Automação da Identificação de C3S na Microscopia do Clínquer

Padilha, Renê Michel Santana

Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/73626

Registro completo de metadados

Campo DC	Valor	Idioma
dc.contributor.advisor	Paz, Rosineide Fernando da	-
dc.contributor.author	Padilha, Renê Michel Santana	-
dc.date.accessioned	2023-07-20T12:05:33Z	-
dc.date.available	2023-07-20T12:05:33Z	-
dc.date.issued	2023	-
dc.identifier.citation	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.	pt_BR
dc.identifier.uri	http://www.repositorio.ufc.br/handle/riufc/73626	-
dc.language.iso	pt_BR	pt_BR
dc.subject	Clínquer	pt_BR
dc.subject	Aprendizado de Máquina	pt_BR
dc.subject	Automação	pt_BR
dc.subject	Visão computacional	pt_BR
dc.subject	Redes Neurais	pt_BR
dc.title	Automação da Identificação de C3S na Microscopia do Clínquer	pt_BR
dc.type	TCC	pt_BR
dc.description.abstract-ptbr	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.	pt_BR
Aparece nas coleções:	ENGENHARIA DE SOFTWARE - RUSSAS - Monografias

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
2023_tcc_rpadilha 02.pdf		4,18 MB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Visualizar estatísticas