Análise da Morfologia de Nanofibras Através da Inteligência Artificial
Nenhuma Miniatura disponível
Data
2022-06-02
Tipo de documento
Artigo Científico
Título da Revista
ISSN da Revista
Título de Volume
Área do conhecimento
Engenharias
Modalidade de acesso
Acesso aberto
Editora
Autores
Oliveira, Tiago
Oliveira, Danilo
Menezes, Gabriel
da Silva, Mateus
Russo, Pedro
Orientador
Barros, Prof. Dr. Guilherme
Coorientador
Resumo
Nanofibras poliméricas são filamentos utilizados em aplicações como filtragem de ar e água, catálise de reações, produção e armazenamento energético, como painéis solares e baterias. Em biomedicina podem ser utilizadas no auxílio da reconstrução de tecidos, aplicação de medicamentos através de curativos sob a derme e na indústria como filamentos de impressoras 3D. Porém, sua morfologia pode interferir nas aplicações, onde as imperfeições chamadas beads devem ser analisadas para evitar problemas de compatibilidade. Utilizando a Inteligência Artificial é possível identificar essas falhas morfológicas. Para isso, é feito o treinamento da inteligência artificial utilizando imagens obtidas através de Microscopia Eletrônica de Varredura (MEV) para criar um banco de dados de áreas da imagem onde se encontram as anomalias (beads). O algoritmo de detecção de objetos (YOLOv4) em linguagem python compara esse banco de imagens treinado com um segundo banco de imagens procurando partes semelhantes. Assim, cria-se uma relação entre a quantidade de anomalias encontradas (por material ou processo de fabricação), estabelecendo parâmetros para determinar aplicações ou processos de fabricação dependendo da usabilidade do material que será obtido a partir das nanofibras.
Este trabalho tem por objetivo demonstrar o uso da Inteligência Artificial para a identificação dos erros morfológicos das nanofibras, quantificando as anomalias e procurando observar o que influencia na assertividade desta Inteligência. Obteve-se através do treinamento e testes realizados (feito em duas etapas) a acurácia de 62,61%, no primeiro teste que utilizou 141 imagens no treinamento e 62,79% no segundo teste que utilizou o total de 284 imagens no treinamento (incluindo 141 novas imagens as 141 do primeiro treinamento). Neste segundo teste (com 284 imagens), em 45,3% das imagens analisadas, os beads identificados pela IA correspondiam aos mesmos identificados de forma manual. Já em 71,79% das análises do segundo teste a IA conseguiu identificar ausência total ou a presença parcial de beads nas imagens. Quanto ao tempo total de predição (abertura da imagem, identificação e demonstração das falhas) houve uma redução significativa comparando os testes 1 e 2 de 9,233 segundos o que para o funcionamento da IA é um valor considerável uma vez que ela processa as imagens na casa de milissegundos.
Palavras-chave
nanotecnologia., nanomateriais., nanofibras., inteligência artificial