Aplicação do Deep Learning para análise de fissuras em testes de quedas de pelotas

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Magnani, Marconi Junio Henriques
Orientador(a): Cuadros, Marco Antonio de Souza Leite
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Serra
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Teste de queda;
Deep Learning
Análise de Fissuras
Visão por computador
Redes neurais (Computação)
Resistência de materiais
Minério de ferro
Pelotização (Beneficiamento de minério)
Link de acesso: https://repositorio.ifes.edu.br/handle/123456789/2536
Resumo: RESUMO: As pelotas de minério de ferro são um insumo nobre na produção de ferro. Por tanto tem uma necessidade de um controle rigoroso da qualidade das pelotas para aplicação das mesmas no processo industrial. As pelotas sofrem degradações devido aos impactos provocados pelos seus sistemas de manuseio ou transporte. Como resultado dessas degradações muitos carregamentos de pelotas chegam ao cliente com uma proporção de fissuras. São necessários ensaios de testes de queda laboratoriais realizados em pelotas cruas úmidas para avaliação de sua resistência às diversas quedas que as mesmas sofrem no processo industrial. Atualmente o ensaio do teste de queda é realizado de forma manual, onde todo o processo do teste, desde a manipulação das pelotas e obtenção dos dados, depende de ações humanas. O presente trabalho tem como objetivo a aplicação do Deep Learning nas imagens das pelotas de minério para avaliar as pelotas no teste de queda, de forma que posteriormente possa ser usado em um protótipo autônomo.
id IFES-2_60f4238b64e4ca5d946857518a2f59ef
oai_identifier_str oai:repositorio.ifes.edu.br:123456789/2536
network_acronym_str IFES-2
network_name_str Repositório Institucional do IFES
repository_id_str
spelling Magnani, Marconi Junio HenriquesCavalieri, Daniel CruzGamarra, Daniel Fernando TelloCuadros, Marco Antonio de Souza Leite2022-11-30T12:40:41Z2022-11-30T12:40:41Z2022-08-11MAGNANI, Marconi Junio Henriques. Aplicação do Deep Learning para análise de fissuras em testes de quedas de pelotas. 2022. 60 f. Dissertação (Mestrado em Engenharia de Controle e Automação) - Instituto Federal do Espírito Santo, Serra, 2022.https://repositorio.ifes.edu.br/handle/123456789/253641001010065P4RESUMO: As pelotas de minério de ferro são um insumo nobre na produção de ferro. Por tanto tem uma necessidade de um controle rigoroso da qualidade das pelotas para aplicação das mesmas no processo industrial. As pelotas sofrem degradações devido aos impactos provocados pelos seus sistemas de manuseio ou transporte. Como resultado dessas degradações muitos carregamentos de pelotas chegam ao cliente com uma proporção de fissuras. São necessários ensaios de testes de queda laboratoriais realizados em pelotas cruas úmidas para avaliação de sua resistência às diversas quedas que as mesmas sofrem no processo industrial. Atualmente o ensaio do teste de queda é realizado de forma manual, onde todo o processo do teste, desde a manipulação das pelotas e obtenção dos dados, depende de ações humanas. O presente trabalho tem como objetivo a aplicação do Deep Learning nas imagens das pelotas de minério para avaliar as pelotas no teste de queda, de forma que posteriormente possa ser usado em um protótipo autônomo.ABSTRACT: Iron ore pellets are a noble input in iron production. Therefore, there is a need for a rigorous control of the quality of the pellets for their application in the industrial process. Pellets suffer degradation due to impacts caused by their handling or transport systems. As a result of these degradations many pellet shipments arrive at the customer with a proportion of cracks. Laboratory drop test performed on wet raw pellets are necessary to evaluate their resistance to the various drops that they suffer in the industrial process. Currently, the drop test is performed manually, where the entire test process, from handling the pellets and obtaining the data, depends on human actions. The present work aims to apply Deep Learning to the images of the ore pellets to evaluate the pellets in the drop test, so that later it can be used in an autonomous prototype.60 f.acesso_abertoinfo:eu-repo/semantics/openAccessTeste de queda;Deep LearningAnálise de FissurasVisão por computadorRedes neurais (Computação)Resistência de materiaisMinério de ferroPelotização (Beneficiamento de minério)Aplicação do Deep Learning para análise de fissuras em testes de quedas de pelotasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisSerraporreponame:Repositório Institucional do IFESinstname:Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo (IFES)instacron:IFESCampus Serrahttp://lattes.cnpq.br/8629256330944049https://orcid.org/0000-0003-4191-1794Engenharia de Controle e Automaçãohttp://lattes.cnpq.br/9583314331960942http://lattes.cnpq.br/0542349757431486https://orcid.org/0000-0002-4916-1863https://orcid.org/0000-0002-4714-7849ORIGINALDissertação_Aplicação_do_Deep_Learning.pdfDissertação_Aplicação_do_Deep_Learning.pdfapplication/pdf10169416https://repositorio.ifes.edu.br/bitstreams/15b4395e-b632-46ec-ac82-251d0a67f19f/download7953699437324f8f530fa210587e0f5dMD51trueAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-8934https://repositorio.ifes.edu.br/bitstreams/67ebfd06-9cc3-4e90-bd54-b1b95fe0c229/downloadac7cb971050ed632be934da23d966924MD52falseAnonymousREADTEXTDissertação_Aplicação_do_Deep_Learning.pdf.txtDissertação_Aplicação_do_Deep_Learning.pdf.txtExtracted texttext/plain73154https://repositorio.ifes.edu.br/bitstreams/a20bc586-7055-4ba2-b9fd-62098cde47b7/downloadafcdf315b68cbbaf27ca05ee1bd75b4bMD53falseAnonymousREADTHUMBNAILDissertação_Aplicação_do_Deep_Learning.pdf.jpgDissertação_Aplicação_do_Deep_Learning.pdf.jpgGenerated Thumbnailimage/jpeg2175https://repositorio.ifes.edu.br/bitstreams/68a05a55-6404-4d88-8a1d-8c4aee65929c/downloadd47024d3a1ceb12f1cb20e0a844cafc8MD54falseAnonymousREAD123456789/25362022-11-30T12:40:41.725Zopen.accessoai:repositorio.ifes.edu.br:123456789/2536https://repositorio.ifes.edu.brRepositório InstitucionalPUBhttps://repositorio.ifes.edu.br/server/oai/requestrepositorio@ifes.edu.bropendoar:2022-11-30T12:40:41Repositório Institucional do IFES - Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo (IFES)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
dc.title.pt_BR.fl_str_mv Aplicação do Deep Learning para análise de fissuras em testes de quedas de pelotas
title Aplicação do Deep Learning para análise de fissuras em testes de quedas de pelotas
spellingShingle Aplicação do Deep Learning para análise de fissuras em testes de quedas de pelotas
Magnani, Marconi Junio Henriques
Teste de queda;
Deep Learning
Análise de Fissuras
Visão por computador
Redes neurais (Computação)
Resistência de materiais
Minério de ferro
Pelotização (Beneficiamento de minério)
title_short Aplicação do Deep Learning para análise de fissuras em testes de quedas de pelotas
title_full Aplicação do Deep Learning para análise de fissuras em testes de quedas de pelotas
title_fullStr Aplicação do Deep Learning para análise de fissuras em testes de quedas de pelotas
title_full_unstemmed Aplicação do Deep Learning para análise de fissuras em testes de quedas de pelotas
title_sort Aplicação do Deep Learning para análise de fissuras em testes de quedas de pelotas
author Magnani, Marconi Junio Henriques
author_facet Magnani, Marconi Junio Henriques
author_role author
dc.contributor.member.none.fl_str_mv Cavalieri, Daniel Cruz
Gamarra, Daniel Fernando Tello
dc.contributor.author.fl_str_mv Magnani, Marconi Junio Henriques
dc.contributor.advisor1.fl_str_mv Cuadros, Marco Antonio de Souza Leite
contributor_str_mv Cuadros, Marco Antonio de Souza Leite
dc.subject.por.fl_str_mv Teste de queda;
Deep Learning
Análise de Fissuras
Visão por computador
Redes neurais (Computação)
Resistência de materiais
Minério de ferro
Pelotização (Beneficiamento de minério)
topic Teste de queda;
Deep Learning
Análise de Fissuras
Visão por computador
Redes neurais (Computação)
Resistência de materiais
Minério de ferro
Pelotização (Beneficiamento de minério)
description RESUMO: As pelotas de minério de ferro são um insumo nobre na produção de ferro. Por tanto tem uma necessidade de um controle rigoroso da qualidade das pelotas para aplicação das mesmas no processo industrial. As pelotas sofrem degradações devido aos impactos provocados pelos seus sistemas de manuseio ou transporte. Como resultado dessas degradações muitos carregamentos de pelotas chegam ao cliente com uma proporção de fissuras. São necessários ensaios de testes de queda laboratoriais realizados em pelotas cruas úmidas para avaliação de sua resistência às diversas quedas que as mesmas sofrem no processo industrial. Atualmente o ensaio do teste de queda é realizado de forma manual, onde todo o processo do teste, desde a manipulação das pelotas e obtenção dos dados, depende de ações humanas. O presente trabalho tem como objetivo a aplicação do Deep Learning nas imagens das pelotas de minério para avaliar as pelotas no teste de queda, de forma que posteriormente possa ser usado em um protótipo autônomo.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-11-30T12:40:41Z
dc.date.available.fl_str_mv 2022-11-30T12:40:41Z
dc.date.issued.fl_str_mv 2022-08-11
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv MAGNANI, Marconi Junio Henriques. Aplicação do Deep Learning para análise de fissuras em testes de quedas de pelotas. 2022. 60 f. Dissertação (Mestrado em Engenharia de Controle e Automação) - Instituto Federal do Espírito Santo, Serra, 2022.
dc.identifier.uri.fl_str_mv https://repositorio.ifes.edu.br/handle/123456789/2536
dc.identifier.capes.pt_BR.fl_str_mv 41001010065P4
identifier_str_mv MAGNANI, Marconi Junio Henriques. Aplicação do Deep Learning para análise de fissuras em testes de quedas de pelotas. 2022. 60 f. Dissertação (Mestrado em Engenharia de Controle e Automação) - Instituto Federal do Espírito Santo, Serra, 2022.
41001010065P4
url https://repositorio.ifes.edu.br/handle/123456789/2536
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv acesso_aberto
info:eu-repo/semantics/openAccess
rights_invalid_str_mv acesso_aberto
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 60 f.
dc.publisher.none.fl_str_mv Serra
publisher.none.fl_str_mv Serra
dc.source.none.fl_str_mv reponame:Repositório Institucional do IFES
instname:Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo (IFES)
instacron:IFES
instname_str Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo (IFES)
instacron_str IFES
institution IFES
reponame_str Repositório Institucional do IFES
collection Repositório Institucional do IFES
bitstream.url.fl_str_mv https://repositorio.ifes.edu.br/bitstreams/15b4395e-b632-46ec-ac82-251d0a67f19f/download
https://repositorio.ifes.edu.br/bitstreams/67ebfd06-9cc3-4e90-bd54-b1b95fe0c229/download
https://repositorio.ifes.edu.br/bitstreams/a20bc586-7055-4ba2-b9fd-62098cde47b7/download
https://repositorio.ifes.edu.br/bitstreams/68a05a55-6404-4d88-8a1d-8c4aee65929c/download
bitstream.checksum.fl_str_mv 7953699437324f8f530fa210587e0f5d
ac7cb971050ed632be934da23d966924
afcdf315b68cbbaf27ca05ee1bd75b4b
d47024d3a1ceb12f1cb20e0a844cafc8
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional do IFES - Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo (IFES)
repository.mail.fl_str_mv repositorio@ifes.edu.br
_version_ 1865654644599947264

Registros relacionados