forest foi obtido o erro absoluto médio de 0,0575 mm na estimativa da profundidade dos defeitos. Adicionalmente, com a aplicação de uma Rede Neural Convolucional foi alcançada a acurácia de 94,84% na classificação da gravidade dos danos.