Aplicación de la herramienta svm en matlab para la cuantificación de ferrita y perlita en el acero AISI/SAE 1045

El siguiente proyecto abre una puerta más detallada al uso de la herramienta de máquina de vectores de soporte SVM con Kernel Gaussiano en Matlab para datos que no son linealmente separables, para clasificar dos propiedades metalográficas, particularmente la ferrita y la perlita, además de trabajar en Matlab con el procesamiento de imágenes a través de la herramienta Image Processing Toolbox en una imagen metalográfica del acero AISI/SAE 1045 en su estado comercial, por medio de la identificación de colores para cuantificar la cantidad de ferrita y de perlita presentes en el acero. La imagen metalográfica a trabajar en Matlab es tomada del repositorio institucional de proyectos de grado de ingeniería mecánica de la Universidad Distrital Francisco José De Caldas, del proyecto Comparación microestructural de los aceros 1020, 1045 y 8620 templados desde temperaturas intercríticas y revenidos. Por lo general el análisis de procesamiento de las imágenes metalográficas se hace por medio de otros software como R estadístico o Excel, así mismo la aplicación del SVM (máquina de vectores de soporte) también se hace analíticamente o por medio del software Excel, pero en el caso de Matlab no es muy común el uso de esta herramienta, debido a ello profundizar en el estudio de la herramienta SVM y del procesamiento de imágenes metalográficas en Matlab optimizará procesos en el estudio metalográfico de los aceros. De manera general Matlab puede trabajar con la herramienta SVM para datos que son linealmente separables, y para los datos que no son linealmente separables puede hacer uso de diferentes tipos de Kernel, en este proyecto por la disposición cartesiana de los puntos de ferrita y de pelita se trabajó el kernel gaussiano. Es importante establecer que el método a trabajar para el procesamiento de la imagen metalográfica para cuantificar la cantidad de ferrita y de perlita está basado en la aplicación de la herramienta image Processing Toolbox. Con esta herramienta de Matlab primero se establece una matriz lógica al binarizar la imagen metalográfica para poder determinar algunas características de los colores, la cantidad de píxeles determina la cuantificación de la ferrita y de la perlita de la imagen metalográfica para el acero AISI/ SAE 1045 en su estado comercial.

• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/27635
• Acceso en línea: http://hdl.handle.net/11349/27635
• Palabra clave: Svm; Matlab; Ferrita; Perlita; Tecnología Mecánica - Tesis y disertaciones académicas; Procesamiento de imágenes; Acero - Pruebas; Matlab (Programa para computador); Svm; Matlab; Ferrite; Pearlite
• License: Atribución-SinDerivadas 4.0 Internacional