Correa Murillo, Luis HernandoSalamanca Ramírez, Diego Fernando2021-10-272021-10-272021-03-24http://hdl.handle.net/11349/27635El siguiente proyecto abre una puerta más detallada al uso de la herramienta de máquina de vectores de soporte SVM con Kernel Gaussiano en Matlab para datos que no son linealmente separables, para clasificar dos propiedades metalográficas, particularmente la ferrita y la perlita, además de trabajar en Matlab con el procesamiento de imágenes a través de la herramienta Image Processing Toolbox en una imagen metalográfica del acero AISI/SAE 1045 en su estado comercial, por medio de la identificación de colores para cuantificar la cantidad de ferrita y de perlita presentes en el acero. La imagen metalográfica a trabajar en Matlab es tomada del repositorio institucional de proyectos de grado de ingeniería mecánica de la Universidad Distrital Francisco José De Caldas, del proyecto Comparación microestructural de los aceros 1020, 1045 y 8620 templados desde temperaturas intercríticas y revenidos. Por lo general el análisis de procesamiento de las imágenes metalográficas se hace por medio de otros software como R estadístico o Excel, así mismo la aplicación del SVM (máquina de vectores de soporte) también se hace analíticamente o por medio del software Excel, pero en el caso de Matlab no es muy común el uso de esta herramienta, debido a ello profundizar en el estudio de la herramienta SVM y del procesamiento de imágenes metalográficas en Matlab optimizará procesos en el estudio metalográfico de los aceros. De manera general Matlab puede trabajar con la herramienta SVM para datos que son linealmente separables, y para los datos que no son linealmente separables puede hacer uso de diferentes tipos de Kernel, en este proyecto por la disposición cartesiana de los puntos de ferrita y de pelita se trabajó el kernel gaussiano. Es importante establecer que el método a trabajar para el procesamiento de la imagen metalográfica para cuantificar la cantidad de ferrita y de perlita está basado en la aplicación de la herramienta image Processing Toolbox. Con esta herramienta de Matlab primero se establece una matriz lógica al binarizar la imagen metalográfica para poder determinar algunas características de los colores, la cantidad de píxeles determina la cuantificación de la ferrita y de la perlita de la imagen metalográfica para el acero AISI/ SAE 1045 en su estado comercial.The following project opens a more detailed door to using the SVM support vector machine tool with Kernel gaussiano in matlab for data that is not linearly separable, to classify two metallographic properties, particularly ferrite and pearlite, in addition to working on matlab with image processing through the Image Processing Toolbox on a metallographic image of AISI / SAE 1045 steel in its commercial state through the identification of colors to quantify the amount of ferrite and pearlite present in the steel. The metallographic image to work in matlab is taken from the institutional repository of mechanical engineering degree projects of the Francisco José De Caldas District University of the project Microstructural comparison of 1020, 1045 and 8620 steels tempered from intercritical and tempered temperatures. In general, the analysis of metallographic image processing is done through other software such as statistical R or Excel, likewise the application of the SVM (support vector machine) is also done analytically or through software such as Excel, but In the case of matlab, the use of this tool is not very common, due to this, deepening the study of the SVM tool and the processing of metallographic images in matlab will optimize processes in the study of steels. Usually, matlab can work with the SVM tool for data that are linearly separable, and for data that are not linearly separable, it can make use of different types of Kernel, in this project due to the Cartesian arrangement of the ferrite and pelite points. The Gaussian kernel was worked. It is important to establish that the method to work for the processing of the metallographic image to quantify the amount of ferrite and pearlite is based on the application of the image Processing Toolbox. With this matlab tool, a logical matrix is ​​first established by binarizing the metallographic image In order to determine some characteristics of the colors, the number of pixels determines the quantification of the ferrite and pearlite of the metallographic image for AISI / SAE 1045 steel in its commercial state.pdfspaAtribución-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/SvmMatlabFerritaPerlitaTecnología Mecánica - Tesis y disertaciones académicasProcesamiento de imágenesAcero - PruebasMatlab (Programa para computador)info:eu-repo/semantics/openAccessSvmMatlabFerritePearliteMonografíaAbierto (Texto Completo)