Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/30642
Título: Análise metalográfica de uma liga de ferro fundido nodular através do processamento de imagens
Título(s) alternativo(s): Metallographic analyzis of a nodular cast iron alloy through image processing
Autor(es): Araújo, Pablo Ferraz de
Orientador(es): Oliva, Jefferson Tales
Palavras-chave: Ligas (Metalurgia)
Ferro fundido
Morfologia
Metalografia
Alloys
Cast-iron
Morphology
Metallography
Data do documento: 12-Dez-2022
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Pato Branco
Citação: ARAÚJO, Pablo Ferraz de. Análise metalográfica de uma liga de ferro fundido nodular através do processamento de imagens. 2022. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Computação) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2022.
Resumo: Durante muitos anos o homem vem aprimorando as diversas ligas de ferro existentes de acordo com sua utilidade, disponibilidade e propriedades, fazendo-se então necessário conhecer a maior quantidade de informações possíveis a respeito da liga estudada, assim como obter informações de qualidade. Um método de aquisição dessas informações é através do estudo metalográfico, que consiste em realizar medidas relacionadas a microestrutura da liga de ferro. Entretanto em algumas indústrias essas medidas são realizadas de forma manual e visual por algum técnico, total ou parcialmente, diminuindo a confiabilidade das mesmas. A fim de oferecer apoio tecnológico à técnica empregada atualmente, este trabalho propõe um método utilizando um algoritmo de segmentação baseado em limiarização, capaz de realizar de forma automática a segmentação em imagens de ligas de ferro fundido nodular em escala microscópica, assim como o cálculo de diversas medidas necessárias para a caracterização da liga em questão. Para isso foram estudados algoritmos de pré-processamento e segmentação. Foi desenvolvido então um algoritmo que fosse capaz de tratar não-uniformidades de iluminação, ruídos e realizar a segmentação das regiões de interesse através de limiarização local, e que posteriormente analisasse morfologicamente as regiões segmentadas podendo extrair informações a respeito destas, as quais poderão ser utilizadas em próximas etapas análise metalográfica na indústria de fundição.
Abstract: During many years mankind keeps improving the many existent iron alloys according to it’s utility, availability and properties, making it necessary to know as much information as possible regarding the analyzed alloy, as well as obtaining information with quality. One method of acquiring this information is through the metallographic study, which is to perform measurements related to the microstructure of the iron alloy. However, in some industries these measurements are performed manually and visually by a technician, totally or partially, reducing their reliability. In order to offer technological support to the technique that is currently employed, a method is proposed using a segmentation algorithm based on thresholding, capable of automatically performing the segmentation in nodular cast iron alloy images on a micro scale, as well as the calculation of several measures needed for the characterization of the alloy in study. In order to achieve this goal, pre-processing and segmentation algorithms were studied. Then a algorithm was developed that could be capable to deal with non-uniformities in lighting, noise and perform segmentation of regions of interest using local thresholding, and posteriorly performing morphological analizys on the segmented regions in order to extract data about them, so they could be utilized in next stages in the metallographic analizys in the foundry industry.
URI: http://repositorio.utfpr.edu.br/jspui/handle/1/30642
Aparece nas coleções:PB - Engenharia de Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
segmentacaoligasferrofundido.pdf8,12 MBAdobe PDFThumbnail
Visualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons