AN IMAGE ANALYSIS SYSTEM FOR THE CHARACTERIZATION OF SINTER FEED MICROCLUSTERS
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO === Os minérios, uma vez extraídos, passam por diversas etapas de beneficiamento antes que possam ser devidamente utilizados. Os finos de minérios que, ao final dessa etapa, não possuem a granulometria necessária para alimentar os fornos de redução,...
Main Author: | |
---|---|
Other Authors: | |
Language: | Portuguese |
Published: |
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
2018
|
Online Access: | http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=36029@1 http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=36029@2 |
id |
ndltd-IBICT-oai-MAXWELL.puc-rio.br-36029 |
---|---|
record_format |
oai_dc |
collection |
NDLTD |
language |
Portuguese |
sources |
NDLTD |
description |
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO === Os minérios, uma vez extraídos, passam por diversas etapas de beneficiamento antes que possam ser devidamente utilizados. Os finos de minérios que, ao final dessa etapa, não possuem a granulometria necessária para alimentar os fornos de redução, passam por processos de aglomeração para alcançá-la, como a pelotização e a sinterização, cujo material produzido em uma das etapas deste último processo é o foco do presente trabalho. Esses finos passam primeiramente por uma etapa de microaglomeração, que é fundamental para o processo, pois muitas das características e propriedades do sínter são função da estrutura do microaglomerado pré-tratamento térmico. Ela consiste numa mistura do sinter feed com água, fundentes e combustível sólido (coque). Existem 3 estruturas típicas para um microaglomerado: quasipartícula, micropelota e partícula não aglomerada. A presente dissertação desenvolveu uma rotina automática no programa de processamento e análise de imagens FIJI, baseada em processamento e análise de imagens do microaglomerado obtidas por microscópio ótico, que é capaz de identificar as partículas de diferentes granulometrias que compõem a amostra, e classificá-las quanto às 3 classes supramencionadas. Após a classificação, a rotina é capaz de extrair atributos dos objetos identificados (percentual de cada classe, circularidade média, espessura média), e analisar os núcleos das quasipartículas, classificando-os quanto à fase (hematita, magnetita, goethita e outros). Ademais, a rotina apresenta todos os dados já citados na forma de um relatório em pdf, que contém também uma listagem das quasipartículas e micropelotas em ordem crescente de tamanho. Essa rotina elimina a imprecisão e a subjetividade do operador humano, obtém medidas não realizáveis manualmente, permitindo prever características futuras do sínter de forma totalmente automática. === The ores, once extracted, undergo several stages of processing before they can be properly used. The fines of ores that, at the end of this stage, do not have the granulometry required to feed the reduction furnaces, pass through agglomeration processes to reach it, such as pelletizing and sintering. The material produced in one of the stages of the latter process is the focus of this work. These fines first go through a micro-agglomeration stage, which is fundamental to the process because many of the characteristics and properties of the sinter are function of the structure of the pre-heat treatment microcluster. It consists of a mixture of the sinter feed, water, fluxes and solid fuel (coke). There are 3 typical structures for a microcluster: quasiparticle, micropellet, and non-agglomerated particles. The present dissertation has developed an automatic routine in the FIJI image-processing program, based on optical microscope image processing and analysis, which is able to identify the particles of different granulometry that compose the sample, and classify them in the 3 classes mentioned above. After classification, the routine is able to extract attributes of the identified objects (percentage of each class, average circularity, average thickness), and to analyze the quasiparticle nuclei, classifying them as to the phase (hematite, magnetite, goethite and others). In addition, the routine presents all the data in the form of a pdf report, which also contains a listing of quasiparticles and micropellets in increasing order of size. This automatic classification eliminates the lack of reproducibility and subjectivity of the human operator, provides measures that would be untenable manually, allowing the forecast of the future characteristics of the sinter in a fully automatic fashion. |
author2 |
SIDNEI PACIORNIK |
author_facet |
SIDNEI PACIORNIK RICHARD BRYAN MAGALHAES SANTOS |
author |
RICHARD BRYAN MAGALHAES SANTOS |
spellingShingle |
RICHARD BRYAN MAGALHAES SANTOS AN IMAGE ANALYSIS SYSTEM FOR THE CHARACTERIZATION OF SINTER FEED MICROCLUSTERS |
author_sort |
RICHARD BRYAN MAGALHAES SANTOS |
title |
AN IMAGE ANALYSIS SYSTEM FOR THE CHARACTERIZATION OF SINTER FEED MICROCLUSTERS |
title_short |
AN IMAGE ANALYSIS SYSTEM FOR THE CHARACTERIZATION OF SINTER FEED MICROCLUSTERS |
title_full |
AN IMAGE ANALYSIS SYSTEM FOR THE CHARACTERIZATION OF SINTER FEED MICROCLUSTERS |
title_fullStr |
AN IMAGE ANALYSIS SYSTEM FOR THE CHARACTERIZATION OF SINTER FEED MICROCLUSTERS |
title_full_unstemmed |
AN IMAGE ANALYSIS SYSTEM FOR THE CHARACTERIZATION OF SINTER FEED MICROCLUSTERS |
title_sort |
image analysis system for the characterization of sinter feed microclusters |
publisher |
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO |
publishDate |
2018 |
url |
http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=36029@1 http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=36029@2 |
work_keys_str_mv |
AT richardbryanmagalhaessantos animageanalysissystemforthecharacterizationofsinterfeedmicroclusters AT richardbryanmagalhaessantos umsistemadeanalisedeimagensparacaracterizacaoautomaticademicroaglomeradosdesinterfeed AT richardbryanmagalhaessantos imageanalysissystemforthecharacterizationofsinterfeedmicroclusters |
_version_ |
1718989636910448640 |
spelling |
ndltd-IBICT-oai-MAXWELL.puc-rio.br-360292019-03-01T15:44:55Z AN IMAGE ANALYSIS SYSTEM FOR THE CHARACTERIZATION OF SINTER FEED MICROCLUSTERS UM SISTEMA DE ANÁLISE DE IMAGENS PARA CARACTERIZAÇÃO AUTOMÁTICA DE MICROAGLOMERADOS DE SINTER FEED RICHARD BRYAN MAGALHAES SANTOS SIDNEI PACIORNIK KAREN SOARES AUGUSTO KAREN SOARES AUGUSTO SIDNEI PACIORNIK OTAVIO DA FONSECA MARTINS GOMES JULIO CESAR ALVAREZ IGLESIAS JULIO CESAR ALVAREZ IGLESIAS JULIO CESAR ALVAREZ IGLESIAS PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO Os minérios, uma vez extraídos, passam por diversas etapas de beneficiamento antes que possam ser devidamente utilizados. Os finos de minérios que, ao final dessa etapa, não possuem a granulometria necessária para alimentar os fornos de redução, passam por processos de aglomeração para alcançá-la, como a pelotização e a sinterização, cujo material produzido em uma das etapas deste último processo é o foco do presente trabalho. Esses finos passam primeiramente por uma etapa de microaglomeração, que é fundamental para o processo, pois muitas das características e propriedades do sínter são função da estrutura do microaglomerado pré-tratamento térmico. Ela consiste numa mistura do sinter feed com água, fundentes e combustível sólido (coque). Existem 3 estruturas típicas para um microaglomerado: quasipartícula, micropelota e partícula não aglomerada. A presente dissertação desenvolveu uma rotina automática no programa de processamento e análise de imagens FIJI, baseada em processamento e análise de imagens do microaglomerado obtidas por microscópio ótico, que é capaz de identificar as partículas de diferentes granulometrias que compõem a amostra, e classificá-las quanto às 3 classes supramencionadas. Após a classificação, a rotina é capaz de extrair atributos dos objetos identificados (percentual de cada classe, circularidade média, espessura média), e analisar os núcleos das quasipartículas, classificando-os quanto à fase (hematita, magnetita, goethita e outros). Ademais, a rotina apresenta todos os dados já citados na forma de um relatório em pdf, que contém também uma listagem das quasipartículas e micropelotas em ordem crescente de tamanho. Essa rotina elimina a imprecisão e a subjetividade do operador humano, obtém medidas não realizáveis manualmente, permitindo prever características futuras do sínter de forma totalmente automática. The ores, once extracted, undergo several stages of processing before they can be properly used. The fines of ores that, at the end of this stage, do not have the granulometry required to feed the reduction furnaces, pass through agglomeration processes to reach it, such as pelletizing and sintering. The material produced in one of the stages of the latter process is the focus of this work. These fines first go through a micro-agglomeration stage, which is fundamental to the process because many of the characteristics and properties of the sinter are function of the structure of the pre-heat treatment microcluster. It consists of a mixture of the sinter feed, water, fluxes and solid fuel (coke). There are 3 typical structures for a microcluster: quasiparticle, micropellet, and non-agglomerated particles. The present dissertation has developed an automatic routine in the FIJI image-processing program, based on optical microscope image processing and analysis, which is able to identify the particles of different granulometry that compose the sample, and classify them in the 3 classes mentioned above. After classification, the routine is able to extract attributes of the identified objects (percentage of each class, average circularity, average thickness), and to analyze the quasiparticle nuclei, classifying them as to the phase (hematite, magnetite, goethite and others). In addition, the routine presents all the data in the form of a pdf report, which also contains a listing of quasiparticles and micropellets in increasing order of size. This automatic classification eliminates the lack of reproducibility and subjectivity of the human operator, provides measures that would be untenable manually, allowing the forecast of the future characteristics of the sinter in a fully automatic fashion. 2018-03-28 info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/masterThesis http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=36029@1 http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=36029@2 por info:eu-repo/semantics/openAccess PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO PPG EM ENG DE MATERIAIS E DE PROCESSOS QUÍMICOS E METALÚRGICOS PUC-Rio BR reponame:Repositório Institucional da PUC_RIO instname:Pontifícia Universidade Católica do Rio de Janeiro instacron:PUC_RIO |