Professor do Campus Itapetininga publica artigo em revista internacional

O artigo intitulado “Automated Recognition and Measurement of Cellular and Dendritic Microstructures in Alloys via Machine Learning” foi desenvolvido pelo Professor Carlos Henrique da Silva Santos, do Campus Itapetininga do IFSP, em colaboração científica com pesquisadores da Universidade Estadual de Campinas (UNICAMP).

O estudo foca na integração de técnicas avançadas de processamento de imagens com algoritmos de detecção de objetos baseados em Redes Neurais Convolucionais (CNNs), com o objetivo de desenvolver um método autônomo para identificar morfologias microestruturais e quantificar suas escalas de espaçamento, substituindo assim as tradicionais análises experimentais. O trabalho foi publicado no periódico “Elsevier”, que possui um Fator de Impacto de 7,5 (2025), refletindo a relevância e o impacto da pesquisa na área.

Principais Resultados e Contribuições

O estudo utilizou modelos baseados em CNNs, como Mask R-CNN e YOLOv4, para detectar e medir as microestruturas celulares e dendríticas presentes em ligas metálicas. Os resultados obtidos foram promissores, com a precisão média (mAP) atingindo 78,77% para estruturas celulares, 70,11% para estruturas dendríticas e 73,48% para estruturas híbridas. Além disso, o uso de aumento de dados (data augmentation) contribuiu para uma melhoria de 2% na precisão dos modelos e reduziu significativamente o tempo de análise em comparação com os métodos tradicionais manuais.

Entretanto, o estudo também apontou desafios, como a análise de imagens de baixa resolução, que ainda precisam de aprimoramentos para otimizar os resultados em cenários mais complexos.

Uma das principais sugestões do artigo é a criação de um banco aberto de imagens microestruturais, o que permitiria o avanço na pesquisa e na validação dos modelos desenvolvidos. Além disso, o artigo propõe o desenvolvimento de ferramentas baseadas na web para análise automatizada, ampliando as aplicações da inteligência artificial na caracterização de ligas metálicas.

Acesso ao Artigo

O artigo completo está disponível em inglês e pode ser acessado através do seguinte link: https://doi.org/10.1016/j.eswa.2025.129717

Autores:

• Guilherme Marim da Silva*

• Rafael Kakitani*

• Carlos Henrique da Silva Santos**

• Amauri Garcia*

• Noé Cheung*

Instituições dos Autores:

• **Instituto Federal de São Paulo (IFSP), Campus Itapetininga

• *Universidade Estadual de Campinas (UNICAMP)

Com essa pesquisa, a colaboração entre IFSP e UNICAMP mostra o potencial da aplicação de técnicas de aprendizado de máquina para o avanço da caracterização de materiais, especialmente no contexto de ligas metálicas, destacando a importância da integração entre instituições e a inovação tecnológica no campo científico.