ISSN 2594-4711
24º Enemet - Encontro Nacional de Estudantes de Engenharia Metalúrgica, de Materiais e de Minas — Vol. 24 , num. 24 (2026)
Título
Autoria
DOI
Downloads
Resumo
A determinação do crescimento físico da trinca (∆ap) é uma etapa fundamental na avaliação da tenacidade à fratura de materiais metálicos, sendo tradicionalmente realizada de forma manual por meio da aplicação da metodologia dos 9 Pontos definida pela norma ASTM E1820. Entretanto, esse procedimento demanda operadores qualificados e elevados tempos de análise. Com o objetivo de automatizar essa etapa, foi desenvolvido um software em Python que integra técnicas de processamento digital de imagens, segmentação assistida por inteligência artificial utilizando o modelo SAM2 e aplicação automática da metodologia da ASTM E1820. A metodologia foi validada por meio da comparação entre medições manuais realizadas no software ImageJ e medições automatizadas em superfícies de fratura de diferentes geometrias de corpos de prova. Os resultados demonstraram diferenças inferiores a 2% entre os métodos e redução superior a 85% no tempo de execução das análises, evidenciando o potencial da ferramenta para tornar as análises de superfícies de fratura mais rápidas, padronizadas e acessíveis.
The determination of physical crack extension (∆ap) is a fundamental step in the evaluation of fracture toughness in metallic materials and is traditionally performed manually through the application of the Nine-Point Average Method prescribed by ASTM E1820 standard. However, this procedure requires skilled operators and is often time-consuming. To automate this process, a Python-based software tool was developed by integrating digital image processing techniques, artificial intelligence-assisted segmentation using the Segment Anything Model 2 (SAM2), and automatic implementation of the ASTM E1820 methodology. The proposed methodology was validated through a comparison between manual measurements performed in the software ImageJ and automated measurements obtained from fracture surfaces of different specimen geometries. The results showed differences below 2% between both approaches and a reduction of more than 85% in analysis time, demonstrating the potential of the developed tool to provide faster, more standardized, and more accessible quantitative fractographic evaluations.
Palavras-chave
Mecânica da Fratura, ASTM E1820, Segmentação por Inteligência Artificial, Análise de Superfícies de Fratura
Fracture Mechanics, ASTM E1820, Artificial Intelligence-Assisted Segmentation, Fracture Surface Analysis
Como citar
Lima, Kimberly Ribeiro Pazenhagem; Assias, Sergio Luis Gonzalez; Kotik, Hector Guillermo.
Automação da metodologia de medição de superfícies de fratura da ASTM E1820 utilizando segmentação assistida por IA,
p. 1165-1176.
In: 24º Enemet - Encontro Nacional de Estudantes de Engenharia Metalúrgica, de Materiais e de Minas,
São Paulo, SP - Brasil,
2026.
ISSN: 2594-4711, DOI 10.5151/2594-4711-43967
