Título

DETERMINAÇÃO DE TAMANHO DE GRÃO EM MATERIAIS CERÂMICOS ATRAVÉS DA ANÁLISE COMPUTACIONAL DE IMAGENS

COMPUTATIONAL IMAGE ANALYSIS FOR DETERMINATION OF GRAIN SIZE IN CERAMIC MATERIALS

Autoria

Chagas, João Victor Soares; Caceres, Jaime Alberto Sanchez; Nunes, Lumena Gloria de Souza; Barbieri, Raoni Caetano; Passos, Carlos Augusto Cardoso

DOI

10.5151/2594-5327-33635

Downloads

Baixar Artigo 342 Downloads

Resumo

Com o aprimoramento de técnicas de microscopia e também dos métodos de análise de imagem, surgiu o desafio de realizar análises quantitativas, automatizadas e precisas em um grande conjunto de imagens. Diante deste cenário, os métodos de aprendizagem de máquina surgiram como uma ferramenta valiosa no processo de segmentação. Esses métodos transformam o problema de segmentação de imagem em um problema de classificação de pixels, considerando o conhecimento do operador, aumentando a precisão na detecção das regiões de interesse e possibilitando a automatização do processo. O Trainable Weka Segmentation (TWS) é um plugin, dentro do software de código aberto Fiji, que utiliza a aprendizagem de máquina na segmentação de imagens. Neste plugin, o operador indica quais são os pixels pertencentes a cada classe e, com treinamento, o classificador segmenta toda a imagem. Neste trabalho, mostramos como o TWS pode ser usado para determinar o tamanho de grão em materiais cerâmicos. Aplicamos tal metodologia a 8 imagens de uma cerâmica de Titanato Zirconato de Chumbo (PZT), obtidas por meio de Microscopia Eletrônica de Varredura. Obtivemos o valor de tamanho médio de grão igual a (1,824 ± 0,07) µm.

 

The improvement of microscopy techniques and also of image analysis methods implies a challenge when it comes to performing quantitative, automated and precise analyzes in a large set of images. In this scenario, machine learning methods have emerged as a valuable tool in the segmentation process. These methods turn the problem of image segmentation into a problem of pixel classification, considering the operator knowledge, increasing the accuracy in the detection of regions of interest and allowing the automation of the process. The Trainable Weka Segmentation (TWS) is a plugin within the open source software Fiji that uses machine learning to segment an image. In this plugin, the operator indicates which are the pixels belonging to each class and, with training, the classifier segments the entire image. In this work, we show how TWS can be used to determine grain size in ceramic materials. We applied this methodology to 8 images of a Lead Zirconate Titanate ceramic (PZT), obtained by Scanning Electron Microscopy. We obtained the value of average grain size equal to (1,82 ± 0,07) μm.

Palavras-chave

Trainable Weka Segmentation; Tamanho de grão; Fiji; Materiais cerâmicos

Trainable Weka Segmentation; Grain size; Fiji; Ceramic materials.