Avanços e aplicações da microtomografia computadorizada de raios X e do processamento digital de imagens na caracterização de materiais asfálticos

Autores

DOI:

https://doi.org/10.58922/transportes.v31i1.2854

Palavras-chave:

microtomografia computadorizada de raios X, processamento digital de imagens, Materiais asfálticos, Inteligência artificial

Resumo

Este artigo apresenta os avanços recentes da aplicação da técnica de microtomografia computadorizada de raios X (micro-TC) na caracterização de materiais asfálticos. São discutidas as características de aquisição das imagens para realizar ensaios de micro-TC de concretos asfálticos e matrizes de agregados finos. Um procedimento desenvolvido para realizar o processamento digital das imagens dos materiais asfálticos também é apresentado. As principais conclusões deste artigo são: (1) resoluções espaciais entre 10 µm/pixel e 13 µm/pixel são adequadas para realizar a avaliação da volumetria dos materiais asfálticos; (2) em vez da limiarização, a arquitetura U-Net pode ser utilizada para otimizar o processamento digital de imagens; (3) um elemento de volume representativo considerando 33% do volume total das amostras pode ser adotado para avaliações da volumetria de materiais asfálticos; (4) a volumetria da matriz de agregados finos é dependente da volumetria da mistura asfáltica correspondente.

Downloads

Não há dados estatísticos.

Referências

Al-Raoush, R. e A. Papadopoulos (2010) Representative Elementary Volume Analysis of Porous Media using X-ray Computed Tomography. Powder technology, v. 200(1-2), p. 69-77. DOI: 10.1016/j.powtec.2010.02.011. DOI: https://doi.org/10.1016/j.powtec.2010.02.011

Amelian, S.; Y. R. Kim; P. H. Osmari; F. T. S. Aragão; D. Braz e R. F. Costa (2019) Development of a Volumetric Mix Design Approach for Fine Aggregate Matrix (FAM) and Validation with Micro-CT Method, Transportation Research Board 98th Annual Meeting. Washington, D. C., Estados Unidos.

Augusto, K. (2016) Microtomografia Computadorizada de Raios X Aplicada à Caracterização de Porosidade em Pelotas de Minério de Ferro. Tese de Doutorado. PUC-Rio. Rio de Janeiro.

Bezerra, E.; K. Augusto e S. Paciornik (2020) Discrimination of Pores and Cracks in Iron Ore Pellets using Deep Learning Neural Networks. REM - International Engineering Journal, v. 73, n. 2, p. 197-203. DOI: 10.1590/0370-44672019730119. DOI: https://doi.org/10.1590/0370-44672019730119

Buades, A.; B. Coll e J-M. Morel (2011) Non-Local Means Denoising. Image Processing On Line Journal, v. 1, pp. 208-212. DOI: 10.5201/ipol.2011.bcm_nlm. DOI: https://doi.org/10.5201/ipol.2011.bcm_nlm

Chen, A.; G. D. Airey; N. Thom e Y. Li (2022) Characterisation of Fatigue Damage in Asphalt Mixtures using X-ray Computed Tomography. Road Materials and Pavement Design, p. 1-19. DOI: 10.1080/14680629.2022.2029756. DOI: https://doi.org/10.1080/14680629.2022.2029756

CTAnalyzer v. 1.20.3. (2020) [Computer software]. Bruker, Kontich, Belgium. Disponível em <https://www.bruker.com/en/products-and-solutions/preclinical-imaging/micro-ct/3d-suite-software.html > (acesso em 01/09/2022).

Dragonfly 2020.1. (2020) [Computer software] Object Research Systems (ORS) Inc, Montreal, Canadá. Disponível em <http://www.theobjects.com/dragonfly> (acesso em 01/09/2022).

Enríquez-León, A. J.; T. D. Souza, F. T. S. Aragão; D. Braz; A. M. B. Pereira e L. P. Nogueira (2021a) Determination of the Air Void Content of Asphalt Concrete Mixtures using Artificial Intelligence Techniques to Segment Micro-CT Images. International Journal of Pavement Engineering, p. 1-10. DOI: 10.1080/10298436.2021.1931197. DOI: https://doi.org/10.1080/10298436.2021.1931197

Enríquez-León, A. J.; T. D. Souza; F. T. S. Aragão; A. M. B. Pereira e L. P. Nogueira (2021b) Characterization of the Air Void Content of Fine Aggregate Matrices within Asphalt Concrete Mixtures. Construction and Building Materials, v. 300, 124214, p. 1-12. DOI: 10.1016/j.conbuildmat.2021.124214. DOI: https://doi.org/10.1016/j.conbuildmat.2021.124214

Gomes, O. D. M. (2007) Microscopia Co-Localizada: Novas Possibilidades na Caracterização de Minérios. Tese de Doutorado. PUC-Rio, Rio de Janeiro.

Gonzales, R. C. e R. E. Woods (2010) Processamento Digital de Imagens, 3ª ed. Pearson Prentice Hall, São Paulo.

Jiang, J.; Z. Zhang; Q. Dong e F. Ni (2018) Characterization and Identification of Asphalt Mixtures Based on Convolutional Neural Network Methods using X-ray Scanning Images. Construction and Building Materials, v. 174, p. 72–80. DOI: 10.1016/j.conbuildmat.2018.04.083. DOI: https://doi.org/10.1016/j.conbuildmat.2018.04.083

Masad, E.; B. Muhunthan; N. Shashidhar e T. Harman (1999) Quantifying Laboratory Compaction Effects on the Internal Structure of Asphalt Concrete. Transportation Research Record: Journal of the Transportation Research Board, v. 1681, pp. 179-185. DOI: 10.3141/1681-21. DOI: https://doi.org/10.3141/1681-21

Masad, E.; V. K. Jandhyala; N. Dasgupta; N. Somadevan e N. Shashidhar (2002) Characterization of Air Void Distribution in Asphalt Mixes using X-ray Computed Tomography. Journal of Materials in Civil Engineering, v. 14(2), p. 122-129. DOI: 10.1061/(asce)0899-1561(2002)14:2(122). DOI: https://doi.org/10.1061/(ASCE)0899-1561(2002)14:2(122)

Nascimento, L.; L. Leite; E. F. Campos; G. Marques e L. Motta (2006) Uso da Tomografia Computadorizada e de Imagens Digitais para o Estudo de Misturas Asfálticas. Anais do Encontro do Asfalto IBP - 18, Rio de Janeiro.

Neto, J.; A. Fiori, A. Lopes; C. Marchese; C. Coelho; E. Vasconcellos; G. Silva e R. Secchi (2011) A Microtomografia Computadorizada de Raios X Integrada à Petrografia no Estudo Tridimensional de Porosidade em Rochas. Revista Brasileira de Geociências. v. 41(3). p. 498-508, 2011. DOI: 10.25249/0375-7536.2011413498508. DOI: https://doi.org/10.25249/0375-7536.2011413498508

Osmari, P. H.; R. F. Costa; F. T. S. Aragão; D. Braz, R. C. R. Barroso; L. P. Nogueira e A. K. Y. Ng (2020) Determination of Volumetric Characteristics of FAM Mixtures using X-Ray Micro-Computed Tomography and Their Effects on the Rheological Behavior of the Material. Transportation Research Record: Journal of the Transportation Research Board, v. 2674(5), p. 97-107. DOI: 10.1177/0361198120914607. DOI: https://doi.org/10.1177/0361198120914607

Palombo, L. (2017) A Microtomografia de Raios X e a Porosimetria por Intrusão de Mercúrio na Determinação de Porosidade e Densidade de Rochas Reservatório. Dissertação de Mestrado, Universidade de São Paulo, São Paulo.

Provencher, B.; N. Piché e M. Marsh (2019) Simplifying and Streamlining Large-Scale Materials Image Processing with Wizard-Driven and Scalable Deep Learning. Microscopy and Microanalysis, v. 25, S2, p. 402-403. DOI: 10.1017/s1431927619002745. DOI: https://doi.org/10.1017/S1431927619002745

Sadeq, M.; E. A. Masad; H. Al-Khalid e O. Sirin (2018) Characterisation of Air Voids in W-FAM Samples using X-Ray CT Imaging. Advances in Materials and Pavement Performance Prediction: CRC Press, p. 97-100. DOI: 10.1201/9780429457791-25. DOI: https://doi.org/10.1201/9780429457791-25

Schindelin, J.; I. Arganda-Carreras; E. Frise; V. Kaynig; M. Longair; T. Pietzsch; S. Preibisch; C. Rueden; S. Saalfeld; B. Schmid; J-Y. Tinevez; D. J. White; V. Hartenstein; K. Eliceiri; P. Tomancak e A. Cardona (2012) Fiji: an Open-source Platform for Biological-Image Analysis. Nature Methods, v. 9(7), p. 676-682. DOI: 10.1038/nmeth.2019. DOI: https://doi.org/10.1038/nmeth.2019

Souza, T. D.; A. J. Enríquez-León; C. R. R. Souza; F. T. S. Aragão; C. Logelo; I. C. Lima, M. C. Santo e P. Couto (2022) Avaliação das Características Volumétricas de Matrizes de Agregados Finos Usando Microtomografia e Segmentação por Deep Learning. XXXVI ANPET, Fortaleza.

Souza, T. D.; A. J. Enríquez-León; M. L. Rocha; P. H. Osmari; F. T. S. Aragão; A. M. B. Pereira e B. S. Underwood (2023) A Criterion to Select the Maximum Aggregate Size of Fine-Aggregate Asphalt Matrices. 102nd Annual Meeting of the Transportation Research Board (TRB). Washington, D. C., Estados Unidos. No prelo.

Shaheen, M.; A. Al-Mayah e S. Tighe (2016) A Novel Method for Evaluating Hot Mix Asphalt Fatigue Damage: X-ray Computed Tomography. Construction and Building Materials, v. 113, p. 121-133. DOI: 10.1016/j.conbuildmat.2016.03.030. DOI: https://doi.org/10.1016/j.conbuildmat.2016.03.030

Tashman, L.; E. Masad; J. D'Angelo; J. Bukowski e T. Harman (2002) X-ray Tomography to Characterize Air Void Distribution in Superpave Gyratory Compacted Specimens. International Journal of Pavement Engineering, v. 3, n. 1, p. 19-28. DOI: 10.1080/10298430290029902a. DOI: https://doi.org/10.1080/10298430290029902a

Thyagarajan, S.; L. Tashman; E. Masad e F. Bayomy (2010) The Heterogeneity and Mechanical Response of Hot Mix Asphalt Laboratory Specimens. International Journal of Pavement Engineering, v. 11(2), p. 107-121. DOI: 10.1080/10298430902730521. DOI: https://doi.org/10.1080/10298430902730521

Underwood, B. S. (2011) Multiscale Constitutive Modeling of Asphalt Concrete. Tese de Doutorado. North Carolina State University, Carolina do Norte.

Landis, E e D. Keane (2010) X-ray microtomography. Materials Characterization, v. 61, n. 12, p. 1305-1316, DOI: 10.1016/j.matchar.2010.09.012. DOI: https://doi.org/10.1016/j.matchar.2010.09.012

Yang, H.; J. Huyan; T. Ma; Z. Tong; C. Han e T. Xie (2022) Novel Computer Tomography Image Enhancement Deep Neural Networks for Asphalt Mixtures. Construction and Building Materials, v. 352, 129067, p. 1-13. DOI: 10.1016/j.conbuildmat.2022.129067. DOI: https://doi.org/10.1016/j.conbuildmat.2022.129067

You, Z.; S. Adhikari e M. Emin Kutay (2008) Dynamic Modulus Simulation of the Asphalt Concrete using the X-ray Computed Tomography Images. Materials and Structures, v. 42, n. 5, p. 617-630, DOI: 10.1617/s11527-008-9408-4. DOI: https://doi.org/10.1617/s11527-008-9408-4

Zelelew, H. M.; A. Almuntashri; S. Agaian e A. T. Papagiannakis (2013) An Improved Image Processing Technique for Asphalt Concrete X-ray CT Images. Road Materials and Pavement Design, v. 14, n. 2, p. 341-359, DOI: 10.1080/14680629.2013.794370. DOI: https://doi.org/10.1080/14680629.2013.794370

Zhao, Z.; J. Jiang; F. Ni e X. Ma (2021) 3D-Reconstruction and Characterization of the Pore Microstructure within the Asphalt FAM using the X-ray Micro-computed Tomography. Construction and Building Materials, v. 272, 121764, p. 1-9. DOI: 10.1016/j.conbuildmat.2020.121764. DOI: https://doi.org/10.1016/j.conbuildmat.2020.121764

Imagem da capa, volume 31, número 1, 2023

Downloads

Publicado

03-05-2023

Como Citar

Souza, T. D. de, Enríquez-León, A. J., Aragão, F. T. S., Pereira, A. M. B., & Nogueira, L. P. (2023). Avanços e aplicações da microtomografia computadorizada de raios X e do processamento digital de imagens na caracterização de materiais asfálticos. TRANSPORTES, 31(1), e2854. https://doi.org/10.58922/transportes.v31i1.2854

Edição

v. 31 n. 1 (2023)

Seção

Artigos Vencedores do Prêmio ANPET Produção Científica

Licença

Copyright (c) 2023 Thiago Delgado de Souza, Alexis Jair Enríque-León, Francisco Thiago Sacramento Aragão, André Maués Brarbo Pereira, Liebert Parreiras Nogueira

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Ao submeter um manuscrito para publicação neste periódico, todos os seus autores concordam, antecipada e irrestritamente, com os seguintes termos:

  1. Os autores mantém os direitos autorais e concedem à Revista TRANSPORTES o direito de primeira publicação do manuscrito, sem nenhum ônus financeiro, e abrem mão de qualquer outra remuneração pela sua publicação pela ANPET.
  2. Ao ser submetido à Revista TRANSPORTES, o manuscrito fica automaticamente licenciado sob a Licença Creative Commons Attribution, que permite o compartilhamento do trabalho com reconhecimento da autoria e da publicação inicial neste periódico.
  3. Os autores têm autorização para assumir contratos adicionais separadamente, para distribuição não exclusiva da versão do trabalho publicada neste periódico (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento da publicação inicial nesta revista, desde que tal contrato não implique num endosso do conteúdo do manuscrito ou do novo veículo pela ANPET.
  4. Os autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) depois de concluído o processo editorial. Como a Revista TRANSPORTES é de acesso livre, os autores são estimulados a usar links para o site da Revista TRANSPORTES nesses casos.
  5. Os autores garantem ter obtido a devida autorização dos seus empregadores para a transferência dos direitos nos termos deste acordo, caso esses empregadores possuam algum direito autoral sobre o manuscrito. Além disso, os autores assumem toda e qualquer responsabilidade sobre possíveis infrações ao direito autoral desses empregadores, isentando a ANPET e a Revista TRANSPORTES de toda e qualquer responsabilidade neste sentido.
  6. Os autores assumem toda responsabilidade sobre o conteúdo do trabalho, incluindo as devidas e necessárias autorizações para divulgação de dados coletados e resultados obtidos, isentando a ANPET e a Revista TRANSPORTES de toda e qualquer responsabilidade neste sentido.