Departamento de Engenharia de Materiais

A Microtomografia Computadorizada de Raios-x Aplicada ao

Estudo Tridimensional de Porosidade em Pelotas de Minério de Ferro

Aluno: Mayara Guilherme Marzano

Orientador: Sidnei Paciornik

Resumo

Desenvolver procedimentos automáticos, baseados em análise de imagens de

microtomografia computadorizada de Raios-x aplicada ao estudo tridimensional de

porosidade em pelotas de minério de ferro.

Introdução

Pelotas são esferas endurecidas de metal com alta concentração de ferro e qualidade

uniforme usadas como insumo para os fornos de produção de aço. Pelotização é o processo

que transforma o concentrado pelotizado em pelotas endurecidas que podem ser usadas na

alimentação de alto-fornos ou de redução direta.

O Brasil é o maior exportador mundial deste material e sua caracterização é relevante

para as indústrias envolvidas. Uma das principais características das pelotas é a presença de

porosidade, fundamental durante o processo de redução dos óxidos de ferro na siderurgia. Por

outro lado, as pelotas devem manter boa resistência mecânica para suportar a etapa de

transporte, durante a qual sofrem esforços compressivos devido ao empilhamento em grandes

quantidades.

Assim, é relevante caracterizar com precisão a porosidade em pelotas, o que vem

sendo feito com técnicas tradicionais de porosimetria e de microscopia ótica, em seções

polidas.

No presente trabalho a microtomografia computadorizada de raios-x (µCT) [1] foi

aplicada a pelotas de minério de ferro, visando à caracterização tridimensional da porosidade

aberta (poros que se prolongam até a superfície externa da pelota) e fechada (poros que não

tem conexão externa).

Departamento de Engenharia de Materiais

Objetivos

O principal objetivo do trabalho é desenvolver uma metodologia para automatizar o

processamento de imagens 3D para quantificação e visualização da porosidade em pelotas.

Para isso, os seguintes procedimentos foram realizados:

- Capturar imagens de µCT.

- Desenvolver uma rotina automática de processamento e análise para quantificar a

porosidade aberta e fechada.

1 Materiais e Métodos Experimentais

1.1 Microtomografia

As imagens de µCT foram obtidas em um microtomógrafo GE v|tome|xs, com

resolução de 17,5 µm/voxel (Aalen University, Alemanha). As imagens reconstruídas foram

processadas com os programas AxioVision [2] e Ctan [3], e volumes 3D foram visualizados

com o programa CTVol [4].

Para validar os procedimentos de medida do software CTan foi utilizada uma imagem

tomográfica de um conjunto de esferas de vidro em um recipiente, preparadas de forma a

gerar uma porosidade conhecida.

1.2 Análise do CTan para Esferas de Vidro

O CTan possui diversas funções disponíveis para o processamento de imagens. Porém,

no AxioVision temos algumas funções que no CTan não há, como por exemplo a função

"Watersheds". Devido à maior variedade de funções e maior controle sobre os parâmetros no

AxioVision, optou-se por elaborar uma rotina chamada para o processamento das imagens.

Para tornar a análise mais versátil, optou-se por desenvolver uma macro no módulo

“Script”, onde é possível realizar adaptações, como a introdução de funções/operações. A

macro executa a sequência clássica de funções; pré-processamento; segmentação; pós-

processamento das imagens; medidas.

Diversos parâmetros de aquisição e processamento das imagens podem alterar as

medidas. O script desenvolvido segue a seguinte rotina:

Departamento de Engenharia de Materiais

Figura 1 – Imagem original

Sigma: Este filtro contribui para reduzir as variações de brilho dentro das esferas e o

ruído, sem degradação das bordas dos objetos.

Figura 2 – Filtro Sigma

Threshold: Segmentação da imagem, separa as esferas do fundo através de um limiar

tonal.

Figura 3 – Escolha automática do limiar tonal

Separation (watersheds): É mostrado o mapa das distâncias euclidianas medida a partir

da imagem binária da segmentação. A imagem de entrada (valor de cinza da imagem)

Departamento de Engenharia de Materiais

pode ser vista como uma "paisagem geográfica", com colinas e vales (valor de cinza).

A função de inundações nos vales encontra as linhas divisórias entre os vales diferentes na

"paisagem". O resultado é o ‘alagamento’ para determinação das fronteiras.

Figura 4 – Uso da função “watersheds”

Scrap: Limpa a imagem de pequenas "sujeiras" resultante de uma má segmentação.

Figura 5 – Uso da função “Scrap”

Erode: Desgasta a superfície a fim de diminuir o contato entre as esferas.

Figura 6 – Uso da função “Erode”

Departamento de Engenharia de Materiais

Após o processamento no AxioVision, as imagens são abertas no CTan para definir a

ROI (region of interest) que deve ser adaptada ao tamanho do objeto.

Figura 7 – Definição da ROI

Escolhida a melhor ROI basta ’binarizar’ a imagem novamente, pois a imagem de

entrada no CTan não é identificada como sendo binária, com qualquer valor de limiar tonal.

Figura 8 –Binarizando imagem de entrada

Após binarizar as imagens, é possível obter uma visualização prévia do modelo antes

de gerar a análise e modelo 3D.

Figura 9 –Visualização prévia do modelo 3D

Departamento de Engenharia de Materiais

A rotina no CTan foi analisada com e sem a função ’erode’, do AxioVision. Abaixo

nota–se a diferença entre elas.

Figura 10 – Imagem sem erosão

Figura 11 – Imagem com erosão

Com o uso da função ’erode’ é possível diminuir a conectividade entre as esferas.

Outros parâmetros como redução de tamanho de imagem e a influência do Threshold e

qualidade da imagem em função do algoritma também foram analisados. Abaixo está

exemplificado cada algoritmo disponibilizado pelo CTan.

Departamento de Engenharia de Materiais

Figura 12 – Adaptive-Rendering evidencia as facetas dando a impressão de degraus na imagem

Figura 13 – Double-Time homogeniza a superfície do objeto de interesse por causa do uso de

aproximadamente metade das facetas triangulares

Figura 14 – O Marching-Cubes deixa as facetas triangulares evidentes

Departamento de Engenharia de Materiais

1.3 Análise do CTan para Pelotas

O processamento das imagens no CTan para pelotas segue o mesmo princípio que o

das esferas porém com algumas funções adaptadas às pelotas. Diferentemente das esferas que

estavam aglomeradas, neste caso, não foi necessário usar o AxioVision. Segue a seguinte

rotina no CTan:

Figura 15 – Imagem original da pelota

Figura 16 – Segmentação da imagem separando os poros da fase sólida através de um limiar tonal

Figura 17 – Definição da ROI a partir do método “shrink-wrap” que tem como função adaptar esta ROI ao volume exato do objeto

O uso da função “Shrink-wrap” é fundamental, pois se a ROI não for do volume exato do objeto o resultado final da análise contabilizará a ROI como volume do objeto.

Departamento de Engenharia de Materiais

Figura 18 – Geração do modelo tridimensional da pelota

É possível gerar cada poro como um objeto independente, medir e obter a distribuição

de volume de poros na amostra.

Figura 19 – Geração da porosidade como objeto independente

É possível também gerar um modelo 3D destes objetos para combinar com o modelo

da pelota. Desta forma, é possível controlar a transparência relativa entre fase sólida e poros

para melhor visualização, como mostrado na figura abaixo.

Figura 20 – Modelo 3D dos poros combinado com o modelo da pelota

Departamento de Engenharia de Materiais

2 Resultados e Discussão

Com o uso da função ’erode’ é possível diminuir a conectividade entre as esferas. Os

resultados obtidos da análise 3D podem ser conferidos abaixo:

CTan Axio sem erosão Axio com erosão

% volume de objeto 49.29 56.78 42.89

Tabela 1 - % Volume de objeto das esferas de vidro

Nas pelotas, para aumentar a rapidez de resposta do sistema para carregamento e

processamento de imagens, parâmetros como redução de tamanho de imagem e influência do

“Threshold” foram analisados. Notou-se que foi desprezível a influência da redução de

imagem. A variação do % fração volumétrica em relação ao Threshold é mostrada na figura

abaixo:

Figura 21 – Impacto sob as esferas com a variação do limiar tonal

O CTan disponibiliza dentro da função do “Shrink-wrap” três categorias: “Adaptive”;

“Fill-Out”; “Shrink-wrap”. “Fill-out” tem como objetivo preencher a área do objeto, neste

caso, não convém sua utilização visto que perdemos os poros.

O “Adaptive” teve o mesmo resultado que o “Shrink-wrap” não havendo diferença no

resultado numérico e visual.

Devido à existência de porosidade aberta e fechada nas pelotas deve-se atentar para a

escolha da análise 2D ou 3D. Na análise 3D o resultado da porosidade aberta é sempre zero e

a porosidade fechada é igual à porosidade total , como se não houvesse conexão de poros

Departamento de Engenharia de Materiais

internos com a superfície visto que a ROI, neste caso, envolve todo o objeto acompanhando o

contorno dos poros excluindo-os. Na análise 2D a ROI envolve somente a superfície do objeto

identificando assim os poros abertos e fechados.

Figura 22 – Uso do “Fill-Out” dentro da função “Shrink-wrap”

0.0 5.0x105 1.0x106

0

10000

20000

30000

Qu

antid

ade

de

Po

ros

Volume do Poro (µm3)

Figura 23 - Distribuição de volume de poros

3 Conclusão

O estudo permitiu desenvolver uma rotina de processamento de imagens de esferas de vidro através AxioVision devido à maior mobilidade dos parâmetros.

O uso da operação ’erode’ nos remete a pensar sobre um possível impacto sobre o objeto de interesse. Portanto, é razoável supor que os valores sem e com erosão funcionem como limite superior e inferior para a porcentagem de volume do objeto real, obtendo então um valor intermediário.

Baseado nesses parâmetros das esferas de vidro que serviram como calibração para o CTan, foi possível desenvolver uma rotina de processamento de imagens de µCT aplicada a pelotas possibilitando a quantificação de porosidade aberta e fechada, além de avaliar a distribuição de volume dos poros.

O valor % da fração volumétrica foi praticamente constante quando comparade entre as imagens reduzidas e sem redução. Notou-se também de acordo com a Figura 21, que o

Departamento de Engenharia de Materiais

percentual de volume de objetos decai com o aumento do limiar tonal. Uma boa estimativa de uso seria o valor de Threshold em 80.

Um conjunto de amostras distintas foi enviado para Alemanha com o objetivo de tomografar e detectar variações sistemáticas de porosidade entre os vários tipos de pelotas. Posteriormente estas pelotas serão submetidas a testes de porosimetria de Hg e BET à fim de comparar com os resultados de porosidade por µCT.

4 Referências

1 – STOCK, Stuart R. MicroComputed Tomography: methodology and applications, p.39-44, Taylor & Francis Group, LLC/2009.

2 – Axiovision v. 4.8.2, Carl Zeiss Vision, 2010.

3 – SKYSCAN, Manual de usuário, CT-Analyser, Version 1.10.

4 – SKYSCAN, Manual de usuário, CT-Vol, Version 1.10