Tecnologia em Metalurgia, Materiais e Mineração
https://tecnologiammm.com.br/article/doi/10.4322/tmm.2011.042
Tecnologia em Metalurgia, Materiais e Mineração
Artigo Original

CLASSIFICAÇÃO MORFOLÓGICA DE AREIAS RECICLADAS POR ANÁLISE DE IMAGENS

MORPHOLOGICAL CLASSIFICATION OF RECYCLED SANDS THROUGH IMAGE ANALYSIS

Gomes, Otávio da Fonseca M.; Lima, Paulo Roberto L.; Brisola, Daisiana Frozi; Gomes, Bruna Maria da C.; Fontes, Ariella Vianna; Paciornik, Sidnei

Downloads: 0
Views: 241

Resumo

Os resíduos de construção e demolição (RCD) tornaram-se, em todo mundo, um dos principais problemas ambientais das cidades. A classificação e separação das partículas de RCD constituem-se na principal dificuldade para sua reciclagem. O presente trabalho propõe uma metodologia para a classificação morfológica de partículas de areias recicladas de RCD que consiste em um típico sistema de classificação supervisionada. Ele utiliza parâmetros de forma, tamanho e textura para discriminar partículas de RCD provenientes de argamassa, cerâmica e concreto, observadas pela técnica de microscopia eletrônica de varredura. O sistema de classificação foi testado com relativo sucesso, a taxa de acerto total atingiu 73,96% e as taxas de acerto para as classes argamassa e cerâmica foram maiores que 80%. A principal limitação encontrada foi o reconhecimento da classe concreto, e o melhor resultado obtido para sua taxa de acerto foi de apenas 56,30%.

Palavras-chave

Areias, Resíduos, Análise de imagem, Classificação

Abstract

Construction and demolition waste (CDW) has become one of the most important environmental problems in large and medium-sized cities around the world. Classification and segregation of CDW particles constitute the main difficulties for their recycling. The present paper proposes a methodology for morphological classification of particles of recycled sands from CDW that consists in a typical supervised classification procedure. It uses size, shape and texture description parameters to discriminate between CDW particles from mortar, ceramic and concrete observed with scanning electron microscopy technique. The classification system reaches a reasonable success. The total success rate obtained is 73.96% and the success rates for mortar and ceramic are greater than 80%. The main limitation is the recognition of the concrete particles; the best result obtained for its success rate is 56.30%.

Keywords

Sand, Waste, Image analyse, Classification

Referências

1 MOTTA, R. S. Estudo laboratorial de agregado reciclado de resíduo sólido da construção civil para aplicação em pavimentação de baixo volume de tráfego. 2005. 134 f. Dissertação (Mestrado em Engenharia de Transportes) – Escola Politécnica da Universidade de São Paulo, São Paulo, 2005.

2 RAO, A.; JHA, K. N.; MISRA, S. Use of aggregates from recycled construction and demolition waste in concrete. Resources, Conservation and Recycling, v. 50, n. 1, p. 71-81, Mar. 2005. http://dx.doi.org/10.1016/j. resconrec.2006.05.010

3 ANGULO, S. C. Caracterização de agregados de resíduos de construção e demolição reciclados e a influência de suas características no comportamento de concretos. 2005. 167 f. Tese (Doutorado em Engenharia de Construção Civil e Urbana) – Escola Politécnica da Universidade de São Paulo, São Paulo, 2005.

4 GOLDSTEIN, J. I. et al Scanning electron microscopy and X-ray microanalysis: a text for biologists, materials scientists and geologists. 2. ed. New York: Plenum, 1992.

5 GONZALEZ, R. C.; WOODS, R. E. Digital image processing. 2 ed. Upper Saddle River: Prentice-Hall, 2002.

6 BEUCHER, S.; LANTUÉJOUL, C. Use of watersheds in contour detection. In: INTERNATIONAL WORKSHOP ON IMAGE PROCESSING, REAL-TIME EDGE AND MOTION DETECTION/ESTIMATION, 1979, Rennes, France. Proceedings… Rennes: CCETT/INSA/IRISA, 1979. p. 2.1-2.12. (IRISA Report, 132)

7 GOMES, O. D. M.; PACIORNIK, S. Automatic classification of graphite in cast iron. Microscopy and Microanalysis, v. 11, n. 4, p. 363-71, 2005. PMid:16079020. http://dx.doi.org/10.1017/S1431927605050415

8 WOJNAR, L. Analysis and interpretation. In: ASM INTERNATIONAL. Practical guide to image analysis. Materials Park, 2000. Chap. 7, p. 145-202.

9 HARALICK, R. M.; SHANMUGAM, K.; DINSTEIN, I. Textural features for image classification. IEEE Transactions on Systems, Man, and Cybernetics, v. 3, n. 6, p. 610-21, 1973. http://dx.doi.org/10.1109/TSMC.1973.4309314

10 DUDA, R. O.; HART, P. E.; STORK, D. G. Pattern classification. 2. ed. New York: Wiley-Interscience, 2001.

11 TOUSSAINT, G. T. Bibliography on estimation of misclassification. IEEE Transactions on Information Theory, v. 20, n. 4, p. 472-9, July 1974. http://dx.doi.org/10.1109/TIT.1974.1055260

12 TEIXEIRA, G. N.; FEITOSA, R. Q.; PACIORNIK, S. Towards automatic painting authentication. In: IAPR WORKSHOP ON MACHINE VISION APPLICATIONS, 2002, Nara, Japão. Proceedings ... 2002. Nara: Nara-ken New Public Hall, 2002. v. 1, p. 530-3.

588696a77f8c9dd9008b4630 tmm Articles
Links & Downloads

Tecnol. Metal. Mater. Min.

Share this page
Page Sections