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

Abstract

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.

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.