Segmentação de cristais de clínquer em imagens microscópicas via redes neurais convolucionais

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Rodrigues, Renan Vinicius
Orientador(a): Zuanetti, Daiane Aparecida lattes
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de São Carlos
Câmpus São Carlos
Programa de Pós-Graduação: Programa Interinstitucional de Pós-Graduação em Estatística - PIPGEs
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Automação de processo
Aprendizado por transferência
Desempenho preditivo
Filtros de pré-processamento
Palavras-chave em Inglês:
Transfer learning
Process automation
Predictive performance
Preprocessing filters
Área do conhecimento CNPq:
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOS
Link de acesso: https://repositorio.ufscar.br/handle/20.500.14289/21166
Resumo: Portland cement is currently carried out by trained professionals who analyze the crystals present in the microstructure of the clinker (an input produced in the cement manufacturing process and which gives it its main characteristics). Among these crystals, the one that most affects the final product is Alita (C3S). Because of this, building an automatic process for segmenting and classifying C3S in microscopic images of clinker can bring savings and efficiency in cement manufacturing. This work, therefore, seeks, through convolutional neural networks and image pre-processing filters, to carry out this segmentation so that the automation of the process is viable, increasing the quality of the product. A description of neural networks and their extensions is provided, as well as a brief review of the most common image preprocessing filters. Subsequently, several neural network models are fitted and compared in the analysis of clinker images.
id SCAR_50e750038e64aacbbacbc54aed421fc2
oai_identifier_str oai:repositorio.ufscar.br:20.500.14289/21166
network_acronym_str SCAR
network_name_str Repositório Institucional da UFSCAR
repository_id_str
spelling Rodrigues, Renan ViniciusZuanetti, Daiane Aparecidahttp://lattes.cnpq.br/8352484284929824Paz, Rosineide Fernando dahttp://lattes.cnpq.br/0773010734982168https://lattes.cnpq.br/86962269237005762025-01-06T12:10:14Z2025-01-06T12:10:14Z2024-09-27RODRIGUES, Renan Vinicius. Segmentação de cristais de clínquer em imagens microscópicas via redes neurais convolucionais. 2024. Dissertação (Mestrado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2024. Disponível em: https://repositorio.ufscar.br/handle/20.500.14289/21166.https://repositorio.ufscar.br/handle/20.500.14289/21166Portland cement is currently carried out by trained professionals who analyze the crystals present in the microstructure of the clinker (an input produced in the cement manufacturing process and which gives it its main characteristics). Among these crystals, the one that most affects the final product is Alita (C3S). Because of this, building an automatic process for segmenting and classifying C3S in microscopic images of clinker can bring savings and efficiency in cement manufacturing. This work, therefore, seeks, through convolutional neural networks and image pre-processing filters, to carry out this segmentation so that the automation of the process is viable, increasing the quality of the product. A description of neural networks and their extensions is provided, as well as a brief review of the most common image preprocessing filters. Subsequently, several neural network models are fitted and compared in the analysis of clinker images.O processo de análise de qualidade do cimento Portland, atualmente, é feito através de profissionais capacitados que analisam os cristais presentes na microestrutura do clínquer (insumo produzido no processo de fabricação do cimento e que confere a este suas principais características). Dentre esses cristais o que mais interfere no produto final é a Alita (C3S). Devido a isso, criar um processo automático para segmentação e classificação da C3S em imagens microscópicas do clínquer pode trazer economia e eficiência na fabricação do cimento. Este trabalho, portanto, busca, através de redes neurais convolucionais e de filtros de pré-processamento de imagens, realizar essa segmentação para que seja viável a automatização do processo aumentando a qualidade do produto. Uma descrição de redes neurais e suas extensões é realizada, assim como uma breve revisão dos filtros de pré-processamento de imagens mais comuns. Posteriormente, vários modelos de redes neurais são ajustados e comparados na análise de imagens de clínquer.Não recebi financiamentoporUniversidade Federal de São CarlosCâmpus São CarlosPrograma Interinstitucional de Pós-Graduação em Estatística - PIPGEsUFSCarAttribution-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nd/3.0/br/info:eu-repo/semantics/openAccessAutomação de processoAprendizado por transferênciaDesempenho preditivoFiltros de pré-processamentoTransfer learningProcess automationPredictive performancePreprocessing filtersCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOSSegmentação de cristais de clínquer em imagens microscópicas via redes neurais convolucionaisSegmentation of clinker crystals in microscopic images by convolutional neural networksinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARTEXTQualificação_de_Mestrado__ICMC_Renan_Vinicius_Rodrigues_deposito.pdf.txtQualificação_de_Mestrado__ICMC_Renan_Vinicius_Rodrigues_deposito.pdf.txtExtracted texttext/plain103435https://repositorio.ufscar.br/bitstreams/917a3d7c-35f7-4fb9-9d1a-a8002385d521/download10f372e4dc9eb633113c82f79007ef7bMD55falseAnonymousREADTHUMBNAILQualificação_de_Mestrado__ICMC_Renan_Vinicius_Rodrigues_deposito.pdf.jpgQualificação_de_Mestrado__ICMC_Renan_Vinicius_Rodrigues_deposito.pdf.jpgGenerated Thumbnailimage/jpeg6435https://repositorio.ufscar.br/bitstreams/2fc0d41e-06a0-4ceb-969e-2ea6adc40bbd/downloada6d69fd4ceb68ffc9fea7b50560314b2MD56falseAnonymousREADORIGINALQualificação_de_Mestrado__ICMC_Renan_Vinicius_Rodrigues_deposito.pdfQualificação_de_Mestrado__ICMC_Renan_Vinicius_Rodrigues_deposito.pdfapplication/pdf35086583https://repositorio.ufscar.br/bitstreams/43f24328-237b-423e-8c13-569eb916ed1e/downloadd475ef8fe489bbb21300e98fc57c573eMD53trueAnonymousREADCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8804https://repositorio.ufscar.br/bitstreams/c1fb95a3-cb74-47a5-8c31-69c9238cd498/download4774e414fb27824b0dfca5f33e4ff24fMD54falseAnonymousREAD20.500.14289/211662025-02-12 14:36:07.613http://creativecommons.org/licenses/by-nd/3.0/br/Attribution-NoDerivs 3.0 Brazilopen.accessoai:repositorio.ufscar.br:20.500.14289/21166https://repositorio.ufscar.brRepositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestrepositorio.sibi@ufscar.bropendoar:43222025-02-12T17:36:07Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false
dc.title.por.fl_str_mv Segmentação de cristais de clínquer em imagens microscópicas via redes neurais convolucionais
dc.title.alternative.eng.fl_str_mv Segmentation of clinker crystals in microscopic images by convolutional neural networks
title Segmentação de cristais de clínquer em imagens microscópicas via redes neurais convolucionais
spellingShingle Segmentação de cristais de clínquer em imagens microscópicas via redes neurais convolucionais
Rodrigues, Renan Vinicius
Automação de processo
Aprendizado por transferência
Desempenho preditivo
Filtros de pré-processamento
Transfer learning
Process automation
Predictive performance
Preprocessing filters
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOS
title_short Segmentação de cristais de clínquer em imagens microscópicas via redes neurais convolucionais
title_full Segmentação de cristais de clínquer em imagens microscópicas via redes neurais convolucionais
title_fullStr Segmentação de cristais de clínquer em imagens microscópicas via redes neurais convolucionais
title_full_unstemmed Segmentação de cristais de clínquer em imagens microscópicas via redes neurais convolucionais
title_sort Segmentação de cristais de clínquer em imagens microscópicas via redes neurais convolucionais
author Rodrigues, Renan Vinicius
author_facet Rodrigues, Renan Vinicius
author_role author
dc.contributor.authorlattes.por.fl_str_mv https://lattes.cnpq.br/8696226923700576
dc.contributor.author.fl_str_mv Rodrigues, Renan Vinicius
dc.contributor.advisor1.fl_str_mv Zuanetti, Daiane Aparecida
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/8352484284929824
dc.contributor.advisor-co1.fl_str_mv Paz, Rosineide Fernando da
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/0773010734982168
contributor_str_mv Zuanetti, Daiane Aparecida
Paz, Rosineide Fernando da
dc.subject.por.fl_str_mv Automação de processo
Aprendizado por transferência
Desempenho preditivo
Filtros de pré-processamento
topic Automação de processo
Aprendizado por transferência
Desempenho preditivo
Filtros de pré-processamento
Transfer learning
Process automation
Predictive performance
Preprocessing filters
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOS
dc.subject.eng.fl_str_mv Transfer learning
Process automation
Predictive performance
Preprocessing filters
dc.subject.cnpq.fl_str_mv CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOS
description Portland cement is currently carried out by trained professionals who analyze the crystals present in the microstructure of the clinker (an input produced in the cement manufacturing process and which gives it its main characteristics). Among these crystals, the one that most affects the final product is Alita (C3S). Because of this, building an automatic process for segmenting and classifying C3S in microscopic images of clinker can bring savings and efficiency in cement manufacturing. This work, therefore, seeks, through convolutional neural networks and image pre-processing filters, to carry out this segmentation so that the automation of the process is viable, increasing the quality of the product. A description of neural networks and their extensions is provided, as well as a brief review of the most common image preprocessing filters. Subsequently, several neural network models are fitted and compared in the analysis of clinker images.
publishDate 2024
dc.date.issued.fl_str_mv 2024-09-27
dc.date.accessioned.fl_str_mv 2025-01-06T12:10:14Z
dc.date.available.fl_str_mv 2025-01-06T12:10:14Z
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 RODRIGUES, Renan Vinicius. Segmentação de cristais de clínquer em imagens microscópicas via redes neurais convolucionais. 2024. Dissertação (Mestrado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2024. Disponível em: https://repositorio.ufscar.br/handle/20.500.14289/21166.
dc.identifier.uri.fl_str_mv https://repositorio.ufscar.br/handle/20.500.14289/21166
identifier_str_mv RODRIGUES, Renan Vinicius. Segmentação de cristais de clínquer em imagens microscópicas via redes neurais convolucionais. 2024. Dissertação (Mestrado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2024. Disponível em: https://repositorio.ufscar.br/handle/20.500.14289/21166.
url https://repositorio.ufscar.br/handle/20.500.14289/21166
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de São Carlos
Câmpus São Carlos
dc.publisher.program.fl_str_mv Programa Interinstitucional de Pós-Graduação em Estatística - PIPGEs
dc.publisher.initials.fl_str_mv UFSCar
publisher.none.fl_str_mv Universidade Federal de São Carlos
Câmpus São Carlos
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSCAR
instname:Universidade Federal de São Carlos (UFSCAR)
instacron:UFSCAR
instname_str Universidade Federal de São Carlos (UFSCAR)
instacron_str UFSCAR
institution UFSCAR
reponame_str Repositório Institucional da UFSCAR
collection Repositório Institucional da UFSCAR
bitstream.url.fl_str_mv https://repositorio.ufscar.br/bitstreams/917a3d7c-35f7-4fb9-9d1a-a8002385d521/download
https://repositorio.ufscar.br/bitstreams/2fc0d41e-06a0-4ceb-969e-2ea6adc40bbd/download
https://repositorio.ufscar.br/bitstreams/43f24328-237b-423e-8c13-569eb916ed1e/download
https://repositorio.ufscar.br/bitstreams/c1fb95a3-cb74-47a5-8c31-69c9238cd498/download
bitstream.checksum.fl_str_mv 10f372e4dc9eb633113c82f79007ef7b
a6d69fd4ceb68ffc9fea7b50560314b2
d475ef8fe489bbb21300e98fc57c573e
4774e414fb27824b0dfca5f33e4ff24f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)
repository.mail.fl_str_mv repositorio.sibi@ufscar.br
_version_ 1851688814463942656

Registros relacionados