XINFORMAÇÕES SOBRE DIREITOS AUTORAIS
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital
Título: DESENVOLVIMENTO DE UMA METODOLOGIA PARA CARACTERIZAÇÃO DE FASES NO PELLET FEED UTILIZANDO MICROSCOPIA DIGITAL E APRENDIZAGEM PROFUNDA Autor: THALITA DIAS PINHEIRO CALDAS
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
SIDNEI PACIORNIK - ORIENTADOR
KAREN SOARES AUGUSTO - COORIENTADOR
Nº do Conteudo: 64711
Catalogação: 09/11/2023 Idioma(s): PORTUGUÊS - BRASIL
Tipo: TEXTO Subtipo: TESE
Natureza: PUBLICAÇÃO ACADÊMICA
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=64711@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=64711@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.64711
Resumo:
Título: DESENVOLVIMENTO DE UMA METODOLOGIA PARA CARACTERIZAÇÃO DE FASES NO PELLET FEED UTILIZANDO MICROSCOPIA DIGITAL E APRENDIZAGEM PROFUNDA Autor: THALITA DIAS PINHEIRO CALDAS
KAREN SOARES AUGUSTO - COORIENTADOR
Nº do Conteudo: 64711
Catalogação: 09/11/2023 Idioma(s): PORTUGUÊS - BRASIL
Tipo: TEXTO Subtipo: TESE
Natureza: PUBLICAÇÃO ACADÊMICA
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=64711@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=64711@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.64711
Resumo:
O minério de ferro é encontrado na natureza como agregado de minerais,
dentre os principais minerais presentes em sua composição estão: hematita,
magnetita, goethita e quartzo. Dada a importância do minério de ferro para a
indústria, há um crescente interesse por sua caracterização com o objetivo de avaliar
a qualidade do material. Com o avanço de pesquisas na área de análise de imagens
e microscopia, rotinas de caracterização foram desenvolvidas utilizando
ferramentas de Microscopia Digital e Processamento e Análise Digital de Imagens
capazes de automatizar grande parte do processo. Porém esbarrava-se em algumas
dificuldades, como por exemplo identificar e classificar as diferentes texturas das
partículas de hematita, as diferentes formas de seus cristais ou discriminar quartzo
e resina em imagens de microscopia ótica de luz refletida. Desta forma, a partir da
necessidade de se construir sistemas capazes de aprender e se adaptar a possíveis
variações das imagens deste material, surgiu a possibilidade de estudar a utilização
de ferramentas de Deep Learning para esta função. Este trabalho propõe o
desenvolvimento de uma nova metodologia de caracterização mineral baseada em
Deep Learning utilizando o algoritmo Mask R-CNN. Através do qual é possível
realizar segmentação de instâncias, ou seja, desenvolver sistemas capazes de
identificar, classificar e segmentar objetos nas imagens. Neste trabalho, foram
desenvolvidos dois modelos: Modelo 1 que realiza segmentação de instâncias para
as classes compacta, porosa, martita e goethita em imagens obtidas em Campo
Claro e o Modelo 2 que utiliza imagens adquiridas em Luz Polarizada
Circularmente para segmentar as classes monocristalina, policristalina e martita.
Para o Modelo 1 foi obtido F1-score em torno de 80 por cento e para o Modelo 2 em torno
de 90 por cento. A partir da segmentação das classes foi possível extrair atributos
importantes de cada partícula, como distribuição de quantidade, medidas de forma,
tamanho e fração de área. Os resultados obtidos foram muito promissores e indicam
que a metodologia desenvolvida pode ser viável para tal caracterização.
Descrição | Arquivo |
NA ÍNTEGRA |