TRANSPORTES | ISSN: 2237-1346 116 Proposição de um sistema de classificação das propriedades de forma de agregados caracterizados com o uso do processamento digital de imagens a par#r de materiais oriundos do Brasil Daniele Soares Ibiapina 1 , Verônica Teixeira Franco Castelo Branco 2 , Lara Marques Diógenes 3 , Laura Maria Gore( da Mo*a 4 , Sílvia Maria de Freitas 5 1 Universidade Federal do Ceará, Brasil, [email protected]2 Universidade Federal do Ceará, Brasil, [email protected]3 Universidade Federal do Ceará, Brasil, [email protected]4 Universidade Federal do Rio de Janeiro, Brasil, [email protected]5 Universidade Federal do Ceará, Brasil, [email protected]Recebido: 13 de novembro de 2017 Aceito para publicação: 9 de abril de 2018 Publicado: 31 de dezembro de 2018 Editor de área: Jorge Barbosa Soares RESUMO Os agregados minerais cons#tuem cerca de 90% do volume das misturas asfál#cas. O comportamento destas, com relação aos principais defeitos encontrados nos pavimen- tos (deformação permanente, trincamento por fadiga e trincamento térmico), está di- retamente ligado às caracterís#cas de seus agregados cons#tuintes. O Aggregate Ima- ging Measurement System 2 (AIMS2) está estabelecido como uma das principais técni- cas de Processamento Digital de Imagens (PDI) para a caracterização das propriedades de forma de agregados u#lizadas em Infraestrutura de Transportes, por usar métodos diretos e eficientes. Diante da importância de se avaliar essas caracterís#cas, esta pes- quisa teve como obje#vo principal propor um sistema de classificação das propriedades de forma baseado nos resultados do AIMS2, a par#r de um banco de dados composto por agregados de mineralogias dis#ntas, oriundos de diferentes localizações no Brasil. Para gerar os valores limites da classificação proposta, foi u#lizado o método estaCs#co de cluster. Por fim, comparou-se a classificação proposta com outras existentes e os re- sultados mostraram que um agregado pode ser classificado de maneira diferente, de- pendendo do sistema adotado. Essa constatação é importante, pois a classe em que um material é categorizado pode ser determinante para a sua seleção, no âmbito de projeto, a depender das propriedades requeridas para sua aplicação. ABSTRACT The cons#tuent aggregates of the asphalt mixtures correspond to about 90% of their volumes. The behavior of these mixtures, concerning the main problems of the pave- ment (permanent deforma#on, fa#gue cracking and thermal cracking), is directly re- lated to the characteris#cs of these aggregates. Aggregate Imaging Measurement Sys- tem 2 (AIMS2) is established as one of the main techniques of Digital Image Processing (DIP) for the characteriza#on of the shape proper#es of aggregates used in Transporta- #on Infrastructure, using direct and efficient methods. Considering the importance of evalua#ng these characteris#cs, this research aimed to propose a system of classifica- #on of the shape proper#es based on the results of AIMS2, using a database composed of aggregates of dis#nct mineralogies, coming from different loca#ons in Brazil. To gen- erate the limit values of the proposed classifica#on, the cluster sta#s#cal method was used. Finally, the proposed classifica#on was compared to other exis#ng classifica#ons and the results showed that an aggregate can be classified differently, depending on the system adopted. This conclusion is important because the class in which a material is categorized can be determinant for its selec#on, in the project scope, depending on the proper#es required for its applica#on. Palavras-chaves: Propriedades de forma de agrega- dos, Processamento digital de imagem (PDI), Análises estaCs#cas. Keywords: Shape proper#es of aggregates; Digital Image Processing (DIP). Sta#s#cal analysis. DOI:10.14295/transportes.v26i4.1510
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
TRANSPORTES | ISSN: 2237-1346 116
Proposição de um sistema de classificação das
propriedades de forma de agregados caracterizados
com o uso do processamento digital de imagens a
par#r de materiais oriundos do Brasil Daniele Soares Ibiapina1, Verônica Teixeira Franco Castelo Branco2, Lara Marques Diógenes3, Laura Maria Gore( da Mo*a4, Sílvia Maria de Freitas5
RESUMO Os agregados minerais cons#tuem cerca de 90% do volume das misturas asfál#cas. O
comportamento destas, com relação aos principais defeitos encontrados nos pavimen-
tos (deformação permanente, trincamento por fadiga e trincamento térmico), está di-
retamente ligado às caracterís#cas de seus agregados cons#tuintes. O Aggregate Ima-
ging Measurement System 2 (AIMS2) está estabelecido como uma das principais técni-
cas de Processamento Digital de Imagens (PDI) para a caracterização das propriedades
de forma de agregados u#lizadas em Infraestrutura de Transportes, por usar métodos
diretos e eficientes. Diante da importância de se avaliar essas caracterís#cas, esta pes-
quisa teve como obje#vo principal propor um sistema de classificação das propriedades
de forma baseado nos resultados do AIMS2, a par#r de um banco de dados composto
por agregados de mineralogias dis#ntas, oriundos de diferentes localizações no Brasil.
Para gerar os valores limites da classificação proposta, foi u#lizado o método estaCs#co
de cluster. Por fim, comparou-se a classificação proposta com outras existentes e os re-
sultados mostraram que um agregado pode ser classificado de maneira diferente, de-
pendendo do sistema adotado. Essa constatação é importante, pois a classe em que um
material é categorizado pode ser determinante para a sua seleção, no âmbito de projeto,
a depender das propriedades requeridas para sua aplicação.
ABSTRACT The cons#tuent aggregates of the asphalt mixtures correspond to about 90% of their
volumes. The behavior of these mixtures, concerning the main problems of the pave-
ment (permanent deforma#on, fa#gue cracking and thermal cracking), is directly re-
lated to the characteris#cs of these aggregates. Aggregate Imaging Measurement Sys-
tem 2 (AIMS2) is established as one of the main techniques of Digital Image Processing
(DIP) for the characteriza#on of the shape proper#es of aggregates used in Transporta-
#on Infrastructure, using direct and efficient methods. Considering the importance of
evalua#ng these characteris#cs, this research aimed to propose a system of classifica-
#on of the shape proper#es based on the results of AIMS2, using a database composed
of aggregates of dis#nct mineralogies, coming from different loca#ons in Brazil. To gen-
erate the limit values of the proposed classifica#on, the cluster sta#s#cal method was
used. Finally, the proposed classifica#on was compared to other exis#ng classifica#ons
and the results showed that an aggregate can be classified differently, depending on the
system adopted. This conclusion is important because the class in which a material is
categorized can be determinant for its selec#on, in the project scope, depending on the
proper#es required for its applica#on.
Palavras-chaves: Propriedades de forma de agrega-
dos,
Processamento digital de imagem
(PDI),
Análises estaCs#cas.
Keywords: Shape proper#es of aggregates;
Digital Image Processing (DIP).
Sta#s#cal analysis.
DOI:10.14295/transportes.v26i4.1510
Ibiapina, D.S.; Castelo Branco, V.T.F.; Diógenes, L.M.; Motta, L.M.G.; Freitas, S.M. de Volume 26 | Número 4 | 2018
TRANSPORTES | ISSN: 2237-1346 117
1. INTRODUÇÃO
DeacordocomaAssociaçaoBrasileiradasEmpresasDistribuidorasdeAsfalto(Abeda),maisde90%dasrodoviasnacionaispavimentadasutilizamrevestimentoasfalticocomopartedaestrutura dos denominados pavimentos !lexıveis. Os componentes das misturas asfalticas(agregados,liganteasfalticoevazios)formamumamicroestruturacomplexadaqualosagrega-doscorrespondemacercade90%,emvolume,econstituemoesqueletomineral,oqualde-pendedaspropriedadesdeforma(forma,angularidadeetextura),dostamanhosedaspropor-çoesdaspartıculas.Oesqueletomineralexerceumafunçaoimportantenodesempenhodamis-turaasfaltica,umavezquesuaresistenciaaosprincipaismecanismosdedanoaopavimentodependedointertravamentodeseusagregadosconstituintes(Bahia,2013).
Aclassi!icaçaopropostanestapesquisafoirealizadacomousodosoftwareR(RCoreTeam,2015), a partir das distribuiçoes de propriedades de forma dos agregados constituintes dobancodedadosorganizadoparaestapesquisa.Foramutilizadoscomodadosdeentradaosre-sultadosdecadapartıculaanalisada(paracadaagregado,cadafraçaoecadapropriedade,emumtotalde12.887partıculas).Paragerarosvaloreslimites,aplicaram-semetodoshierarquicosdecluster(Ward,mediana,centroideemedia)emcadapropriedade,separadamente.Adotou-seadistanciaeuclidianaaoquadradocomomedidadeproximidadeentreaspartıculasdentrodosclusters.Utilizou-seomaiorvalordacorrelaçaocofenetica(SokaleRohlf,1962)comocri-teriodeescolhadometodomaisadequadoparacadapropriedadedeforma.Acorrelaçaocofe-neticamedeograudeajusteentreamatrizdedissimilaridade(matrizdasmedidasdesimila-ridade,ouseja,distanciaeuclidianaaoquadrado)eamatrizresultantedasimpli!icaçaodevidoaometododeagrupamento.Optou-seporutilizaramesmanomenclaturaparaasclasseseosmesmosnumerosdeclustersutilizadosporAlRousan(2004),ouseja,quatroclassesparaaspropriedadesdeangularidade,deesfericidadeedeforma2Decincoclassesparaadetexturasuper!icial,porserestaapropriedadedeformacommaiordispersao(Bessa,2012;Araujoetal.,2014;Diogenes,2015eAraujo,2016).
Figura 2: Fluxograma do método utilizado nesta pesquisa
Valor p 6,06 x 10-14 < 2,2 x 10-16 < 2,2 x 10-16 < 2,2 x 10-16
2 - 3 W 8.013.500 35.568.000 1.207.500 227.670
Valor p < 2,2 x 10-16 < 2,2 x 10-16 < 2,2 x 10-16 < 2,2 x 10-16
3 - 4 W 45.656 202.370 103.210 78.970
Valor p < 2,2 x 10-16 < 2,2 x 10-16 < 2,2 x 10-16 < 2,2 x 10-16
4 - 5 W - - - 40.280
Valor p - - - < 2,2 x 10-16
Tabela 6: Medidas descritivas das propriedades de forma por cluster
Propriedade Medida Cluster
1 2 3 4 5
Forma 2D
Média 3,4 7,6 12,1 16,4 -
DP 0,5 1,5 1,1 0,9 -
CV (%) 14,8 19,8 9,0 5,6 -
n 31 9.127 878 52 -
Frequência (%) 0.31 90.47 8.70 0.52 -
Angularidade
Média 893 3.053 4.955 7.574 -
DP 271 616 685 388 -
CV (%) 30,3 20,2 13,8 5,1 -
n 96 8.612 4.130 49 -
Frequência (%) 1.05 93.91 4.50 0.53 -
Esfericidade
Média 0,50 0,65 0,79 0,89 -
DP 0,04 0,05 0,03 0,03 -
CV (%) 7,6 7,9 4,1 2,8 -
n 316 1.556 776 133 -
Frequência (%) 11.36 55.95 27.90 4.78 -
Textura superficial
Média 154 340 511 705 897
DP 64 49 44 65 47
CV (%) 41,5 14,5 8,6 9,2 5,2
n 1.112 764 298 265 152
Frequência (%) 0.08 51.62 20.13 17.90 10.27
Nota: DP = Desvio Padrão; CV = Coeficiente de Variação; n = quan#dade de parCculas.
Por !im,compararam-seos limitessupracitadoscomaquelesdasclassi!icaçoespropostasporAlRousan(2004)eporMahmoudetal.(2010)(Figura3).Acomparaçaocomaclassi!icaçaopropostaporMahmoudetal.(2010)!icoucomprometida,umavezqueosautoresutilizaramsomente 3 classes (baixa, media e alta) enquanto a proposta nesta pesquisa, baseou-se namesmaquantidadedeclassesdaclassi!icaçaopropostaporAlRousan(2004)(quatroclassesparaaspropriedadesdeangularidade,deesfericidadeedeforma2Decincoclassesparaadetexturasuper!icial).Aclassi!icaçaopropostanestetrabalhoapresentouclassesextremascomamplitudesmenoresqueaquelasdasdemaisclassi!icaçoes,oquepodeestarrelacionadoadis-persaodasdistribuiçoesdepropriedadeseaheterogeneidadeentreagregados.Consequente-mente,asclasses intermediariasapresentaramamplitudesmaiores.Asdiferençasde limites
Ibiapina, D.S.; Castelo Branco, V.T.F.; Diógenes, L.M.; Motta, L.M.G.; Freitas, S.M. de Volume 26 | Número 4 | 2018
Achatado/Alongado Baixa esfericidade Esfericidade moderada Alta esfericidade -
Textura < 260 260 - 440 440 - 600 600 - 825 > 825
Polido Macio Baixa rugosidade Rugosidade moderada Alta rugosidade
Figura 3: Comparação entre as classificações de propriedades de forma
Comrelaçaoaosvaloreslimitesdeangularidade,observou-sequeosvaloresextremosdaclassi!icaçaodeMahmoudetal.(2010)(2.420e3.418),deAlRousan(2004)(2.100e5.400)edestapesquisa(1.260e7.180)diferemnotavelmente.Concluiu-seque,dependendodaclassi-!icaçaoadotada,umdeterminadoagregadopodeserclassi!icadodistintamente.Porexemplo,um agregado que possui o valormedio de angularidade igual a 1.300 pode ser classi!icadocomo:“baixaangularidade”,segundoMahmoudetal.(2010);“arredondado”,segundoAlRou-san(2004)e“subarredondado”,segundoaclassi!icaçaopropostanestapesquisa,ouseja,tresclassesdiferentes,adependerdosistemadeclassi!icaçaoadotado.
Ibiapina, D.S.; Castelo Branco, V.T.F.; Diógenes, L.M.; Motta, L.M.G.; Freitas, S.M. de Volume 26 | Número 4 | 2018
Compararam-seas tres classi!icaçoesdepropriedadesde forma:AlRousan (2004),Mah-moud(2010)eapropostanestapesquisa.Aclassi!icaçaopropostaapresentouclassesextremascomamplitudesmenoresqueaquelasobtidasparaasdemaisclassi!icaçoes,oquepodeestarrelacionadoasaltasdispersoesdasdistribuiçoesdepropriedadeseaaltaheterogeneidadeen-treagregados.Observou-sequeumagregadopodeserclassi!icadodemaneiradiferenteade-penderdaclassi!icaçaoadotada.Essaconstataçaopodeevitar,porexemplo,apenalizaçaodeagregadosqueseriamdescartadosemumaseleçao,noambitodeprojeto,dependendodaspro-priedadesrequeridasparasuaaplicaçao.Naohaconclusaodequeexisteumaclassi!icaçaome-lhorqueasoutras,entretanto,aclassi!icaçaopropostanestapesquisapodesermaisadequadaparaosagregadosoriundosdoBrasil,umavezqueestescompuseramobancodedadosutili-zadocomobaseparasuaelaboraçao.
00
10
20
30
40
50
60
70
80
90
100
1 2 3 4 5 6 7 8 9 13 14 15 16 17 18 19
Fre
qu
ên
cia
de
ag
reg
ad
os
em
ca
da
cla
sse
de
te
xtu
ra p
ela
cla
ssif
ica
ção
de
Al-
Ro
usa
n
(20
04
)
Polido Macio Baixa rugosidade Moderada rugosidade Alta rugosidade
Agregados
Ibiapina, D.S.; Castelo Branco, V.T.F.; Diógenes, L.M.; Motta, L.M.G.; Freitas, S.M. de Volume 26 | Número 4 | 2018