Título

Análise dinâmica de recobrimento de pelotas de minério de ferro por visão computacional

Dinamic assessment of iron ore pellets coating with machine vision

Autoria

RODRIGUES, LUIZ FELIPPE OLIVEIRA; OLIVEIRA, SAMUEL SENA DE

RODRIGUES, LUIZ FELIPPE OLIVEIRA

Eu sou esse autor

OLIVEIRA, SAMUEL SENA DE

Eu sou esse autor

DOI

10.5151/2594-5335-43705

Downloads

Resumo

O recobrimento de pelotas de minério de ferro com bauxita é uma etapa crítica do processo de pelotização, pois evita a aderência entre pelotas durante a redução direta e amplia a janela térmica de operação. Atualmente, o controle dessa etapa é feito por amostragens periódicas, o que retarda a detecção de falhas. Este trabalho avalia nove modelos clássicos de visão computacional baseados em transformações de cor — ExR, NR, canal Cr (YCbCr), canal a* (Lab), R bruto, hsv_s, hsv_sv, lch_c e NRI — quanto à capacidade de discriminar cinco níveis de recobrimento (U3N, U3S, U3SI, U3SC e U3T). Foram analisadas 1323 imagens capturadas em um sistema de monitoramento real, e a avaliação combinou ANOVA, Kruskal–Wallis, Tukey HSD, Dunn, Cliff's delta, regressão ordinal, Random Forest e LDA. Os índices perceptuais hsv_s (η² = 0,84), lch_c e hsv_sv apresentaram o melhor desempenho, com separação consistente entre todas as classes e maior poder preditivo. Os resultados indicam que modelos perceptuais são mais robustos que transformações RGB simples e viabilizam um monitoramento confiável e em tempo real do recobrimento.

Coating iron ore pellets with bauxite is a critical stage in the pelletizing process, since it prevents pellet sticking during direct reduction and broadens the operating temperature window. Currently, this stage is controlled by periodic sampling, which delays failure detection. This work evaluates nine classical computer vision models based on color transformations — ExR, NR, Cr channel (YCbCr), a* channel (Lab), raw R, hsv_s, hsv_sv, lch_c and NRI — regarding their capacity to discriminate five coating levels (U3N, U3S, U3SI, U3SC and U3T). A total of 1,323 images captured in a real monitoring system were analyzed, combining ANOVA, Kruskal–Wallis, Tukey HSD, Dunn, Cliff's delta, ordinal regression, Random Forest and LDA. Perceptual indices hsv_s (η² = 0.84), lch_c and hsv_sv achieved the best performance, with consistent separation across all classes and the highest predictive power. The results show that perceptual models are more robust than simple RGB transformations and enable reliable real-time coating monitoring.

Palavras-chave

Visão computacional, Pelotização, Recobrimento de pelotas, Análise de cor

Computer vision, Pelletizing, Pellet coating, Color analysis