Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/26640
Title in Portuguese: Aplicações de processamento digital de imagens no estudo da microestrutura de materiais
Title: Applications of digital image processing on the study of the material microestructure
Author: Moya Mera, María Victoria
Advisor(s): Paula Júnior, Iális Cavalcante de
Keywords: Metalografia
Aços
Compósito
Orientação de fibras
Issue Date: Aug-2017
Citation: MERA MOYA, M. V.
Abstract in Portuguese: Estudar a microestrutura de um material pode se tornar uma tarefa ampla e confusa devido à grande quantidade de materiais existentes e à similaridade que eles apresentam entre si. Normalmente esta análise é visual e é realizada por especialistas da área; alguns softwares permitem automatizar o processo, mas o custo de aquisição da licença é alto e precisa de equipamentos especializados para obter imagens adequadas. As informações resultantes das análises metalográficas podem servir para predizer características mecânicas do material assim como o tempo de vida e seu comportamento frente a diversas situações. O presente trabalho nasce por requerimento do grupo GiMat da Universidade Politécnica Salesiana de Cuenca - Equador dedicado a gerar novos materiais e alternativas de análises, visando as áreas acadêmica e industrial. Sendo assim, o trabalho é dividido em duas partes, na primeira parte são estudadas imagens metalográficas para a identificação de aços e a segunda parte consiste na determinação de propriedades geométricas e tensores de orientação de imagens de biocompósitos. Com as imagens metalográficas propõe-se estabelecer um método automático e eficaz que possibilite aos estudantes de engenharia identificar o tipo de aço e comprovar os efeitos de um tratamento aplicado sobre esse material, substituindo os métodos tradicionais de análises; e na indústria, contribuir na inspeção in situ dos componentes de uma máquina ou estrutura sem alterar seu estado. Para isso, foram utilizados os cinco tipos mais comuns de aço para construção de máquinas e ferramentas: AISI 4340, AISI O1, AISI D6, AISI O1 (retificado) e AISI 1018. As imagens adotadas foram subdivididas e assumiu-se as técnicas de filtros de textura de Laws com características de Haralick, assim como descritores Wavelet para formar os atributos de classificação. Os melhores resultados foram obtidos com a aplicação da Máquina de Aprendizado Extremo e o Perceptron Multicamadas, com uma taxa de acerto superior a 90%, o que evidencia a efetividade do procedimento proposto. Na segunda parte, o objetivo é obter as características geométricas das fibras de um material composto e os tensores de orientação dele. Para isso foram utilizadas imagens do composto PP-GAK (polipropileno com Guadua Angustifolia Kunth) a 30% de concentração em peso. A técnica utilizada para obter os descritores geométricos é o método das elipses. Inicialmente são utilizadas imagens padrão com informação previamente conhecida para avaliar o desempenho da proposta e posteriormente com imagens do composto são obtidos os tensores de orientação. Os resultados são comparados com uma análise feita com o software Stream Essential R, estabelecendo assim a taxa de similaridade dos dados obtidos. O aspecto mais importante avaliado é a componente a11 da matriz de tensores com taxa de similaridade de 98%. Finalmente são apresentadas alternativas de melhora para este tipo de análise de imagens, automatizando o processo de estudo dos pesquisadores.
Abstract: Studying the material microstructure can become a broad and confusing task due to the large amount of existing materials and the similarity they present to each other. Usually, the analysis is carried out by experts who uses visual inspection; some softwares allow the automation of the process, however the cost of acquiring the license is high and it is required the use of specialized equipment to get high quality images. The information provided by the metallographic analysis can be used to predict the mechanical characteristics of the material, including the life time and its behavior at different environments. The present work started as a requirement of the GiMat research group of the Politecnica Salesiana University located in Cuenca-Ecuador, GiMat is a research group working on the generation of new materials and analysis alternatives, with a vision not only in the academic area but also in the industrial area. In this way, the present work is divided into two parts. In the first part, metallographic images are analyzed for the identification of the corresponding steel type and in the second part the geometrical properties and orientation tensors of biocomposites images are determined. Obtaining metallographic images, it is proposed to develop an automatic and efficient method which allows engineering students to identify the type of steel and verify the effects of the use of thermal treatments on the material by replacing traditional analysis methods and industrial-oriented. This project will contribute to the on-site inspection of machine parts or structures without altering its state. For this purpose, five of the most common types of steel for machine and tool fabrication were used, such as: AISI 4340, AISI 01, AISI D6, AISI 01 (rectified) and AISI 1018. First of all, the images to be used are subdivided, secondly, Laws's texture filters and Haralick's extraction features as well as Wavelet descriptors are applied to obtain the classification attributes. It was verified, that the best results are obtained with ELM and MLP, with a success rate higher than 90%, which evidences the effectiveness of the proposed procedure. In the second part, the aim is to obtain the geometrical characteristics of the composite material fibers and its orientation tensors. For this purpose, images of the compound PP-GAK (polypropylene with Guadua Angustifolia Kunth) at 30% of concentration by weight are used. In order to obtain the geometric characteristics, the ellipses method is used. Initially, standard images with known information are used to evaluate the performance of the proposed technique, obtaining a systematic error of 0.3% for A11. Subsequently, the orientation tensors of the images are calculated. These results are compared with an analysis obtained from Stream Essential software, the comparison shows a similarity rate of the data obtained. The most important aspect evaluated is the A11 component of the tensor matrix which shows a similarity percentage of 98%. Finally, alternative analysis for this type of images are presented considering the automation and optimization of the process for the new researchers.
Description: Mera Moya, M. V. Aplicações de processamento digital de imagens no estuda da micro estrutura de materiais. 2017. 84 f. Dissertação (Mestrado em Engenharia Elétrica e da Computação) - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2017.
URI: http://www.repositorio.ufc.br/handle/riufc/26640
Appears in Collections:PPGEEC - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2017_dis_mvmmoya.pdf3,23 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.