WO2016061647A1 - Processo de análise de particulados via modelagem por processamento de imagens digitais - Google Patents

Processo de análise de particulados via modelagem por processamento de imagens digitais Download PDF

Info

Publication number
WO2016061647A1
WO2016061647A1 PCT/BR2014/000389 BR2014000389W WO2016061647A1 WO 2016061647 A1 WO2016061647 A1 WO 2016061647A1 BR 2014000389 W BR2014000389 W BR 2014000389W WO 2016061647 A1 WO2016061647 A1 WO 2016061647A1
Authority
WO
WIPO (PCT)
Prior art keywords
modeling
analysis
sub
particulate
image processing
Prior art date
Application number
PCT/BR2014/000389
Other languages
English (en)
French (fr)
Inventor
Adilson Jorge DA SILVA
Alexandre Augusto MORAES NOGUEIRA
Cláudio DUVAL DE ARAÚJO
Original Assignee
Da Silva Adilson Jorge
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Da Silva Adilson Jorge filed Critical Da Silva Adilson Jorge
Priority to PCT/BR2014/000389 priority Critical patent/WO2016061647A1/pt
Publication of WO2016061647A1 publication Critical patent/WO2016061647A1/pt

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials

Definitions

  • DIGITAL IMAGE PROCESSING MODELING PARTICULATE PROCESS is applicable to the analysis of all particulate materials such as ores and mixtures, metal surfaces, agricultural grains and biological materials.
  • the raw material used to make pellets is iron ore fines.
  • Ore processing notably iron ore, such as mine extraction, crushing, milling, transportation, silage, silos removal, moving etc., always generates fines that have no direct application in blast furnaces; on the contrary, they cannot be placed within them.
  • deposits whose ores are more friable that is, generate larger amounts of fines, which generate environmental risks and storage costs as well as increased extraction costs to obtain fraction contained within the particle size parameters of ores applicable to blast furnaces.
  • the process of producing pellets from ore fines, natural or obtained by grinding has a phase in which by fiotation the silica is eliminated or the content of the silica is greatly reduced.
  • the phiotation is performed in its own tanks, being an aqueous process, in which two chemical agents are released in controlled quantities: - starches and amines.
  • grayscale images popularly known as black and white
  • color images that is, color images.
  • a scanned grayscale image corresponds to an array of horizontal and vertical dimensions with pixel values, called pixels.
  • a low value pixel corresponds to a dark gray and a high value pixel corresponds to a light gray and thus, as the pixel value increases, one goes to the white representation.
  • RGB Redj Green, Blue
  • image processing aiming to discriminate objects, recognize shapes, measure sizes and quantities, uses the process of segmentation discrimination that requires the establishment of boundaries between apparent objects in an image and the identification of regions. between borders. For example, to quantify, by volume, a grain type present in a particulate, it is necessary to establish the boundaries between grains, identify the various regions and recognize those regions that correspond to the type of grain sought.
  • Borders and identification are operations on pixels, decisions about values of form; Different values, according to a precise decision threshold, delimit borders and similar values identify that they belong to the same region.
  • silica grains should be distinguished by their brightness, that is, recognizing lighter and darker grains. Silica grains tend to appear lighter, but the presence of other grains interferes. Grains of hydrated iron ores such as goethite and limonite may appear very light in a grayscale image. Grains of specular hematite, like the very name says, can reflect the incident light like a mirror, even though they are black. This reflection depends on the position and inclination of each grain relative to the incident light and the camera and makes the specular hematite grain to be considered as white in color and as clear as silica and of course to be confused by the processing system.
  • Goethite grains may appear reddish, brown, light gray almost white, or yellowish, and are often confused with silica grains. These variations are due to the type of ore being analyzed, ie they depend heavily on which areas of the same mine come from a given sample.
  • ores are usually not processed from a single mine area, but mixtures - or blends - of ores from various mine fronts. This means that an identification prepared for samples of one ore type from a given mining front or mix will not serve other types of ores or mixtures.
  • sample size that is, the measurement of the sizes of all apparent grains in images by the segmentation and boundary setting process is complex / error-prone and unstable.
  • grain size while extremely desirable and useful for controlling grinding and flotation processes, is impractical due to the difficulty of segmenting, establishing the boundaries between grains in images.
  • the object of this Patent describes an innovative process in which the quantification of grains in particulate samples is done without the need to segment and / or individually discriminate grains in images absolutely;
  • the quantification by images is the result of a model constructed with measurements made on a series of samples by chemical or physical processes, which are used for comparison with the data obtained from the digital images of the samples under analysis.
  • samples are selected in sufficient quantity and quality to represent the various situations that may occur in practice.
  • samples should be selected from the various mining fronts and "blends" used for the production process, with varying levels of the mineral to be analyzed and also varying particle sizes. This is necessary so that the model that will be responsible for the analysis can capture the universe of possibilities and thus adapt, providing more accurate and stable results.
  • the samples are prepared for analysis and quartered, that is, separated into representative aliquots of the same situation and intended for parts for physical or chemical testing and parts for imaging.
  • silica chemical tests will be used, eg plasma spectrometry, quantitative mineralogy tests for iron minerals and in sieves for granulometry.
  • results are tabulated, forming a data set that will be used as the set of reference variables for modeling.
  • the imaging samples are taken to the purpose-built digital imaging apparatus - which is not part of the object of this Patent - where the samples are exposed and the corresponding digital images are recorded. Note that in order to represent each sample well enough picture frames must be recorded. A number of frames around 100 for each sample in general is adequate.
  • the image frames thus obtained are analyzed by digital processing and data is extracted from the images and tabulated forming the input data set for the models.
  • sample quenching for aliquot separation for physical / chemical testing and imaging is not absolutely necessary. It is described this way because it is common practice in mining, as in the example described.
  • the order of physical / chemical testing and imaging operations can be reversed so that the same rates are used for both operations. This inversion will be the form shown in the flow chart for more generality. Also in the case of other particulates, where the tests are not destructive, the same rates may be used for testing and imaging in any order.
  • sample set selected for modeling In addition to the sample set selected for modeling, a sample set is also selected for validation, which will be described later.
  • the pixels of a digital image can be analyzed in a way that shows the distribution of values in the image. Scan the image by counting the number of pixels that have the same value. The amount of pixels found for each value is divided by the total pixels in the image. A table of correspondence between pixel value and its percentage occurrence is then arranged. This table is called the "Image Histogram". For grayscale images there will be a histogram showing the distribution of values from black to white and for polychromatic images there will be three histograms showing the intensities of R, G and B.
  • composition of these three windows must correspond to the color range of the grains of interest, covering all variations of these colors.
  • windows do not exactly match the decision thresholds of belonging or not to a particular species, but must match the full range of colors with that the species may appear in the sample set.
  • Histograms and, in particular, histogram windows carry quantitative information about the pixel colors present in images without any indication of the positions of these pixels. If an image is fully scrambled and re-analyzed the histograms and window values found will be the same as those found in the previous analysis.
  • Histogram windows thus constitute an indirect and global way of representing the colors of objects present in an image without the need to identify each particulate object individually, as is done in the prior art.
  • frequency is referred to space and as such is measured in terms of space unit inverses; "per meter” for the relief and "per pixel” for the image, since in the image space is represented in pixels.
  • the space in which a repeating pattern occurs is called a loop. For example, if in a picture a light and dark repeating pattern occurs and this pattern has a length of 40 pixels, there is a frequency of 1 cycle per 40 pixels, that is, a frequency of 0.025 cycles / pixel.
  • An image containing large objects has lower frequencies at higher intensity and an image containing small objects and many details has higher frequencies at higher intensity.
  • An image typically has high and low frequencies to varying degrees depending on the sizes, shapes, and positions of the objects present. Measuring the varying degrees of spatial frequencies constitutes a frequency spectrum. A frequency spectrum will then be an indirect and global way of representing the objects present in an image from their quantities, shapes and positions without the need to identify each object.
  • a set of frequencies is selected and the images of the particulate samples are processed to measure the intensities of these frequencies, forming the frequency spectrum.
  • the frequency spectrum is the second data set that will form the input variable set for the models. For grayscale images there will be a single spectrum and for color images there will be three spectra corresponding to the images in R, G and B.
  • the object of this patent tabulates the values of histogram windows and spatial frequency spectra forming the set of input variables for the models.
  • color stimuli and frequency stimuli are processed according to a particular model and respond by identifying the objects in an image.
  • This model of interpretation performed automatically by the human brain derives from the individual's learning, which is established about his natural, biological ability to receive stimuli and his neuronal ability to interpret stimuli.
  • the model should learn to perform this task by simultaneously placing data from color histogram and frequency spectrum window data as input variables and physical / chemical test data as reference variables for each sample.
  • a multivariable linear model operates through parameters, coefficients that link input variables to output variables.
  • the modeling phase in this case then consists of calculating these coefficients by specific technique.
  • this technique the input and reference data tabulated for all samples are processed together generating this processing a coefficient matrix.
  • This matrix then becomes the extract of knowledge, that is, how the model will respond with the contents of granulometry, in the case described, when facing particulate images.
  • the digital images of the samples are captured and the data of color histograms and frequency spectra are extracted; On this data, the coefficient matrix is applied, which results in the determination of component contents and their particle size.
  • Transformations of image frames prior to calculations of histograms and frequency spectra can also be made which, in some cases, improves the models.
  • DIGITAL IMAGE PROCESSING PROCESS OF PARTICULATE ANALYSIS is established and provided to your computer system upon installation for the purpose of analysis of a particular particulate. After the modeling is done, it is necessary to check the adherence of the model, that is, if it is able to respond well to situations other than those used in construction; This phase of deployment is called "model validation”.
  • the set of samples selected for validation is treated in the same way as the set used in model construction.
  • the process captures the images of these samples, extracts the input values and responds with output values in accordance with the acquired knowledge by applying the coefficient matrix.
  • the output values are then compared with the results of the physical / chemical tests, reference values to verify the adherence of the model.
  • Figures 1 and 2 correspond, respectively, to the implantation and operation flowcharts of the DIGITAL IMAGE PROCESSING PARTICULATE ANALYSIS PROCESS and Figure 3 to the image capture equipment, object of this patent.
  • the implantation consists of eight steps described below and represented in Figure 1.
  • the first step is the process of planning (1).
  • the process object of this patent is to transport the physical / chemical reality of a particulate to the reality of a computational model of digital images in such a way that the second reality corresponds to the first with fidelity appropriate to its intended purpose.
  • the physical / chemical and the image model - lies the effectiveness of the process and the planning must address three fundamental aspects: physical / chemical reality, images and model. It is best to capture the physical / chemical reality, make this reality reflected in digital images and build a model that unites the two realities with the appropriate fidelity to the process.
  • Physical / chemical reality may be the content of a component, the particle size, the shape or other attribute of the particles, all considered in this description as the magnitude to be analyzed.
  • Planning the capture of physical / chemical reality is the job of knowing the particulate that one wishes to analyze by the process object of this patent.
  • the object of this Patent applies to all types of particulates such that the magnitude desired to be analyzed can in some way be perceived in digital images and that there is a physical / chemical method capable of analyzing that same magnitude.
  • knowing the particulate and its physical / chemical reality implies the study of the magnitude to be analyzed, the physical / chemical method of analysis and all the forms and values with which the magnitude of interest may occur in practice.
  • the second step is to sample preparation (2).
  • the plan to capture physical / chemical reality is materialized in the sample set that will be used for modeling.
  • the sample set should reflect all forms and values under which the quantities of interest may occur.
  • Another set of samples with the same criteria is also prepared, which will be used in the model validation step.
  • the third step is the Digital Imaging (3).
  • the basic condition that ensures the feasibility of applying the process object of this patent is that the specific quantities of the particles to be analyzed can be perceived in digital images.
  • the sharpness of sizes and shapes in digital images is linked to the amount of image pixels that represent an object of interest.
  • image magnification that is, the physical size of the image frame and the resolution of the camera.
  • the quantity to be analyzed occurs in areas of at least one pixel in the digital image.
  • the process object of this patent applies to all types of particulate matter and it is therefore necessary for a given type to study the grain size and size of the digital imaging device to suit the particle size of interest.
  • each of the smallest particles of interest appear in the image in at least one pixel.
  • a 27mm wide and 20mm high image frame and a 640x480 pixel resolution camera are suitable.
  • the colors we assign to objects are a function of the interaction that occurs between the characteristics of the illumination to which they are being subjected with their characteristics. Physically no material has color, but it has the ability to absorb, reflect or depict incident light or emit light when excited by some kind of radiant energy, which may or may not be in the visible spectrum.
  • Illumination by visible or infrared light produced by various types of lamps, LEDs or laser is adequate.
  • Excitation by non-visible radiation such as ultraviolet or x-rays producing visible light by the fluorescence phenomenon is also adequate.
  • the fundamental condition is that digital images are generated in which the quantity of interest to be analyzed reveals itself.
  • the samples are taken to the digital imager where the images are taken.
  • the images are recorded in a digital file for further processing in the steps of color data extraction (5) and data extraction from spatial frequency spectrum (5).
  • the fourth step is to carry out physical tests / chemical (4).
  • the object of this patent applies to any type of particulate from which the magnitude to be analyzed may be perceived in digital images in any way and that there is a physical / chemical method capable of analyzing and quantifying the same quantity.
  • the quantity to be analyzed may be the content of a component and in this case chemical tests will be performed. If the quantity of interest is the content of a mineral species, quantitative mineralogy tests will be performed. For granuiometry, tests will be made on sieves.
  • the magnitude of interest is an analog value - it may be an attribute - and in this case the process object of this Patent will be an analyzer with yes or no answers.
  • the process of modeling the quantity of interest, in this case an attribute, with data extracted from images is the same and can be performed as long as there is a method of classifying samples by the attribute in question.
  • More than one quantity may be analyzed on the same particulate sample by the process object of this patent. This is the case in the iron ore example where the silica, iron minerals and particle size analysis are analyzed.
  • the tests are performed and the results are tabulated and stored temporarily for use in the modeling step (6) as model reference variables.
  • the fifth step is the color data extraction (5).
  • the recorded images of the particulate samples are, in this step, processed by computer to extract the color data.
  • color data is stored for use in modeling step (6) as input variables to models.
  • the sixth step is the spectral data extraction spatial frequencies (6).
  • the recorded digital images of the particulate samples are, at this stage, processed to extract data from spatial frequency spectra. These data are extracted as a relative intensity of a frequency group, forming a spectrum.
  • Frequency values measured in cycles / pixels, and the number of frequencies to make up the spectrum, are chosen to best capture how physical / chemical reality manifested itself in the reality of images in terms of size and shape.
  • the frequency set is chosen to best capture the sizes and shapes apparent in the images.
  • the "wavelets” technique can be used. (wavelets), the application of specific or other filters. All of these techniques are suitable.
  • a set of spatial frequencies that yields good results in many cases is made up of 12 ascending spatial frequencies at diminished fifth intervals, that is, increasing at the square root ratio of two.
  • these frequencies correspond to 1 cycle per 80, 56, 40, 28, 20, 14, 10, 7, 5, 4, 3 and 2 pixels.
  • the set then starts from the lowest frequency of 1 cycle per 80 pixels, or 0.0125 cycles / pixel, and increases at the square root ratio of two to the highest frequency of 1 cycle per 2 pixels or 0.5 cycles / pixel.
  • the intensities of these frequencies are measured by the bandpass filter technique.
  • the root ratio of two is approximate to integers, hence the sequence 80, 56, 40, 28, 20, 14, 10, 7, 5, 4, 3 and 2. Note that every two intervals there is twice the frequency, that is, one octave.
  • Frequency spectra data extraction is generally performed on each R, G and B image frame. As with colors, you can perform operations on R, G and B frames to obtain transformed frames. with subsequent extraction of frequency data.
  • the images are processed and the frequency spectrum data stored for use in the modeling step (6) as input variables to the models.
  • the seventh step is the modeling (7).
  • the sets, input variables and reference values are processed by a suitable computational technique in order to obtain the model, which constitutes the union between the two realities.
  • models can be used such as the multivariable linear model, the nonlinear model, the neural networks and their respective modeling techniques.
  • the obtained model consists of the coefficient matrix values, in the case of a multivariable linear model, the definition of operations on the image frames, the definition of the windows on the histograms and the definition of the frequency spectra used. Still for the Model Consolidation (8), it is necessary, before its implementation is completed, to validate the obtained model.
  • the obtained model which in principle offers adequate answers to the practical use that will be made of the object of this Patent, must be verified in situations similar to the one according to which it was elaborated, which is called validation of the obtained model.
  • samples that have been reserved for this purpose in the sampling step are taken to the digital image capture apparatus for image taking in accordance with the established form of sampling and image capture.
  • the values are obtained according to the same definitions of the color histograms and frame transformations and frequency spectrum windows of the obtained model, forming a set of input values for validation.
  • the coefficient matrix is applied to each row of the input values, obtaining the corresponding answers from the model.
  • the occurrence of a less than adequate hit percentage indicates that the sample set used did not cover all possibilities; In this case, the sample preparation stage should be returned to the generation of new sets that also include the possibilities not previously contemplated.
  • the eighth step is consolidation model (8).
  • Model Consolidation (8) is performed and the model is stored ("upload") for use in the digital imaging device that will analyze the quantities of interest.
  • the consolidated model consists of the coefficient matrix values, in the case of a multivariable linear model, the definition of operations on the image frames, the definition of the windows on the histograms and the definition of the frequency spectra used.
  • Model Consolidation (8) in digital memory bit state.
  • FIG. 2 is a flowchart showing the use of the process object of this patent, considered and implemented and consolidated the following steps: 1 - use of the first step (9).
  • Data from digital processing on sample captures (13) are processed according to the consolidated model and the values of the quantities of interest are inferred.
  • results obtained in the previous item may take the form of data for industrial automation system, video information and other applications. typical of data processing.
  • this information corresponds to the silica and other mineral contents and the particle size, which are used for flotation process control. 7 - Seventh step of using (15).
  • Figure 3 illustrates a schematic diagram of the particulate capture equipment for the example in question where it is used for analysis of silica-containing iron ore particulates.
  • a 640x480 pixel color CCD camera with IP connection and iris lens with fixed focus is preferably used.
  • It consists of two illuminators with independent intensity settings for each of the elements R, G and B.
  • Display table positioned relatively perpendicular to the capture camera.
  • a table of sufficient size to capture a 27mm wide and 20mm frame reading is suitable.

Landscapes

  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Physics & Mathematics (AREA)
  • Dispersion Chemistry (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Remote Sensing (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

Análise de quaisquer materiais particulados, através de suas amostras, baseada em modelagem por processamento digital de imagens. Diminuição do tempo de obtenção de resultados de análises dos teores dos vários componentes de materiais particulados bem como das granulometrias dos mesmos. Aumento da rapidez, precisão, estabilidade e da segurança em fornecimento de resultados de análises de particulados, onde o processo quantifica os grãos das amostras de particulados sem a necessidade de segmentar e/ou discriminar individualmente os grãos em imagens de forma absoluta; a quantificação pelas imagens é resultado de um modelo. O processo constrói e utiliza modelos que, diante dos dados de janelas de histogramas de cores e espectros de frequência, respondem com a qualificação e a quantificação dos grãos presentes em uma amostra de particulado e possui duas etapas principais, coleta de dados e operação, a primeira composta de oito sub-etapas e a segundas de sete.

Description

PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS
Campos desta Patente
Análise quaisquer materiais particulados, através de suas arhostras, baseada em modelagem por processamento digital de imagens. Diminuição do tempo de obtenção de resultados de análises dos teores dos vários componentes de materiais particulados bem como das granulometrias dos mesmos. Aumento da rapidez, precisão, estabilidade e da segurança em fornecimento de resultados de análises de particulados.
Estado da Técnica
Para facilitar a compreensão das bases tecnológicas do Estado da Técnica, este relatório de Patente o descreve aplicado à produção de pelotas de minério de ferro concentrado, onde é amplamente utilizado, pois, esta é uma de suas aplicações mais importantes e de maior significação económica e ambiental; em seguida, para comparação, são descritos os avanços ao Estado da Técnica trazidos por esta Patente também aplicados à análise de produção de pelotas de minério de ferro concentrado.
O PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS é aplicável à análise de todos os materiais particulados, tais como minérios e suas misturas, superfícies de metais, grãos da agricultura e materiais biológicos.
A matéria prima utilizada na fabricação de pelotas são os finós de minério de ferro.
Os processamentos de minérios, notadamente os de minérios ferro, tais como extração da mina, britagem, moagem, transporte, silagem, retirada de silos, movimentações etc, sempre geram finos que não tem aplicação direta em altos fornos; pelo contrário, não podem ser colocados em seus interiores. Além disto, há jazidas cujos minérios são mais friáveis, isto é, geram maiores quantidades de finos, que geram riscos ambientais e custos de armazenamento bem como aumento de custos de extração para a obtenção da fração contida dentre os parâmetros granulométricos de minérios aplicáveis a altos fornos.
Em função da grande produção mundial de finos de minérios de ferro, nos últimos 50 anos desenvolveu-se a tecnologia da produção de pelotas, baseada na utilização deles, sendo que, nos processos que ocorrem antes da transformação dos mesmos em pelotas, deve-se eliminar a sílica, por fiotação e, por diversos outros processamentos prévios de concentração, fazer pelotas com altos teores de ferro e dentro de especificações precisas, o que as torna, ao mesmo tempo, uma matéria prima valiosa para altos fomos e uma forma de aproveitar os rejeitos de finos acumulados, tornando economicamente viáveis as minas cujos minérios apresentam menores teores de ferro e/ou tendência a gerar grande quantidade de finos.
O processo de produção de pelotas, a partir de finos de minérios, naturais ou obtidos por moagem, tem uma fase na qual, por fiotação, elimina-se a sílica ou diminui-se, muito, o teor da mesma.
A fiotação é efetuada em tanques próprios, sendo um processo aquoso, no qual se lançam dois agentes químicos em quantidades controladas:- amidos e aminas.
Como a fiotação é um processo contínuo de produção, amostras significativas devem ser colhidas periodicamente e analisadas para, dentre outros fins, se regular a injeção dos agentes acima referidos e outros parâmetros de processo para a obtenção de pelotas com teores de sílica dentro dos padrões siderúrgicos.
Por questões de volume de produção, de produtividade e de qualidade, é imperioso que os resultados das análises das matérias primas particuladas sejam seguros, confiáveis e que sejam obtidos rapidamente.
Os métodos químicos de análise são demorados e, embora utilizados para apurar a qualidade dos produtos, não são adequados para um controle eficiente do processo produtivo, havendo necessidade de outros meios de análise mais rápida, como os de análise por imagem. Atualmente, pode-se considerar como referência do Estado da Técnica, a Patente n° PI0202682-1 , cujo princípio de funcionamento é a captura de imagens digitalizadas das amostras apresentadas e dispostas segundo determinados protocolos, seguida da análise destas imagens digitais, sendo que nesta análise se busca determinar o teor de sílica através da discriminação dos grãos de sílica na imagem e, também, a medida dos seus tamanhos e volumes.
Críticas ao Estado da Técnica
No processamento de imagens digitais são utilizados dois tipos de imagens:- as imagens em tons de cinza, popularmente conhecidas como preto e branco, e as imagens policromáticas, isto é, coloridas.
Uma imagem em tons de cinza digitalizada corresponde á uma matriz de dimensões horizontal e vertical com valores de elementos de imagem, denominados pixels. Um pixel com valor baixo corresponde a um cinza escuro e um pixel de valor alto corresponde a um cinza claro e assim, na medida em que se aumenta o valor do pixel, vai-se até a representação do branco.
Em imagens policromáticas é necessário lançar mão da; propriedade de composição de cores. São utilizadas três cores fundamentais, vermelho, verde e azul, sendo este sistema conhecido como RGB (Redj Green, Blue). Para representar as diversas tonalidades de cor são então tomados valores separados para R, G e B e a dosagem entre estes valores é que fornece as outras cores conhecidas. Assim, numa imagem policromática, a cada pixel correspondem três valores: - R, G e B. Estes valores podem ser dispostos de várias maneiras e uma delas é formar três matrizes independentes, mantendo-se a correspondência horizontal e vertical para cada pixel. Tem-se desta maneira para cada quadro de imagem de cores diversas, três matrizes separadas de cores R, G e B. O processamento de uma imagem policromática exige, portanto, operações sobre três matrizes separadas. No Estado da Técnica, conforme Patente citada, o processamento de imagens objetivando discriminar objetos, reconhecer formas, medir tamanhos e quantidades, utiliza o processo de discriminação por segmentação que requer o estabelecimento das fronteiras entre os objetos aparentes em uma imagem e a identificação de regiões entre fronteiras. Por exemplo, para se quantificar, em volume, um tipo de grão presente em um particulado, é necessário estabelecer as fronteiras entre os grãos, identificar as diversas regiões e reconhecer aquelas regiões que correspondem ao tipo de grão procurado.
Em seguida é necessário medir os tamanhos destas regiões, que correspondem aos tamanhos dos grãos, calcular seus volumes e somá-los. O estabelecimento de fronteiras e a identificação são operações sobre os pixels, decisões sobre valores da forma; valores diferentes, segundo um limiar preciso de decisão, delimitam fronteiras e valores semelhantes identificam que pertença a uma mesma região.
Estas operações em computador demandam um grande volume de processamento, pois, requerem decisões sobre os pixels individuais e da vizinhança, varredura sobre regiões de matrizes de pixel de imagem e repassagem de matrizes várias vezes.
Em imagens de particulados é grande a dificuldade em estabelecer fronteiras em função das variações sutis de tonalidade de cor de grãos da mesma espécie, texturas, presença de grãos de espécies diferentes com tonalidade semelhante, contornos serrilhados e sobreposição por empilhamento.
Esta é a situação no caso apresentado da medição de sílica em particulado de minério de ferro. Se forem utilizadas imagens em tons de cinza, devem-se distinguir os grãos de sílica pelo brilho, isto é, reconhecer grãos mais claros e mais escuros. Há tendência de os grãos de sílica aparecerem mais claros, porém, a presença de outros grãos interfere. Os grãos de minérios de ferro do tipo hidratado, como goethita e limonita podem aparecer bastante claros em uma imagem em tons de cinza. Grãos de hematita especular, como o próprio nome diz, podem refletir a luz incidente como um espelho, apesar de serem negros. Esta reflexão depende da posição e inclinação de cada grão em relação à luz incidente e a câmera e faz o grão de hematita especular ser considerado como de cor branca e ser tão claro quanto o de sílica e, naturalmente, ser confundido pelo sistema de processamento.
A utilização de imagens policromáticas pode favorecer a identificação pelas diferentes reflexões em cada banda do espectro luminoso, entretanto, o processo torna-se bem mais complicado, pois, emerge a necessidade de se estabelecer fronteiras entre os grãos em três quadros de imagem, tendo-se, também, de se conciliar estas fronteiras entre si, de modo que a demanda por processamento cresce muito mais que apenas a multiplicação por trés.
Outra característica dos materiais - no caso estamos nos: referindo, como exemplo, ao processo de análise de particulados de minério de ferro contendo sílica em grãos - é que, a natureza dos grãos também interfere na identificação de cores. A sílica pode aparecer em imagens de particulados de minério de ferro em várias cores: - desde grãos muito brancos até grãos de colorações ametista, topázio ou amarelo claro.
Os grãos de goethita, por exemplo, podem aparecer em tom avermelhado, castanho, cinza claro quase branco, ou amarelados, sendo muitas vezes confundidos com os grãos de sílica. Estas variações são devidas ao tipo do minério que está sendo analisado, isto é, dependem fortemente de que áreas de uma mesma mina provem uma determinada amostra.
Além disto, normalmente, não são processados minérios de uma única área de mina, mas, misturas - ou blends - de minérios de várias frentes de lavra. Isto significa que uma identificação preparada para amostras de um tipo de minério, proveniente de uma determinada frente de lavra, ou de misturas, não servirá a outros tipos de minérios ou misturas.
Estas particularidades têm como resultado que um processo de análise, como o descrito pelo Estado da Técnica, embora útil ao controle* do processo de flotação, sofre variações de resultado com mudanças de frentes de lavra e "blendagens", levando à necessidade de correções frequentes no sistema de controle e exigindo a intervenção dos operadores.
Tudo isto faz com que a discriminação absoluta pelo processo de segmentação dos minerais presentes numa amostra seja complexa e sujeita a erros, exigindo muita demanda por processamento e levando à imprecisão e instabilidade.
Todos estes problemas são comuns a vários tipos de particulados que se deseja analisar por processamento de imagens o que faz com que o processo de discriminação absoluta pela segmentação de imagens seja inadequado em muitos casos.
Pelas mesmas razões a granulometria de amostras, ou seja, a medida dos tamanhos de todos os grãos aparentes nas imagens pelo processo de segmentação e estabelecimento de fronteiras é complexa/ sujeita a erros e instável. Em minério de ferro, por exemplo, a granulometria, embora seja extremamente desejável e útil para controle dos processos de moagem e flotação, é impraticável peia dificuldade de segmentar, de estabelecer as fronteiras entre grãos nas imagens.
Assim, análises realizadas sob o Estado da Técnica deixam muito a desejar, quanto ao tempo de processamento e à insegurança dos resultados, embora seja um grande avanço em relação à técnica anterior, de análises químicas.
Avanços no Estado da Técnica trazidos pelo PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, objeto desta Patente.
O objeto desta Patente descreve um inovador processo em que a quantificação de grãos em amostras de particulados e feita sem a necessidade de segmentar e/ou discriminar individualmente os grãos em imagens de forma absoluta; a quantificação pelas imagens é resultado de um modelo construído com as medidas realizadas em uma série de amostras por processos químicos ou físicos, que são usados para comparação com os dados obtidos das imagens digitais das amostras em análise. No processo objeto desta Patente são selecionadas amostras em quantidade e qualidade suficientes para representar as várias situações que podem ocorrer na prática. Para o minério de ferro, por exemplo, devem ser selecionadas amostras provenientes das várias frentes dé lavra e de "blendagens" utilizadas para o processo produtivo, com teores variáveis do mineral que se deseja analisar e granulometrias também variáveis. Isto é necessário para que o modelo que responderá pelas análises possa captar o universo de possibilidades e dessa forma se adequar, fornecendo resultados mais precisos e estáveis.
Selecionadas as amostras, estas são preparadas para análise e quarteadas, isto é, separadas em alíquotas representativas de uma mesma situação e destinadas em partes para os ensaios físicos ou químicos e partes para as tomadas de imagens. No caso citado do minério de ferro em que se deseja construir um analisador de sílica, de minerais de ferro específicos e granulometria, serão utilizados ensaios químicos para sílica, por exemplo, espectrometria de plasma, ensaios de mineralogia quantitativa para os minerais de ferro e ensaios em peneiras para granulometria.
Realizadas as diversas análises, os resultados são tabulados, formando um conjunto de dados que será utilizado como o conjunto das variáveis de referência para a modelagem.
Obtido assim o conjunto das variáveis de referência dos modelos, é necessário obter-se o conjunto das variáveis de entrada. Para tal, as amostras destinadas à tomada de imagens são levadas ao aparelho de captura de imagens digitais, construído para este propósito - que não faz parte do objeto desta Patente - onde as amostras são expostas e são gravadas as imagens digitais correspondentes. Observe-se que para representar bem cada amostra devem ser gravados quadros de imagem em quantidade suficiente. Um número de quadros em torno de 100 para cada amostra, em gerai, é adequado. Os quadros de imagem assim obtidos são analisados por processamento digital e são extraídos dados das imagens e tabulados formando o conjunto de dados de entrada para os modelos.
Observe-se que o quarteamento de amostras para separação em alíquotas para ensaios físico/químicos e tomada de imagens não é absolutamente necessário. Está descrito desta forma porque é a prática comum em mineração, como no exemplo descrito. A ordem das operações de ensaios físico/químicos e tomada de imagens pode ser invertida de modo que sejam utilizadas as mesmas alíquotas para as duas operações. Esta inversão será a forma mostrada no fluxograma para maior generalidade. Também em casos de outros particulados, em que os ensaios não sejam destrutivos, as mesmas alíquotas podem ser utilizadas para os ensaios e tomadas de imagens, em qualquer ordem.
Além do conjunto de amostras selecionado para a modelagem, é também selecionado um conjunto de amostras para validação, o que será descrito mais adiante.
Para compreensão do que sejam os dados extraídos das imagens para o propósito de modelagem, é necessário comentar sucintamente algumas técnicas de processamento de imagens digitais, o que se faz a seguir.
Histogramas.
Os pixels de uma imagem digital podem ser analisados de uma forma que mostra a distribuição dos valores na imagem. Varre-se a imagem contando-se a quantidade de pixels que tem o mesmo valor. Divide-se a quantidade de pixels encontrada para cada valor pelo total de pixels da imagem. Organiza- se então uma tabela de correspondência entre valor de pixel e sua ocorrência percentual. Esta tabela é chamada de "Histograma da Imagem". Para imagens em tons de cinza haverá um histograma mostrando a distribuição dos valores desde negro até branco e para imagens policromáticas haverá três histogramas mostrando as intensidades de R, G e B. Geralmente, não interessa à analise o conhecimento da porcentagem para um único valor, mas, sim a soma das ocorrências dos valores próximos a estes, ou seja, o totai de porcentagens de ocorrência em faixas de valores que correspondam ao objeto procurado; os valores assim obtidos são denominados "janelas" para os efeitos desta Patente. Assim, se numa imagem em tons de cinza de minério de ferro se deseja analisar a sílica, estabelece-se uma janela de valores que corresponda às intensidades de branco com que os grãos de sílica aparecem na imagem. Para uma imagem policromática serão estabelecidas três janelas, uma para cada cor fundamental, isto é, uma janela em cada histograma R, G e B.
A composição destas três janelas deve corresponder à gama de cores dos grãos de interesse, abrangendo todas as variações destas cores.
No caso de, em uma mesma imagem, se desejar analisar grãos de espécies diferentes, haverá tantos conjuntos de janelas quantas forem as espécies de interesse.
Diferentemente do processo descrito como Estado da Técnica de segmentação de imagens, para os propósitos de modelagem desta Patente, as janelas não correspondem exatamente aos limiares de decisão de pertença ou não pertença a uma determinada espécie, mas devem corresponder a toda a gama de cores com que a espécie possa aparecer no conjunto de amostras.
Desta forma não há problema se houver em algum histograma a interseção de janelas de espécies diferentes.
Para o propósito de modelagem objeto desta Patente, os valores obtidos para as janelas correspondentes às espécies de grãos que se deseja analisar formam o primeiro conjunto de dados que será utilizado como variáveis de entrada dos modelos.
Os histogramas e, em particular, as janelas sobre os histogramas carregam informações quantitativas sobre as cores de pixels presentes nas imagens sem qualquer indicação das posições destes pixels. Se uma imagem for totalmente embaralhada e novamente analisada os histogramas e valores de janelas encontrados serão os mesmos encontrados na análise anteriormente realizada.
As janelas de histogramas constituem então uma maneira indireta e global de representar as cores dos objetos presentes em uma imagem sem a necessidade de identificar cada objeto particulado individualmente, como é feito no Estado da Técnica.
As informações sobre as posições dos pixeis de uma determinada gama de cores e seus agrupamentos devem ser obtidas por outra técnica de processamento de imagens, que formará o segundo conjunto de dados para as variáveis de entrada dos modelos e que se descreve a seguir.
Frequências espaciais.
Imagine-se um quadro de imagem como um relevo sobre um plano, no qual os picos correspondam aos pontos claros e o vales aos pontos escuros. Imagine-se viajar sobre este relevo em velocidade constante. Sentir-se-ão os solavancos conforme o relevo se apresentar com ondulações longas ou curtas. Um relevo com ondulações curtas produzirá solavancos mais frequentes que um relevo com ondulações longas; em outras palavras: - a frequência dos solavancos está diretamente ligada aos comprimentos das ondulações e cada relevo específico é por si próprio um conjunto particular e informativo apresentado sob a forma de frequências espaciais.
Isto significa que se pode traduzir uma imagem em forma de um conjunto de frequências espaciais. Nos dois casos, do relevo e da imagem, a frequência está referida ao espaço e como tal é medida em termos de inversos de unidades de espaço; "por metro" para o relevo e "por pixel" para a imagem, já que na imagem o espaço está representado em pixeis. O espaço em que ocorre um padrão de repetição é chamado um ciclo. Por exemplo, se numa imagem ocorre um padrão de repetição de claros e escuros e este padrão tem um comprimento de 40 pixeis, ali está uma frequência de 1 ciclo por 40 pixeis, ou seja, uma frequência de 0,025 ciclos/pixel. Uma imagem que contenha objetos grandes possui frequências baixas em maior intensidade e uma imagem que contenha objetos pequenos e muitos detalhes possui frequências altas em maior intensidade. Uma imagem normalmente apresenta frequências altas e baixas em graus variados dependendo dos tamanhos, formas e posições dos objetos presentes. A medida dos graus variados das frequências espaciais constitui um espectro de frequências. Um espectro de frequências será então uma maneira indireta e global de representar os objetos presentes em uma imagem, a partir de suas quantidades, formas e posições sem a necessidade de identificar cada objeto.
Várias são as técnicas para obtenção de um espectro de frequências a partir de uma imagem digital e dentre elas se destacam a análise de Fourier, a técnica de "ondaletas" (wavelets) e aplicação de filtros específicos; para efeitos do objeto desta Patente, todas estas técnicas são adequadas à quantificação de frequências espaciais.
Para o propósito de modelagem objeto desta Patente, seleciona-se um conjunto de frequências e as imagens das amostras de particulado são processadas para a medida das intensidades destas frequências, formando o espectro de frequências.
O espectro de frequências constitui o segundo conjunto de dados que formará o conjunto de variáveis de entrada para os modelos. Para imagens em tons de cinza haverá um único espectro e para imagens policromáticas haverá três espectros correspondendo às imagens em R, G e B.
No objeto desta Patente são tabulados os valores de janelas de histogramas e os espectros de frequências espaciais formando o conjunto de variáveis de entrada para os modelos.
Uma consideração importante a se fazer sobre estes dados é que, embora não seja necessário identificar os objetos presentes numa imagem, de forma individua!, todos os objetos contribuem para os valores dos dados. Cada partícula, cada pixel é contabilizado, não isoladamente, mas de uma forma globa! de tal forma que os histogramas e espectros de frequências representam como que uma "assinatura" da imagem. Esta "assinatura" é que permitirá qualificar e quantificar o conteúdo da imagem, o que é conseguido através da modelagem.
Modelagem.
Estudos indicam haver um paralelo entre a visão humana e o processo descrito nesta Patente. A visão humana oferece respostas rápidas e globais aos estímulos das imagens. O olho humano possui sensores especializados para a percepção de cores de forma muito semelhante ao sistema RGB. Também existe alguma forma de especialização para a percepção de frequências espaciais. As células retinianas ganglionares P (do latim parvum - pequeno) possuem campos receptivos pequenos e reagem a detalhes minuciosos, isto é, funcionam como um filtro para frequências espaciais altas. As células retinianas ganglionares M (do latim agnum - grande) possuem campos receptivos grandes e reagem melhor aos objetos grandes, isto é, funcionam como um filtro para frequências baixas.
Eis uma analogia com o cérebro humano: - nele, os estímulos de cores e os estímulos de frequências são processados segundo um determinado modelo e responde com a identificação dos objetos de uma imagem.
Este modelo de interpretação realizado automaticamente pelo cérebro humano é decorrente do aprendizado do indivíduo, o qual é estabelecido sobre sua capacidade natural, biológica, de receber estímulos e sobre sua capacidade neuronal de interpretar estímulos.
O site abaixo fornece um dos mais belos e impactantes exemplos da literatura sobre a interpretação de imagens; nele, as imagens, em forma de fotografias mal definidas à primeira vista, se vistas a distâncias diferentes mostram a famosa foto de Einstein, com os cabelos revoltos, se transformar numa foto da bela atriz arilyn Monroe e vice-versa, vide:
(http://www.bloqpercepto.com/2010/11/ilusoes-de-imaqens-hibridas.html) A inclusão deste site é feita para ilustrar, visualmente, o que o objeto desta Patente realiza, por métodos computacionais: compreender as características particulares de uma determinada amostra através da técnica de análise de frequências espaciais.
Pode-se citar como bibliografia: - "Schyns, G. R, & Oliva, A. (1999)". Dr. Angry and Mr. Smile: when categorization flexibly modifies the perception of faces in rapid visual presentations. Cognition, 69, 243-265.
O que se descreve nesta Patente são a construção e a utilização de modelos que, diante dos dados de janelas de histogramas de cores e espectros de frequência respondem com a qualificação e a quantificação dos grãos presentes em uma amostra de particulado.
O modelo deve aprender a realizar esta tarefa diante da colocação simultânea dos dados de janelas de histogramas de cores e espectros de frequências, como variáveis de entrada, e os dados de ensaios físico/químicos como variáveis de referência de cada amostra.
Muitas são as técnicas conhecidas para modelagem e os tipos de modelos correspondentes como, por exemplo, o modelo linear multivariável, o modelo não linear e as redes neurais.
Para o propósito de modelagem descrito nesta Patente todas estas técnicas e ainda outras mais são adequadas. Para o exemplo descrito da análise de espécies minerais e granulometria em minério de ferro o modelo linear multivariável oferece bom resultado.
Um modelo linear multivariável opera através de parâmetros, coeficientes que ligam as variáveis de entrada às variáveis de saída. A fase de modelagem neste caso consiste, então, no cálculo destes coeficientes por técnica específica. Nessa técnica, os dados de entrada e referência tabulados para todas as amostras são processados juntos gerando este processamento uma matriz de coeficientes. Esta matriz passa a ser então o extrato do conhecimento, isto é, a forma como o modelo responderá com os teores de minerais e a granulometria, no caso descrito, quando diante de imagens de particulados.
No processo objeto desta Patente, são capturadas as imagens digitais das amostras e extraídos os dados de histogramas de cores e espectros de frequência; sobre estes dados, é aplicada a matriz de coeficientes, o que resulta na determinação de teores de componentes e de granulometria dos mesmos.
A formação de dados, histogramas e espectros de frequências, foi descrita até agora, sobre a utilização dos quadros de imagens R, G e B da forma pura, isto é, da maneira como são adquiridos diretamente das imagens sem qualquer transformação.
Para efeito da modelagem esta não é a única forma; também podem ser feitas transformações dos quadros de imagem anteriores aos cálculos de histogramas e espectros de frequências o que, em alguns casos, melhora os modelos. Pode-se, por exemplo, transformar os três quadros R, G e B para outras maneiras de quantificar a cor como matiz, saturação e luminosidade. Podem ser feitas combinações lineares diversas para obtenção de quadros que levem a modelos mais aderentes. Podem ser também obtidos quadros submetidos às janelas de cor, sob definição de limiares, para posterior cálculo dos espectros de frequências.
No objeto desta Patente, todas estas variações sobre o tratamento de dados podem ser utilizadas no processo de modelagem de dados de imagem, tendo em referência a realidade fornecida por ensaios físico/químicos sobre as propriedades de particulados que serão analisados por modelagem de imagem.
O grau de confiabilidade dos resultados do processo de modelagem objeto desta Patente, PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS é estabelecido e fornecido ao seu sistema computacional, quando da instalação do mesmo para o fim de análise de um determinado particulado. Após ser feita a modelagem é necessário verificar a aderência do modelo, isto é, se o mesmo é capaz de responder bem diante de outras situações que não aquelas utilizadas na construção; esta fase da implantação é chamada de "validação do modelo".
O conjunto de amostras selecionado para validação é tratado da mesma forma que o conjunto utilizado na construção do modelo. O processo captura as imagens destas amostras, extrai os valores de entrada e responde com valores de saída em conformidade com o conhecimento adquirido, pela aplicação da matriz de coeficientes. Os valores de saída são então comparados com os resultados dos ensaios físico/químicos, valores de referência para se verificar a aderência do modelo.
Validado o modelo, considera-se o processo apto a fazer as futuras análises e passa-se à fase de utilização do mesmo.
São as seguintes as vantagens do PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS objeto desta Patente sobre o Estado da Técnica: -
1 - obtenção de resultados mais precisos;
2 - maior rapidez em fornecimento de resultados, poisi demanda menor quantidade de processamento computacional, consequentemente permite análise de amostras maiores e, portanto, mais representativas da realidade;
3 - o modelo é elaborado com análises de amostras que contemplam todas as situações reais, portanto o objeto desta Patente está apto a responder corretamente frente aos vários casos, oferecendo resultados muito mais estáveis que o Estado da Técnica.
4 - o processo é capaz de enxergar onde o Estado da Técnica não enxerga, pois, conforme descrito, embora não seja necessário identificar individualmente cada um dos objetos presentes numa imagem, no processo objeto desta Patente, todos os objetos contribuem para os valores dos histogramas e espectros de frequência, pois, cada partícula, cada pixel é contabilizado e, assim, uma partícula que não pode ser identificada na imagem pelo processo descrito pelo Estado da Técnica, é levada em conta; 5 - As características do processo objeto desta Patente, ao apresentar as vantagens acima citadas, o levam a ter um alcance analítico muito maior que o citado como Estado da Técnica, pois, consegue quantificar o que não é viável pelo anterior.
No caso do minério de ferro, pelo Estado da Técnica, só é praticável a medida do teor de sílica e uma referência aproximada da granulometria da mesma; pelo objeto desta Patente é possível quantificar o teor de sílica e de outros minerais presentes na amostra, como as variedades dos minerais de ferro, e a granulometria de todos os componentes da amostra.
Estas vantagens do objeto desta Patente são aplicáveis a quaisquer outros tipos de particuiados, pois, a modelagem descrita funciona segundo o mesmo principio de extrair dados de imagens de amostras de particuiados comparando-os aos dados de ensaios analíticos físico/químicos.
Ilustrações e funcionamento do PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, objeto desta Patente.
A seguir são descritos os passos da implantação do objeto desta patente e os passos de sua utilização fazendo análises via modelagem por processamento de imagens digitais; é mantida, como exemplo, a análise do minério de ferro particulado contendo sílica.
As Figuras 1 e 2 correspondem, respectivamente, aos fluxogramas de implantação e de operação do PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS e a Figura 3 ao equipamento destinado à captura das imagens, objeto desta patente.
A implantação consta de oito passos a seguir descritos e representados na Figura 1.
1o - O primeiro passo é o Planejamento do processo (1). O processo objeto desta Patente consiste em se transportar a realidade físico/química de um particulado para a realidade de um modelo computacional de imagens digitais de tal sorte que a segunda realidade corresponda à primeira com fidelidade adequada ao fim a que se destina. Nestas duas realidades - a físico/química e a do modelo de imagens - reside a efetividade do processo e o planejamento deve contemplar três aspectos fundamentais: realidade físico/química, imagens e modelo. Deve-se, da melhor forma, capturar a realidade físico/química, fazer esta realidade refletir- se em imagens digitais e construir-se um modelo que una as duas realidades com a fidelidade adequada ao processo. A realidade físico/química pode ser o teor de um componente, a granulometria, a forma ou outro atributo das partículas, tudo isto considerado nesta descrição como a grandeza que se deseja analisar.
Planejar a captura da realidade físico/química é o trabalho de conhecer o particulado que se deseja analisar pelo processo objeto desta Patente. O objeto desta Patente se aplica a todo tipo de particulado tal que a grandeza que se deseja dele analisar possa de alguma forma ser percebida em imagens digitais e que exista um método físico/químico capaz de analisar aquela mesma grandeza.
Assim, conhecer o particulado e sua realidade físico/química implica no estudo da grandeza que dele se deseja analisar, do método físico/químico de análise e de todas as formas e valores com que a grandeza de interesse possa ocorrer na prática.
2o - O segundo passo é a Preparação de amostras (2).
Embora o aparelho de captura de imagens digitais não seja objeto desta Patente, é necessário descrever os requisitos das imagens para efeito de aplicação ao objeto desta Patente.
O planejado para captura da realidade físico/química é materializado no conjunto de amostras que será utilizado para a modelagem. O conjunto de amostras deve refletir todas as formas e valores sob as quais as grandezas de interesse possam ocorrer.
Por exemplo, no caso de minério de ferro em que se deseja conhecer os teores de sílica, de minerais de ferro específicos e granulometrias de todos estes componentes, devem ser escolhidas amostras de todas as frentes de lavra e blendagens usuais, com teores de sílica e valores da granuiometria em toda faixa operacional do processo de flotação.
As amostras são então preparadas para as etapas seguintes, que são as
Tomadas de imagens e Ensaios físico/químicos segundo os métodos praticados para estes ensaios.
Também se prepara outro conjunto de amostras com os mesmos critérios, o qual será utilizado na etapa de Validação dos modelos.
3o - O terceiro passo consiste nas Tomadas de imagens digitais (3).
A condição básica que assegura a viabilidade de aplicação do processo objeto desta Patente é que as grandezas específicas dos particulados que se deseja analisar possam ser percebidas em imagens digitais.
Esta percepção pode ocorrer em termos de cores, tamanhos e formas e estes elementos devem aparecer com nitidez nas imagens.
A nitidez de tamanhos e formas nas imagens digitais está ligada à quantidade de pixels da imagem que representam um objeto de interesse.
Essa quantidade por sua vez está ligada à ampliação da imagem, isto é, ao tamanho físico do quadro de imagem e à resolução da câmera.
Para efeito de aplicação ao processo objeto desta Patente, é necessário que a grandeza que se deseja analisar ocorra em áreas de pelo menos um pixel na imagem digital. O processo objeto desta Patente se aplica a todo tipo de material particulado e é então necessário que para um determinado tipo seja estudada a granuiometria e seja dimensionado o dispositivo de captura de imagens digitais adequando-o ao tamanho das partículas de interesse.
O critério prático é que cada uma das menores partículas de interesse apareça na imagem em pelo menos um pixel. Para o exemplo do minério de ferro no processo de flotação, em que as menores partículas são retidas na peneira 325 ABNT, um quadro de imagem de 27 mm de largura e 20 mm de altura e uma câmera de 640x480 pixels de resolução são adequados.
As cores que atribuímos aos objetos são função da interação que ocorre entre as características da iluminação a qual estão sendo submetidos com as suas características. Fisicamente nenhum material possui cor, mas, possui a capacidade de absorver, refletir ou retratar a luz incidente ou emitir luz quando excitado por algum tipo de energia radiante, que pode estar, ou não, no espectro visível.
Para efeito de aplicação do objeto desta Patente todas as formas de interação com a radiação que um determinado particulado possa mostrar, revelando em imagem digital a grandeza de interesse que se deseja analisar, são adequadas.
A iluminação por luz visível ou infravermelha, produzida por diversos tipos de lâmpadas, díodos emissores de luz ou laser é adequada.
A excitação por radiação não visível como ultravioleta ou raios-x, produzindo luz visível pelo fenómeno de fluorescência, também é adequada.
A condição fundamental é que sejam geradas imagens digitais em que a grandeza de interesse que se deseja analisar se revele.
Em alguns casos de particulados a escolha criteriosa do tipo de iluminação pode intensificar a percepção da grandeza de interesse.
Para o exemplo do minério de ferro a iluminação com diodos emissores de luz RGB é vantajosa, pois, permite um bom ajuste para a análise de cores.
Estando adequado o aparelho de captura de imagens digitais segundo estes requisitos, as amostras são levadas ao aparelho de captura de imagens digitais onde as imagens são tomadas.
As imagens são gravadas em arquivo digital para posterior processamento nas etapas de extração de dados de cores (5) e extração de dados de espectros de frequências espaciais (5).
4o - O quarto passo é a realização de Ensaios físico/químicos (4). O objeto desta Patente se aplica a todo tipo de particulado do qual, a grandeza que se deseja analisar, possa de alguma forma, ser percebida em imagens digitais e que exista um método físico/químico capaz de analisar e quantificar a mesma grandeza.
A grandeza que se deseja analisar pode ser o teor de um componente e neste caso serão feitos ensaios químicos. Se a grandeza de interesse for o teor de uma espécie mineral, serão feitos ensaios de mineralogia quantitativa. Para granuiometria, serão feitos ensaios em peneiras.
Não necessariamente a grandeza de interesse é um valor analógico - pode ser um atributo - e neste caso o processo objeto desta Patente será um analisador com respostas do tipo "sim ou não". O processo de modelagem da grandeza de interesse, neste caso um atributo, com dados extraídos de imagens é o mesmo e pode ser realizado desde que haja um método de classificar amostras pelo atributo em questão.
Mais de uma grandeza pode ser analisada sobre a mesma amostra de particulado pelo processo objeto desta Patente. É o caso do exemplo em minério de ferro em que são analisados os teores de sílica, dos minerais de ferro e a granuiometria.
Nesta etapa, determinado o método ou os métodos adequados, os ensaios são realizados e os resultados são tabulados e armazenados, temporariamente, para utilização na etapa de modelagem (6), como variáveis de referência dos modelos.
5o - O quinto passo é a Extração de dados de cores (5).
As imagens gravadas das amostras de particulado são, nesta etapa, processadas em computador para extração dos dados de cores.
Estes dados são extraídos na forma de histogramas dos quadros de cor e sobre estes histogramas são definidas janelas segundo as tonalidades encontradas nas amostras para a grandeza que se deseja analisar. No exemplo do minério de ferro, para a análise da sílica, serão definidas janelas nos histogramas das cores RGB correspondendo às composições de R, G e B com que os grãos de sílica aparecem nas amostras das diferentes frentes de lavra. O importante nesta etapa é perceber-se como a realidade físico/química, a grandeza que se deseja analisar, se revelou na realidade das imagens digitais em termos de cores.
Pode ser que a melhor escolha das janelas não seja diretamente sobre os histogramas dos quadros R, G e B puros. Podem-se fazer operações sobre os quadros R, G e B para a obtenção de quadros transformados, por exemplo, para outras maneiras de quantificar a cor como matiz, saturação e luminosidade. Tudo isto é dependente do tipo de particulado e das grandezas que se deseja analisar.
Esta não é uma tarefa que se realize de única vez e fique pronta. A melhor escolha para os quadros e as janelas será aquela que ofereça o melhor modelo, o modelo que una as duas realidades com a fidelidade adequada. Desta forma, geralmente é necessário voltar-se a esta etapa até que se encontre uma boa aderência do modelo.
Ao final desta etapa os dados de cores são armazenados para utilização na etapa de modelagem (6) como variáveis de entrada dos modelos.
6o- O sexto passo é a Extração de dados de espectros de frequências espaciais (6).
As imagens digitais gravadas das amostras de particulados são, nesta etapa, processadas para extração dos dados de espectros de frequências espaciais. Estes dados são extraídos na forma de intensidade relativa de um grupo de frequências, formando um espectro. Os valores das frequências, medidos em ciclos/pixel, e o número de frequências para compor o espectro, são escolhidos para capturar da melhor maneira como a realidade físico/química se manifestou na realidade das imagens em termos de tamanhos e formas. Assim, escolhe-se o conjunto de frequências para capturar da melhor maneira os tamanhos e formas aparentes nas imagens.
Para a medida das intensidades de frequências espaciais podem ser utilizadas as técnicas de análise de Fourier, a técnica de "ondaletas" (wavelets), a aplicação de filtros específicos ou outras. Todas estas técnicas são adequadas.
Um conjunto de frequências espaciais que oferece bons resultados em muitos casos é composto por 12 frequências espaciais ascendentes em intervalos de quinta diminuta, isto é, crescentes na razão de raiz quadrada de dois. Em termos de ciclos/pixel estas frequências correspondem a 1 ciclo por 80, 56, 40, 28, 20, 14, 10, 7, 5, 4, 3 e 2 pixels. O conjunto começa então da frequência mais baixa de 1 ciclo por 80 pixels, ou 0,0125 ciclos/pixel e aumenta na razão de raiz quadrada de dois até a frequência mais alta de 1 ciclo por 2 pixels ou 0,5 ciclos/pixel. As intensidades destas frequências são medidas pela técnica de filtros "passa banda". Por questões de implementação dos filtros, a razão de raiz de dois é aproximada para números inteiros, daí a sequência 80, 56, 40, 28, 20, 14, 10, 7, 5, 4, 3 e 2. Observe-se que a cada dois intervalos tem-se o dobro da frequência, ou seja, uma oitava.
A extração dos dados de espectros de frequência é realizada, em geral, sobre cada quadro de imagem R, G e B. Como no caso das cores, podem-se fazer operações sobre os quadros R, G e B para a obtenção de quadros transformados com posterior extração dos dados de frequências.
Havendo transformação, pode ser necessário voltar-se a este ponto para obtenção de um melhor modelo.
Escolhidos o conjunto de frequências e a técnica de medida, as imagens são processadas e os dados de espectros de frequências armazenados para utilização na etapa de modelagem (6) como variáveis de entrada dos modelos.
7o- O sétimo passo é a Modelagem (7).
No processo objeto desta Patente o modelo é o que une a realidade físico/química à realidade das imagens. A fidelidade desta união é o que representa a efetividade do processo desta Patente. Nesta sétima etapa - Modelagem (7) - já estão capturadas as realidades das cores, pelos dados de histogramas, bem como as realidades de tamanhos e formas, pelos dados de espectros de frequências, constituindo estes dados o conjunto de valores das variáveis de entrada dos modelos.
Neste sétima etapa - Modelagem (7) - já foi também capturada a realidade físico/química das amostras pelos dados dos ensaios físico/químicos, sendo que estes dados formam o conjunto de valores das variáveis de referência dos modelos.
Nesta etapa os conjuntos, variáveis de entrada e valores de referência, são processados por uma técnica computacional adequada de modo a que se obtenha o modelo, o que constitui a união entre as duas realidades.
Podem ser utilizados vários tipos de modelos como o modelo linear multivariável, o modelo não linear, as redes neurais e suas respectivas técnicas de modelagem.
Ao se aproximar o final da implantação do objeto desta patente, para a análise de um particulado qualquer, deve-se conferir se se está obtendo um alto nível percentual de acertos, isto é, se os resultados das análises, realizadas pelo modelo implantado correspondem às realidades físico- químicas das amostras. Caso a correlação não seja a adequada, deve-se voltar às etapas de extração de dados de cores e extração de dados de espectros de frequências para se encontrar uma melhor definição de janelas de histogramas e espectros de frequência. Se o modelo oferece respostas com porcentagem de acerto adequada ao fim a que se destina, o modelo obtido nesta etapa é armazenado para utilização no aparelho de captura de imagens digitais que vai analisar as grandezas de interesse na etapa de validação.
O modelo obtido consiste nos valores da matriz de coeficientes, para o caso de modelo linear multivariável, na definição de operações sobre os quadros de imagem, na definição das janelas sobre os histogramas e na definição dos espectros de frequências utilizadas. Ainda para a Consolidação do Modelo (8), deve-se, antes de se dar como terminada sua implantação, fazer a Validação do modelo obtido.
O modelo obtido que, em princípio oferece respostas adequadas ao uso prático que se fará do objeto desta Patente, deve ser verificado diante de situações semelhantes àquela segundo a qual foi elaborado, o que é chamado validação do modelo obtido. Para isto, as amostras que foram reservadas para este propósito, na etapa de amostragem, são levadas ao aparelho de captura de imagens digitais para tomadas de imagens de acordo com a forma estabelecida de amostragem e captura de imagens.
Das imagens tomadas nesta etapa, são obtidos os valores segundo as mesmas definições de Janelas dos histogramas de cores e transformações de quadros e de Espectros de frequências do modelo obtido, formando um conjunto de valores de entrada para validação.
São feitos ensaios físico/químicos sobre as amostras reservadas, formando o conjunto de valores de referência para validação.
Aplica-se sobre cada linha dos valores de entrada a matriz de coeficientes, obtendo-se as respostas correspondentes do modelo.
Estas respostas são comparadas com os valores de referência para se verificar a porcentagem de acerto.
Se a porcentagem de acerto for semelhante àquela obtida na etapa de modelagem, consídera-se o modelo válido e passa-se à etapa de fim da implantação, ou Consolidação do modelo (8).
A ocorrência de uma porcentagem de acerto aquém da adequada é indicativa de que o conjunto de amostras utilizado não contemplou todas as possibilidades; neste caso deve-se retornar à etapa de preparação de amostras para a geração de novos conjuntos que incluam também as possibilidades não contempladas anteriormente.
8o - O oitavo passo é Consolidação do Modelo (8).
No caso de se dar como terminada e correta a implantação, fica realizado o oitavo passo, ou Consolidação do Modelo (8), e o modelo é armazenado ("upload") para utilização no aparelho de captura de imagens digitais que vai analisar as grandezas de interesse. O modelo consolidado consiste dos valores da matriz de coeficientes, para o caso de modelo linear multivariável, da definição de operações sobre os quadros de imagem, da definição das janelas sobre os histogramas e da definição dos espectros de frequências utilizadas.
Tudo isto constitui o conhecimento adquirido durante a implantação, que fica materializado como Consolidação do Modelo (8), em estado de bits de memória digital.
A Figura 2 é o fluxograma que mostra a utilização do processo objeto desta Patente, tido como consolidado e implantado e segue os seguintes passos: 1o - primeiro passo da utilização (9).
Carga do Modelo consolidado no sistema de analise de particulados.
2o - Segundo passo da utilização (10).
Consiste em obter amostras sob os mesmos critérios com que foram feitas as amostras utilizadas no processo de implantação.
3o - Terceiro passo da utilização (11).
Capturar imagens digitais seguindo as mesmas características físicas (iluminação, área de captura, etc.) sob as quais foram realizadas as capturas utilizadas no processo de implantação.
4o - Quarto passo da utilização (12).
Extrair dados de cores e extrair dados de frequências espaciais em conformidade com o estabelecido na Consolidação do Modelo (8).
5o - Quinto passo da utilização (13).
Os dados oriundos dos processamentos digitais sobre as capturas das amostras (13) são processados conforme o modelo consolidado e são inferidos os valores das grandezas de interesse.
6o - Sexto passo da utilização (14).
Os resultados obtidos no item anterior podem ter a forma de dados para o sistema de automação industrial, informação por vídeo e outras aplicações típicas de processamento de dados. No caso em questão, em que é utilizada, como exemplo, a análise de particulados de minério de ferro contendo sílica, estas informações correspondem aos teores de sílica e outros minerais e a granulometria, que são utilizados para o controle de processo de flotação. 7o - Sétimo passo da utilização (15).
Retorno à retirada de amostras.
Informados os valores das grandezas de interesse para a aplicação a que se destina o objeto desta Patente, dependendo da aplicação, como no exemplo do minério de ferro, o processo de utilização retorna à etapa retirada e disponibilização de amostras, repetindo o ciclo periodicamente. Se a aplicação não demanda um novo ciclo o processo se encerra.
A Figura 3, ilustra um diagrama esquemático do equipamento de captura de particulado, para o exemplo em questão, em que é utilizada para análise de particulados de minério de ferro contendo sílica.
Pode ser descrito através dos seguintes elementos:
1o - Câmera de captura e conjunto ótico (16).
Para o caso exemplificado, preferencialmente usa-se uma câmera CCD de 640x480 pixels de resolução, colorida com conexão IP e lente com íris e foco fixo.
2° - Iluminadores RGB (17).
Consiste em dois iluminadores com ajustes de intensidades independentes para cada um dos elementos R,G e B.
3o - Particulado (18).
Camada de particulado distribuída de forma uniforme sobre a mesa expositora. Para o exemplo em questão minério de ferro contendo sílica.
4o - Mesa Expositora (19).
Mesa expositora, posicionada relativamente perpendicularmente à câmera de captura. Para o exemplo de minério de ferro contendo Sicília uma mesa com dimensões suficiente para captura de um quadro de 27mm de largura e 20mm de aitura é adequada.

Claims
REIVINDICAÇÕES
PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, que constrói e utiliza modelos que, diante dos dados de janelas de histogramas de cores e espectros de frequência, respondem com a qualificação e a quantificação dos grãos presentes em uma amostra de particulado, caracterizado por ser constituído de duas etapas principais, sendo a que primeira, coleta, possui oito sub-etapas, planejamento do processo (1), preparação de amostras (2), tomadas de imagens digitais (3), ensaios físico/químicos (4), extração de dados de cores (5), extração de dados de espectros de frequências espaciais (6), modelagem (7), e consolidação do modelo (8) e, a segunda, operação, possui sete sub-etapas, carga do modelo consolidado no sistema de analise de particulados (9), coleta de amostras sob os mesmos critérios com que foram feitas as amostras utilizadas no processo de implantação (10), capturar imagens digitais seguindo as mesmas características físicas (iluminação, área de captura, etc.) sob as quais foram realizadas as capturas utilizadas no processo de implantação (11), extrair dados de cores e extrair dados de frequências espaciais (12) em conformidade com o estabelecido na consolidação do modelo (8), processamento conforme o modelo consolidado e são inferidos os valores das grandezas de interesse dos dados oriundos dos processamentos digitais sobre as capturas das amostras (13), obtenção dos resultados (14) que correspondem aos valores das grandezas de interesse que possam ocorrer no particulado e, retorno à retirada de amostras (15) e ainda dispor de câmera de captura e conjunto ótico (16).
PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, de acordo com a reivindicação 1 , caracterizado pelo fato da sub-etapa, planejamento do processo (1), consistir em se transportar, o teor de um componente, a granulometria, a forma ou outro atributo de um particulado para a realidade de um modelo computacional de imagens digitais de tal sorte que a segunda realidade corresponda à primeira com fidelidade adequada ao fim a que se destina.
PROCESSO DE ANÁLISE DE PARTICULADOS ViA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, de acordo com a reivindicação 1 , caracterizado pelo fato da sub-etapa preparação de amostras (2), consistir na separação de amostras que reflitam todas as formas e valores sob as quais as grandezas de interesse possam ocorrer. PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, de acordo com a reivindicação 1 , caracterizado pelo fato da sub-etapa tomadas de imagens digitais (3), utilizar dispositivo de captura de imagens digitais dimensionado de forma adequada ao tamanho das partículas de interesse, sendo que cada uma das menores partículas de interesse apareça na imagem em pelo menos um pixel, podendo ser utilizados para iluminação tanto a luz visível quanto a infravermelha, ultravioleta ou raios- x.
PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, de acordo com a reivindicação 1 , caracterizado pelo fato da sub-etapa, ensaios físico/químicos (4), serem destinados a identificação dos atributos dos minerais, teores e granulometria dos mesmos para sua classificação. PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, de acordo com a reivindicação 1 , caracterizado pelo fato da sub-etapa extração de dados de cores (5), serem processadas em computador para extração dos dados de cores, sendo os mesmos extraídos na forma de histogramas dos quadros de cor e sobre estes histogramas são definidas janelas segundo as tonalidades encontradas nas amostras para a grandeza que se deseja analisar
7. PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, de acordo com a reivindicação 1 , caracterizado pelo fato da sub-etapa extração de dados de espectros de frequências espaciais (6), serem processadas em computador para extração dos dados de espectros de frequências espaciais, sendo que um conjunto de frequências espaciais que oferece bons resultados em muitos casos é composto por 12 frequências espaciais ascendentes em intervalos de quinta diminuta, isto é, crescentes na razão de raiz quadrada de dois.
8. PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, de acordo com a reivindicação 1 , caracterizado pelo fato da sub-etapa modelagem (7) os conjuntos, variáveis de entrada e valores de referência, são processados por uma técnica computacional adequada de modo a que se obtenha o modelo, o que constitui a união entre as duas realidades, podendo ser utilizados os modelos linear multivariável, não linear ou as redes neurais e suas respectivas técnicas de modelagem.
9. PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, de acordo com a reivindicação 1 , caracterizado pelo fato da sub-etapa consolidação do modelo (8) consistir dos valores da matriz de coeficientes, para o caso de modelo linear multivariável, da definição de operações sobre os quadros de imagem, da definição das janelas sobre os histogramas e da definição dos espectros de frequências utilizadas.
10. PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, de acordo com a reivindicação 1 , caracterizado pelo fato da utilização do processo ter sete sub-etapas e a primeira ser a carga do modelo consolidado no sistema de analise de particulados (9).
11. PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, de acordo com a reivindicação 1 , caracterizado pelo fato da utilização do processo ter sete sub-etapas e a segunda ser a coleta de amostras sob os mesmos critérios com que foram feitas as amostras utilizadas no processo de implantação (10),
12. PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, de acordo com a reivindicação 1 , caracterizado pelo fato da utilização do processo ter sete sub-etapas e a terceira ser a captura das imagens digitais seguindo as mesmas características físicas (iluminação, área de captura, etc.) sob as quais foram realizadas as capturas utilizadas no processo de implantação (11)
13. PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, de acordo com a reivindicação 1 , caracterizado pelo fato da utilização do processo ter sete sub-etapas e a quarta ser a extração de dados de cores e dados de frequências espaciais (12) em conformidade com o estabelecido na consolidação do modelo (8),
14. PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, de acordo com a reivindicação 1 , caracterizado pelo fato da utilização do processo ter sete sub-etapas e a quinta ser o processamento conforme o modelo consolidado onde são inferidos os valores das grandezas de interesse dos dados oriundos dos processamentos digitais sobre as capturas das amostras (13).
15. PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, de acordo com a reivindicação 1 , caracterizado pelo fato da utilização do processo ter sete sub-etapas e a sexta ser a obtenção dos resultados (14) que correspondem aos valores das grandezas de interesse que possam ocorrer no particulado.
16. PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, de acordo com a reivindicação 1 , caracterizado pelo fato da utilização do processo ter sete sub-etapas e a sétima ser o retorno à retirada de amostras (15).
17. "PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, de acordo com a reivindicação 1 , caracterizado pelo fato da câmera de captura e conjunto ótico (16), possuir Iluminadores RGB (17) e uma mesa expositora (19).
18. PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, de acordo com a reivindicação 7, caracterizado pelo fato dos Iluminadores RGB (17) disporem de ajustes de intensidades independentes para cada um dos elementos R,G e B.
19. PROCESSO DE ANÁLISE DE PARTICULADOS VIA MODELAGEM POR PROCESSAMENTO DE IMAGENS DIGITAIS, de acordo com a reivindicação 7, caracterizado pelo fato da mesa expositora (19) ser posicionada perpendicularmente relativamente à câmera de captura.
PCT/BR2014/000389 2014-10-21 2014-10-21 Processo de análise de particulados via modelagem por processamento de imagens digitais WO2016061647A1 (pt)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/BR2014/000389 WO2016061647A1 (pt) 2014-10-21 2014-10-21 Processo de análise de particulados via modelagem por processamento de imagens digitais

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/BR2014/000389 WO2016061647A1 (pt) 2014-10-21 2014-10-21 Processo de análise de particulados via modelagem por processamento de imagens digitais

Publications (1)

Publication Number Publication Date
WO2016061647A1 true WO2016061647A1 (pt) 2016-04-28

Family

ID=55759965

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/BR2014/000389 WO2016061647A1 (pt) 2014-10-21 2014-10-21 Processo de análise de particulados via modelagem por processamento de imagens digitais

Country Status (1)

Country Link
WO (1) WO2016061647A1 (pt)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2302736A (en) * 1995-06-29 1997-01-29 Ibm Estimating grain size in geological samples
US20080192235A1 (en) * 2002-07-26 2008-08-14 Olympus Corporation Image processing system

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2302736A (en) * 1995-06-29 1997-01-29 Ibm Estimating grain size in geological samples
US20080192235A1 (en) * 2002-07-26 2008-08-14 Olympus Corporation Image processing system

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
BIANCONI, F. ET AL.: "Theoretical and experimental comparison of different approaches for colour texture classification", Retrieved from the Internet <URL:http://antfdez.webs.uvigo.es/publications/2011_JEI.pdf> *
CUSANO, C. ET AL.: "Intensity and color descriptors for texture classification, Proc. of SPIE- IS &T Electronic Imaging", SPIE, vol. 8661, 20 May 2015 (2015-05-20), Retrieved from the Internet <URL:http://proceedings.spiedigitallibrary.org/pdfaccess.ashx?ResourceID=5383099&PDFSource=24> *
LU , L. ET AL.: "Terrain surface classification with a control mode update rule using a 2D laser stripe-based structured light sensor", ROBOTICS AND AUTONOMOUS SYSTEMS, vol. 59, 2011, pages 954 - 965, XP028293187, Retrieved from the Internet <URL:http://ac.elscdn.com/S0921889011001205/1-s2.0-S0921889011001205-main.pdf'?-tid=439ee7aa-ffl4-1le4-a8de-00000aabO06c&acdnat=1432142502_a01e8fd1b3260668ae7b9e5e087fne06> [retrieved on 20150520], doi:10.1016/j.robot.2011.06.015 *
OLIVEIRA, E. F. ET AL.: "Granulometric analysis based on the energy of Wavelet Transform coefficients", REM: R. ESC. MINAS, OURO PRETO, vol. 63, no. 2, April 2010 (2010-04-01), pages 347 - 354, Retrieved from the Internet <URL:http://www.scielo.br/pdf/rem/v63n2/rem63n2a20.pdf> *

Similar Documents

Publication Publication Date Title
US11861889B2 (en) Analysis device
US11893731B2 (en) Group sparsity model for image unmixing
Arboleda Comparing performances of data mining algorithms for classification of green coffee beans
Macfarlane et al. Automated estimation of foliage cover in forest understorey from digital nadir images
Izadi et al. A new intelligent method for minerals segmentation in thin sections based on a novel incremental color clustering
CN105427275B (zh) 大田环境麦穗计数方法及装置
JP2006526783A (ja) 色分解および組織試料内の対象となる領域の検出
TWI642126B (zh) 半導體晶圓檢測系統及其方法
CN110163101B (zh) 中药材种子区别及等级快速判别方法
CN105842173A (zh) 一种高光谱材质鉴别方法
Font et al. An image processing method for in-line nectarine variety verification based on the comparison of skin feature histogram vectors
CN107563427A (zh) 用于油画的著作权鉴定的方法以及相应的使用
Jacq et al. Sedimentary structure discrimination with hyperspectral imaging in sediment cores
Gurubasava et al. Analysis of agricultural soil pH using digital image processing
Mohan et al. An intelligent recognition system for identification of wood species
Portalés et al. An image-based system to preliminary assess the quality of grape harvest batches on arrival at the winery
Ramakrishnan et al. Visual dictionaries as intermediate features in the human brain
TWI517055B (zh) Image foreground object screening method
WO2016061647A1 (pt) Processo de análise de particulados via modelagem por processamento de imagens digitais
Han et al. Research on grading detection of the wheat seeds
Afor et al. Color Detection System for Diamond Sorting Using Machine Learning
DE112021001620T5 (de) Teilchenanalysesystem und teilchenanalyseverfahren
Gourav Rice Grain Quality Determination Using OTSU's Thresholding Method
Sigit et al. Performance analysis of color matching technique for teeth classification based on color histogram
Sarkate et al. Domain specific knowledge based machine learning for flower classification using soft computing

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14904320

Country of ref document: EP

Kind code of ref document: A1

DPE1 Request for preliminary examination filed after expiration of 19th month from priority date (pct application filed from 20040101)
NENP Non-entry into the national phase

Ref country code: DE

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112017008319

Country of ref document: BR

122 Ep: pct application non-entry in european phase

Ref document number: 14904320

Country of ref document: EP

Kind code of ref document: A1