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

[pt] IDENTIFICAÇÃO AUTOMÁTICA DO GRAU DE MATURAÇÃO DE PELOTAS DE MINÉRIO DE FERRO

[pt] KAREN SOARES AUGUSTO

[pt] ANALISE DE IMAGENS

[pt] CARACTERIZACAO MICROESTRUTURAL

[pt] PELOTAS DE FERRO

[pt] MICROSCOPIA

[en] IMAGE ANALYSIS

[en] MICROSTRUCTURAL CHARACTERIZATION

[en] PELLETS

[en] MICROSCOPY

[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.

[en] The present work aims to develop an automatic system to identify the maturation degree of iron ore pellets, involving techniques of microscopy and digital image processing. Iron ore pellets, as well as sinter and lump ore, are the basic iron-bearing burden used in ironmaking. In one of the steps of their production, the pellets acquire different microstructural characteristics, the socalled Maturation Degree, which influences directly in the reduction processes. Thus, microstructural characterization is an important step in quality control of the material. The microstructure evolution of pellets for blast furnaces was divided into four classes: A, B, C and D. Attributes that describe intrinsic characteristics of each class were extracted from optical microscope images and were used to train an automatic classifier. Three dimensionality reduction techniques were tested to optimize the classification system: exhaustive search, Principal Component Analysis and Fisher’s Linear Discriminant Analysis. Three types of classifiers were tested (Quadrático, Mahalanobis and Linear). The highest global success rate was above 90 per cent. This indicates that this methodology is effective for automatic classification of the Maturation Degree in blast furnace pellets.

SIDNEI PACIORNIK

OTAVIO DA FONSECA MARTINS GOMES

GUILHERME LUCIO ABELHA MOTA

SIDNEI PACIORNIK

OTAVIO DA FONSECA MARTINS GOMES

REINER NEUMANN

2013-03-25

2012-08-09

[pt] TEXTO

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=21365@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=21365@2

https://doi.org/10.17771/PUCRio.acad.21365