Análise granulométrica de areia com redes neurais convolucionais aplicadas a imagens digitais

Abstract

A análise granulométrica é uma etapa essencial para compreender as propriedades físicas de materiais como solos e areias, influenciando diretamente parâmetros como porosidade, permeabilidade e resistência mecânica. Tradicionalmente, essa análise é realizada por métodos laboratoriais de peneiramento e sedimentação, que, embora precisos, são demorados e dispendiosos. Neste trabalho, propõe-se o uso de redes neurais convolucionais (CNNs) aplicadas a imagens digitais para automatizar a caracterização granulométrica de amostras de areia. As imagens foram capturadas com microscópio digital e processadas por meio de técnicas de pré-processamento utilizando as bibliotecas OpenCV, NumPy e TensorFlow/Keras. O modelo de CNN foi treinado e validado com base emmedidas de referência obtidas no software ImageJ-Fiji. Os resultados indicaramque, embora o modelo tenha conseguido identificar padrões e segmentargrãos de areia, ainda apresentou discrepâncias significativas em relação aos métodos tradicionais, especialmente na contagem das partículas. Conclui-se que a abordagem possui potencial promissor, mas requer aprimoramentos, como aumento do conjunto de treinamento e uso de arquiteturas mais robustas, para alcançar maior precisão e confiabilidade. Além disso, observa-se que a aplicação de técnicas de aprendizado profundo nesse tipo de análise abre caminho para o desenvolvimento de ferramentas automatizadas capazes de processar grandes volumes de dados com rapidez e consistência. Essa automação tem o potencial de reduzir o tempo necessário para caracterização granulométrica e minimizar erros humanos, tornando o processo mais acessível e eficiente.