Estimativa do tamanho de parte de minério de ferro através de redes neurais convolucionais.

Nenhuma Miniatura disponível
Data
2023
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
No processamento do minério de ferro a medição e o controle granulométrico têm relevante importância na redução da variabilidade do processo produtivo e na otimização da eficiência energética. Quando aplicáveis, técnicas de visão computacional apresentam- se como uma valiosa alternativa para a estimativa granulométrica em virtude de características como ausência de interferência no processo, baixo custo e alta velocidade de resposta. Este estudo demonstra a aplicabilidade das redes neurais convolucionais profundas na estimativa do tamanho das partículas através da análise de imagens digitais. O algoritmo Mask R-CNN foi escolhido e implementado para esta tarefa em virtude de sua alta precisão na segmentação de instâncias, bem como os resultados apresentados em trabalhos similares. Os experimentos realizados demonstram a viabilidade do método, mas também ressaltam cenários onde a detecção, segmentação e classificação ainda são desafiadores na análise granulométrica por imagem. Os resultados obtidos indicam que é possível atingir precisões acima de 90% na detecção de fragmentos não sobrepostos, al- cançando coeficientes de correlação de até 0,98 na estimativa da distribuição do tamanho das partículas nas amostras avaliadas.
Descrição
Programa de Pós-Graduação em Engenharia Mecânica. Departamento de Engenharia Mecânica, Escola de Minas, Universidade Federal de Ouro Preto.
Palavras-chave
Minérios de ferro - granulometria, Inteligência artificial - visão por computador, Redes neurais computação
Citação
CARDOSO, Flávio Wellb. Estimativa do tamanho de parte de minério de ferro através de redes neurais convolucionais. 2023. 57 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2023.