Avaliação do desempenho de classificadores em metalografia quantitativa
AUTOR(ES)
Sarruf, Bernardo Jordão Moreira, Cidade, Rafael de Azevedo, Braga, Vitor Py, Santana, Gregório Jório
FONTE
Matéria (Rio J.)
DATA DE PUBLICAÇÃO
2015-06
RESUMO
As técnicas convencionais para aplicação da metalografia quantitativa têm sido cada vez mais substituídas por processos digitais devido à crescente necessidade de ganho de velocidade nas análises industriais e o processamento de imagens tem então ocupado um lugar importante nesse campo da metalurgia. Este trabalho teve como objetivo a implementação e avaliação de técnicas de inteligência e visão computacional na resolução de problemas de determinação de área de fases em aços AISI 1020. Para a comparação, três técnicas de decisão automática foram avaliadas: k-vizinhos mais próximos (KNN), que classifica os pontos da imagem através de correlação com a sua vizinhança e duas técnicas de classificação por aprendizado supervisionado: Redes Neurais Artificiais (RNA) e Máquinas de Vetores Suporte (SVM). Índices de indicação de qualidade de classificação também foram avaliados. Os resultados mostraram superioridade geral na técnica SVM no que tange, principalmente, o tempo de classificação e acurácia relativa, porém em todos os casos houve concordância com os valores de fração de área esperados para esse tipo de material, segundo análises metalúrgicas teóricas.
ASSUNTO(S)
classificadores de imagem metalografia quantitativa processamento de imagens caracterização microestrutural.
Documentos Relacionados
- Avaliação do desempenho de classificadores neurais para aplicações em sensoriamento remoto
- Protocolo de pesquisa: avaliação quantitativa e qualitativa do TRA em bebês
- Avaliação quantitativa em cortes histológicos transversais do couro cabeludo
- Análise do conhecimento extraído de classificadores simbólicos utilizando medidas de avaliação e de interessabilidade.
- Avaliação quantitativa e qualitativa de alface cultivada em sistema zeopônico.