Clasificación de partículas de grafito en imágenes metalográficas de fundiciones: análisis cuantitativo de imágenes versus aprendizaje profundo (Deep Learning)

La caracterización de la forma del grafito en fundición de hierro es fundamental para el control de calidad de los componentes. Esta técnica se sigue realizando con base a gráficos estándar y cuenta con cada vez más soporte de herramientas de análisis cuantitativo. A pesar de los importantes avances en tecnologías y software de análisis de imágenes, los resultados del análisis cuantitativo de imágenes siguen siendo moderadamente satisfactorios, lo que plantea la cuestión de la capacidad del aprendizaje automático para complementar este enfoque.

En este trabajo, un primer conjunto de imágenes complejas, en las que coexisten grafito laminar, compacto y esferoidal, se sometió a sistemas estándares de análisis de imágenes y a una red neuronal convolucional (un modelo de aprendizaje profundo). La comparación de ambos métodos muestra que el machine learning produjo resultados muy prometedores en comparación con el análisis de imágenes estándar, en particular en lo que respecta a la presencia de grafito laminar.

Posteriormente, se procesó una serie ampliada de micrografías que incluían formas de grafito degenerado con una versión mejorada de la red neuronal. Tras un entrenamiento adecuado, los resultados volvieron a ser satisfactorios.