1. Repositório Institucional UFC
2. UFC - Graduação e Tecnólogo - Trabalhos de Conclusão de Curso (TCC)
3. ENGENHARIA DE SOFTWARE - RUSSAS
4. ENGENHARIA DE SOFTWARE - RUSSAS - Monografias

Tipo:	TCC
Título:	Automação da Identificação de C3S na Microscopia do Clínquer
Autor(es):	Padilha, Renê Michel Santana
Orientador:	Paz, Rosineide Fernando da
Palavras-chave:	Clínquer;Aprendizado de Máquina;Automação;Visão computacional;Redes Neurais
Data do documento:	2023
Citação:	PADILHA, Renê Michel Santana.Automação da Identificação de C3S na Microscopia do Clínquer. 2023. 65 f. Trabalho de Conclusão de Curso ( Graduação em Engenharia de Software) - Universidade Federal do Ceará, Campus de Russas, Russas, 2023.
Resumo:	O cimento portland é o nome formal para o material comumente usado na construção civil. O clínquer é o cimento em sua penúltima etapa da produção, nessa fase da produção são comumente utilizadas técnicas para aferir sua qualidade. A análise do clínquer gera informações da qualidade do produto final, assim como do processo de produção. Esta análise pode ser feita por difração de raios X e/ou microscopia, sendo a última a mais utilizada. Mesmo com sua grande importância na produção de cimento, a microscopia é realizada de forma manual, o que pode levar a demora na identificação de problemas no processo produtivo e grande variabilidade nos resultados das análises. Tendo em vista o grande avanço na área de aprendizado de máquinas, é relevante considerar técnicas para automação dessa tarefa. O aprendizado de máquina é um método de análise de dados que automatiza a construção de modelos analíticos capazes de identificar padrões e, com isso, ter condições de otimizar os acertos em tomadas de decisões. Um tipo de algoritmo dentre os mais avançados na área de aprendizado de máquina são as redes neurais artificiais. Estes são modelos computacionais que funcionam de modo similar ao cérebro biológico. Assim, este trabalho tem por objetivo utilizar o algoritmo Mask R-CNN (do inglês Mask Region Convolutional Neural Network) (HE et al., 2017) para a segmentação e classificação de cristais de C3S em imagens microscópicas do clínquer. Uma vez que a forma e a distribuição desses cristais nas imagens fornecem evidências sobre a qualidade do clínquer produzido, a segmentação e classificação dos mesmos irá possibilitar que as análises que dependem de sua forma, tamanho de distribuição sejam automatizadas. Com a Mask R-CNN foi possível atingir resultados satisfatórios, porém, cristais de C3S muito unidos entre si (com uma divisão muito discreta entre os cristais próximos uns dos outros) não foram separados (contabilizados como um só ou não foi identificado pela rede neural). Isso se deve ao fato de grande parte das imagens na base de dados são de qualidade inferior, somado a isso, o especialista em análise de clínquer não esteve presente durante o presente estudo afim de informar o que estava errado ou correto nos resultados de cada treinamento da Mask R-CNN.
URI:	http://www.repositorio.ufc.br/handle/riufc/73626
Aparece nas coleções:	ENGENHARIA DE SOFTWARE - RUSSAS - Monografias

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.