08.05.2013 Views

Volumen II - SAM

Volumen II - SAM

Volumen II - SAM

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Congreso <strong>SAM</strong>/CONAMET 2009 Buenos Aires, 19 al 23 de Octubre de 2009<br />

IDENTIFICACIÓN AUTOMÁTICA DE POROS EN MICROGRAFÍAS APLICADA A LA<br />

MEDICIÓN DE LA DISTRIBUCIÓN DE LA POROSIDAD EN PASTILLAS DE UO2<br />

S. Cativa Tolosa (1) y F. Kaufmann (1)<br />

(1) Unidad de Actividad Combustibles Nucleares<br />

Comisión Nacional de Energía Atómica<br />

Av. Gral. Paz 1499 (B1650KNA) San Martín, Pcia. de Buenos Aires, Argentina.<br />

E-mail (autor de contacto): cativa@cnea.gov.ar<br />

RESUMEN<br />

El análisis de materiales utilizando imágenes microscópicas a menudo presenta serios inconvenientes, en<br />

especial si se desea automatizar el proceso. El presente trabajo describe lo realizado para caracterizar la<br />

microestructura de pastillas de UO2 de alta densidad (superior al 85% de la densidad teórica), en<br />

particular la distribución de porosidad en volumen, donde los poros de las mismas se encuentran aislados.<br />

Se trabajó con imágenes tomadas con un SEM que posee una amplia profundidad de campo. En<br />

consecuencia, los poros en la imagen no tienen una única tonalidad ni se reconocen visualmente de la<br />

misma forma, lo que dificulta la tarea de distinguir la estructura de los poros. Este hecho impide el uso de<br />

los programas de reconocimiento estándar, los cuales se basan en determinar un umbral de tonalidad para<br />

distinguir los poros del fondo. Para realizar la identificación de los poros se desarrolló un programa de<br />

computación ad-hoc sobre MatLab R2006a que utiliza una combinación procedimientos de procesamiento<br />

digital de imágenes con elementos de la morfología matemática. En especial se utilizó la técnica de<br />

segmentación conocida como watershed [1, 2] cuyo uso permitió reconstruir e identificar los distintos poros<br />

a partir de los reflejos incompletos de los bordes. Una vez identificado los poros dado que las mediciones se<br />

realizaron sobre áreas, se recurrió a un método estereológico de Johnson-Saltykov para correlacionar la<br />

distribución de tamaños en un área con la correspondiente distribución de tamaños en volumen.<br />

Palabras clave: Distribución de porosidad, microscopía, metalografía, morfología matemática,<br />

procesamiento digital de imágenes.<br />

1. INTRODUCCIÓN<br />

Los algoritmos aquí presentados fueron desarrollados para un trabajo de estudio de cinética de porosidad en<br />

la última etapa de sinterizado en pastillas de UO2 que apunta a predecir el comportamiento durante la<br />

fabricación de los combustibles para reactores nucleares de potencia [3]. Dado que la cinética de la porosidad<br />

va a estar regida por el mecanismo de sinterizado es de vital importancia el análisis de la porosidad en los<br />

distintos ensayos que se realizaron. Se utilizó para este trabajo un microscopio electrónico de barrido (SEM)<br />

marca FEI Quanta 200 del Departamento de Materiales de la CNEA, que permite trabajar con mayores<br />

aumentos y obtener imágenes de mayor resolución y con una iluminación más homogénea.<br />

Las imágenes tomadas con el SEM poseen una mayor profundidad de campo y, en consecuencia, los poros<br />

en la imagen ya no tienen una única tonalidad, lo que permite distinguir el poro. Esta característica impide el<br />

uso de los programas de reconocimiento estándar, los cuales se basan solamente en determinar un umbral de<br />

tonalidad para distinguir los poros con respecto al fondo [4], lo que obligó a desarrollar un software ad hoc.<br />

Se tomaron micrografías con el SEM a 600x, 1200x y 2400x, en el centro y el borde de la pastilla. Sin<br />

embargo, para el análisis cuantitativo sólo se usaron las imágenes del centro a fin de evitar los efectos de<br />

borde.<br />

2. ALGORITMOS DE RECONOCIMIENTO<br />

Dado que no todos los poros poseen las mismas características visuales que los identifiquen como tales fue<br />

necesario implementar distintos algoritmos de procesamiento de imágenes que permitan 1) identificar los<br />

distintos elementos de la imagen que definen a un poro y 2) reconstruir los poros a partir de estos elementos.<br />

Los elementos básicos de definición de un poro son dos: a) los elementos oscuros en la imagen generados<br />

por la cavidad central (en general profunda) del poro y b) elementos muy claros que en algunas ocasiones se<br />

visualizan en la frontera exterior del poro. Estos elementos claros son reflejos de la luz en los bordes del<br />

poro. En la región ampliada de la Figura 1 se observan ambos elementos.<br />

1064

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!