Por: João Victor Soares Chagas (ufes), rAONI caetano barbieri (ufes), Lumena glória de souza nunes (ufes), jaime alberto sanchez caceres (ufes), carlos augusto cardoso passos (ufes)
Resumo:
Com o aprimoramento de técnicas de microscopia e também dos métodos de análise de imagem, surgiu o desafio de realizar análises quantitativas, automatizadas e precisas em um grande conjunto de imagens. Diante deste cenário, os métodos de aprendizagem de máquina surgiram como uma ferramenta valiosa no processo de segmentação. Esses métodos transformam o problema de segmentação de imagem em um problema de classificação de pixels, considerando o conhecimento do operador, aumentando a precisão na detecção das regiões de interesse e possibilitando a automatização do processo. O Trainable Weka Segmentation (TWS) é um plugin, dentro do software de código aberto Fiji, que utiliza a aprendizagem de máquina na segmentação de imagens. Neste plugin, o operador indica quais são os pixels pertencentes a cada classe e, com treinamento, o classificador segmenta toda a imagem. Neste trabalho, mostramos como o TWS pode ser usado para determinar o tamanho de grão em materiais cerâmicos. Aplicamos tal metodologia a 8 imagens de uma cerâmica de Titanato Zirconato de Chumbo (PZT), obtidas por meio de Microscopia Eletrônica de Varredura. Obtivemos o valor de tamanho médio de grão igual a (1,824 ± 0,07) µm.