Uma proposta metodológica para medição de profundidade de desgastes em superfícies de bicos de lança de oxigênio usando Deep Learning e processamento de imagens digitais

• Ano de defesa: 2023
• Autor(a) principal: Pereira, Estevan Candido
• Orientador(a): de Almeida, Gustavo Maia
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Serra
• Palavras-chave em Português: Segmentação de instâncias; Processamento Digital de Imagens; Medição de profundidade em desgaste; Bico de Lança; Inteligência artificial
• Link de acesso: https://repositorio.ifes.edu.br/handle/123456789/4475

Informações de uma empresa siderúrgica que utiliza bicos de lança de oxigênio em aciarias sugerem que o método atual para remover bicos de lança, devido ao desgaste superficial durante a operação para manutenção, é subjetivo, dependendo fortemente de inspeção visual. Isso resulta na remoção prematura ou tardia do bico, acarretando implicações econômicas e de segurança adversas. Para minimizar esses impactos no processo siderúrgico de refinamento do aço, que utiliza este instrumento, este estudo propõe uma base metodológica. Esta base contempla a segmentação e medição de profundidade máxima da região de desgaste em superfícies de bicos de lança de oxigênio, utilizando um modelo de Deep Learning intitulado YOLACT, em conjunto com um método de processamento digital de imagens por meio da câmera Intel Realsense D435. Assim, futuras aplicações e protótipos de campo podem usar essa base de auto- mação para obter métricas de remoção do equipamento de operação no momento mais adequado. Para esta pesquisa, empregou-se a segmentação de instâncias utilizando o modelo YOLACT para segmentar a região de desgaste na superfície de bicos de lança de oxigênio, além disso, foi construído um algoritmo para medir a profundidade máxima de desgastes nestas superfícies, utilizando o kit de desenvolvimento de software da In- tel da câmera de profundidade Realsense D435. Os resultados indicam que a proposta da base metodológica convergiu para o objetivo desta pesquisa, que foi de criar um framework para aciarias interessadas na medição automática da profundidade máxima de superfícies de bicos de lança de oxigênio. Esse framework se mostra agnóstico para integrações a outros modelos de segmentação de instâncias e câmeras mais sofistica- das. Apesar de não ser o foco principal deste trabalho, o modelo de segmentação de instâncias YOLACT alcançou um mAP de 50.29% para caixas delimitadoras e 49.01% para máscaras, devido à escassez de conjunto de imagens de superfícies de bicos de lança de oxigênio, provando a necessidade de pesquisas nesta área e sendo totalmente passível de melhorias de assertividade. Ademais, os experimentos utilizando a câmera Realsense D435 mostraram que a medição de profundidade máxima em superfícies desgastadas, a uma distância de 352 milímetros do objeto, tem precisão assertiva para profundidades máximas de desgastes de até 11 milímetros. Conclui-se que, para medições de profundidades mais sutis, é necessário buscar câmeras como a Intel L515 LiDAR que possui sensibilidades para medições em camadas físicas mais finas. Contudo, o uso desta base metodológica para tecnologias de campo aplicadas ao tema de manutenção de bico de lanças de oxigênio requer o aumento do conjunto de dados de treinamento do modelo de segmentação de instâncias e a escolha do dispositivo para capturar imagens de profundidade aplicadas ao seu próprio caso de uso. Sanados esses elementos, a base metodológica proposta pode não apenas minimizar o impacto no plano de manutenção, mas também prolongar a vida útil do equipamento, reduzir os custos operacionais e garantir maior segurança dos operadores.