Título

MORFOMETRIA E CLASSIFICAÇÃO AUTOMÁTICA DE HEMATITA EM MINÉRIOS DE FERRO

MORPHOMETRY AND AUTOMATIC CLASSIFICATION OF HEMATITE IN IRON ORES

Autoria

Gomes, Otávio da Fonseca Martins; Iglesias, Julio Cesar Álvarez; Paciornik, Sidnei; Vieira, Maria Beatriz

DOI

10.5151/2594-357X-23950

Downloads

Baixar Artigo 294 Downloads

Resumo

Os minérios de ferro brasileiros são predominantemente hematíticos, mas apresentam diferentes texturas. Na indústria, tradicionalmente a caracterização microestrutural dos minérios de ferro é realizada manualmente, por meio da análise de amostras em um microscópio ótico de luz refletida a fim de identificar as fases minerais e texturais presentes e estimar suas frações. Este procedimento é de grande relevância e realizado rotineiramente visando suportar ações tecnológicas, porém é susceptível a falhas devido a erros pela fadiga humana. O presente trabalho apresenta o desenvolvimento de um método de aquisição e análise de imagens capaz de individualizar, medir e classificar os cristais de hematita, de acordo com a tipologia empregada pela Vale, nas classes granular, lamelar, lobular. O sistema de classificação automática atingiu uma taxa de acerto global superior a 97% com boa capacidade de generalização.

 

Brazilian iron ores are composed predominantly by hematite, but they have different textures. Traditionally, in the mining industry, the microstructural characterization of iron ores is manually performed, by analyzing samples under a reflected light microscope to identify mineral and textural phases and estimate their fractions. This procedure is of great importance and routinely performed in order to support technological actions, but is susceptible to failure due to mistakes by human fatigue. This work presents the development of a method for image acquisition and analysis that is capable of identifying, measuring and classifying hematite crystals into granular, lamellar, and lobular classes, according to the typology used by Vale. The automatic classification system achieved an overall success rate above 97% with good generalization capability.

Palavras-chave

Caracterização; Hematita; Morfologia; Análise de imagens.

Characterization; Hematite; Morphology; Image analysis.