1

EXTRAO DO CORDO DE SOLDA E DETECO DEDEFEITOS EM RADIOGRAFIAS USANDO REDES NEURAIS

Germano X. de PaduaEngenheiro de Equipamentos PlenoPETROBRAS/MATERIAIS/CQDM/IDFAAv Rep. Chile, 65, sl 601 - CEP 20035-900 Rio de Janeiro BrasilE-mail: germanox@petrobras.com.br

Romeu R. da SilvaPrograma de Engenharia Metalrgica e de Materiais/COPPE/UFRJLaboratrio de Ensaios No Destrutivos, Cidade universitria, CTBloco I Sala I-243 CEP 21945-970 Rio de Janeiro BrasilE-mail:romeu@metalmat.ufrj.brhttp://www.metalmat.ufrj.br

Raquel R. LavourasDepartamento de Engenharia Metalrgica e de Materiais, Escola de Engenharia/UFRJLaboratrio de Ensaios No Destrutivos, Cidade universitria, CTBloco I Sala I-243 CEP 21945-970 Rio de Janeiro BrasilE-mail:raquel@metalmat.ufrj.brhttp://www.metalmat.ufrj.br

Professor Joo M. A. RebelloPrograma de Engenharia Metalrgica e de Materiais/COPPE/UFRJLaboratrio de Ensaios No Destrutivos, Cidade universitria, CTBloco I Sala I-243 CEP 21945-970 Rio de Janeiro BrasilE-mail:jmarcos@metalmat.ufrj.brhttp://www.metalmat.ufrj.br

Professor Luiz P. CalbaPrograma de Engenharia Eltrica/COPPE/UFRJLaboratrio de Processamento de Sinais, Cidade Universitria, CTBloco H Sala H-220 CEP 21945-970 Rio de JaneiroE-mail:caloba@lps.ufrj.brhttp://www.lps.ufrj.br

Resumo. O ensaio radiogrfico um dos ensaios no-destrutivos mais antigos, sendo utilizado amplamente nocontrole da qualidade de equipamentos e materiais em vrios tipos de indstrias. Uma das maiores aplicaes dainspeo por raios-X ou raios gama na inspeo de juntas soldadas. Por ser um ensaio que dependeessencialmente da experincia, qualificao e acuidade visual do inspetor, torna-se subjetivo, o que muitas vezesprovoca erros de interpretao, causando a no deteco de um defeito, ou a confuso entre classes de defeitos desoldagem. Outro fator importante neste tipo de ensaio a qualidade da imagem radiogrfica, a qual depende deinmeros fatores. Em geral, quanto melhor a qualidade da imagem, mais fcil e eficiente ser a interpretao daradiografia. Atualmente, aps avanos nos campos da informtica e das tcnicas de inteligncia artificial, hdiversas pesquisas voltadas para o desenvolvimento de um sistema automtico de anlise e interpretao deradiografias de juntas soldadas, o que similarmente tambm ocorre na inspeo radiogrfica de peas fundidas eprocessos tomogrficos.

Para o projeto deste sistema, normalmente so necessrias as etapas de digitalizao dos filmesradiogrficos, pr-processamentos das imagens digitalizadas e dos dados, e uma etapa de reconhecimento depadres, sendo esta ltima freqentemente implementada por redes neurais artificiais.

Este trabalho tem como objetivo principal apresentar uma metodologia para extrao automtica decordo de solda e deteco de defeitos em radiografias, esta ltima etapa usando redes neurais. Para garantir apreciso dos resultados, utilizou-se padres radiogrficos do IIW (Internacional Institute of Welding). Apresenta-se,primeiramente, um mtodo para separao do cordo de solda da regio de metal de base na imagem radiogrfica.Para tal, utilizou-se as curvas Gaussianas obtidas dos perfis de nveis de cinza transversais ao cordo.Posteriormente, estes perfis so pr-processados e so utilizados para formao do conjunto de treinamento e testedos classificadores lineares desenvolvidos por redes neurais supervisionadas. Os resultados conseguidos at opresente momento incentivam a publicao deste trabalho.

Palavras-chaves: Radiografia, Extrao de Cordo, Defeitos de Soldagem, Reconhecimento de padro e RedesNeurais

http://www.metalmat.ufrj.br/http://www.metalmat.ufrj.br/http://www.metalmat.ufrj.br/http://www.lps.ufrj.br/

2

1. INTRODUO

Existem alguns pesquisas, muitas delas ainda em fase inicial, que visam a automatizao doprocesso de anlise e interpretao de defeitos em radiogrfias, normalmente dividido em quatro etapasprincipais: digitalizao da radiografia/aquisio da imagem, extrao do cordo de solda, deteco eclassificao de defeitos. A primeira etapa consiste da digitalizao do filme radiogrfico por meio de umscanner desenvolvido para este fim, proporcionando resoluo adequada, ou mais recentemente, aaquisio j digitalizada da radiografia. A extrao do cordo de solda consiste de um algoritmo detratamento de imagem para extrair somente a rea de interesse e reduzir o tempo gasto nas etapassubseqentes. Na deteco dos defeitos, so aplicados algoritmos para o reconhecimento de anomalias noperfil da imagem, estes algoritmos so aplicados com sistemas inteligentes (redes neurais artificiais maisfreqentemente) e devem prever a existncia de descontinuidades ao longo da imagem da solda. Por fim,a classificao dos defeitos tambm executada automaticamente, de forma que o defeito encontradoanteriormente seja reconhecido dentre os diversos tipos, considerando a sua geometria, localizao dentrodo cordo e outras particularidades relativas imagem, alm de classific-lo quanto a aceitao de acordocom a norma ou cdigo aplicvel (ASME, ASNT, ASTM, etc.)

No presente trabalho, apresenta-se os resultados obtidos com uma metodologia para extraoautomtica do cordo de solda de padres radiogrficos do IIW (Internacional Institute of Welding). Oalgoritmo empregado envolve as etapas de suavizao de rudo com o filtro Savitzky-Golay, regressono linear dos perfis com base na curva de Gauss e extrao das partes referentes ao cordo de solda,dispensando a informao irrelevante do metal de base. Posteriormente, os perfis resultantes so usadosem classificadores lineares de padres desenvolvidos com redes neurais artificiais para separao entreperfis contendo defeitos no cordo de solda e perfis sem defeito.

2. REVISO BIBLIOGRFICA

Warren Liao e Jiawei Ni[1] desenvolveram uma metodologia baseada na observao de que ogrfico de intensidade de nvel de cinza em um cordo de solda aproxima-se mais de uma Gaussiana doque os outros objetos da mesma imagem. Para Liao [1], a similaridade entre o grfico de intensidade decada objeto e sua Gaussiana definido em termos do erro mdio quadrado (MSE). Assumindo que oobjeto centrado em x = X e seus vales a esquerda e direita esto localizado em x = Xd e x = X+d, MSE calculado pela equao 1:

d

xgxfMSE

dX

dXx

2

)()(+

=

= (1)

onde d a distncia entre o pico e o seu vale mais prximo.O objeto com menor MSE considerado mais similar a Gaussiana. Visto que geralmente o

grfico de intensidade de uma solda parece mais Gaussiano que outros objetos, o objeto com menor MSEpode ser identificado como a solda. Liao recorreu a este princpio para desenvolver uma metodologiapara extrao do cordo de solda em radiografias, conforme detalhado em [1].

Extrao de Caractersticas atravs de Perfis de Nveis de Cinza

Para distinguir objetos da solda de outros objetos estranhos ao cordo, fatores com capacidade dediscriminao devem ser identificados, isto , deve ser feita uma seleo de parmetros caractersticos.Liao e Tang[2] utilizaram a tcnica eyeball para determinar estes fatores, baseados na observao dosgrficos de intensidade das imagens. Eles definiram, ento, quatro fatores para cada objeto na imagem: aposio do pico (x1), a largura (x2), o erro mdio quadrado (MSE) entre o objeto e a Gaussiana do seugrfico de intensidade (x3) e a intensidade do pico (x4). O programa para extrao consistia de trsmaiores etapas: primeiro, um algoritmo de deteco de pico usado para detectar objetos em umaimagem linear. Para cada objeto detectado, a intensidade do pico e sua posio so obtidos. Segundo, umalgoritmo de deteco de vale aplicado para encontrar os vales associados a cada objeto detectadoanteriormente. Aps encontrar os vales, a largura dos objetos calculada. Terceiro, o MSE entre o grficode intensidade de cada objeto e sua Gaussiana computado.

Liao e Tang[2] utilizaram redes neurais MLP (Multi-Layered Perceptron) para reconhecimento depadres, i.e., distinguir soldas de qualquer objeto que no seja um cordo soldado, baseado nosparmetros definidos anteriormente, deteco de picos (vales) e sua similaridade com a Gaussiana. Foramusadas 100 soldas em 25 imagens. Verificou-se que a deteco foi perfeita para soldas lineares e quaseperfeita para soldas curvas. O percentual de alarme falso variou entre 2 e 12%. Este procedimento foi

3

desenvolvido para extrair os cordes de solda antes de aplicar um algoritmo ou rotina para deteco dedefeitos na solda[2].

3. DESENVOLVIMENTO EXPERIMENTAL

As imagens radiogrficas utilizadas foram padres do IIW (Internacional Institute of Welding)para aumentar a confiabilidade dos resultados obtidos. As radiografias foram digitalizadas com umscanner tipo Flatbed UMAX Mirage II, com resoluo de 500 dpi (dots per inch resultando em umtamanho mdio de pixel de 50m) e 256 nveis de cinza, sendo armazenadas no formato TIFF (semcompresso). Estes padres contm imagens com todos os tipos de defeitos detectveis pelo exameradiogrfico, como falta de fuso, falta de penetrao, porosidade, incluso de escria, mordedura, trinca,etc.

Conforme verificado em vrias publicaes[3,-5], normalmente necessrio que seja feito um pr-processamento na imagem radiogrfica antes que se proceda a extrao da solda, com o objetivo demelhorar a qualidade da imagem, e proporcionar a reduo na taxa de erros deste procedimento.

O pr-processamento consiste, principalmente, da aplicao de dois procedimentos demelhoramento da imagem, conforme proposto por [3-5], inicialmente deve-se reduzir, e se possveleliminar, o rudo decorrente da digitalizao da imagem, e posteriormente fazer um realamento docontraste da imagem. As imagens foram trabalhadas no programa de tratamento de imagens Image ProPlus 4.0 (Media Cybenetcs), de onde, posteriormente ao pr-processamento, foram extrados os perfistransversais de nveis de cinza nos cordes de solda, segundo figura 1. Um total de 100 perfis de cordode solda sem presena de defeitos foram extrados, assim como 100 perfis de cordes aonde havia aexistncia de defeitos de soldagem.

Figura 1: (a) Perfil transversal ao cordo de solda para a situao de presena de defeito no cordo; (b)perfil transversal para a situao de ausncia de defeito.

Aos perfis obtidos, foi aplicado o filtro Savitzky-Golay[6] com o objetivo de suavizar o rudoainda existente aps pr-processamento com filtro mediana[3]. Este filtro tipicamente utilizado parasuavizar um sinal de banda larga com rudo. Escolheu-se este filtro porque ele superior mdia mvelpadro, no sentido de que o novo ponto, o ponto existente aps aplicao do filtro, obtido de umaregresso polinomial local que minimiza o erro quadrtico dos dados ruidosos do intervalo, e no pelamdia dos pontos adjacentes como ocorre com o Filtro de Mdia Mvel padro, que tende a eliminar umaporo importante do contedo de alta freqncia do sinal junto com o rudo. Este mtodo preservacertas caractersticas dos dados, tais como os picos e largura de intervalo[6].

A partir do sinal/perfil suavizado, fez-se uma regresso no linear do perfil segundo a curva deGauss, sabendo-se que os perfis transversais a juntas soldadas com reforo tm um comportamento

0 5 10 15 20 25

80

100

120

140

160

180

Nv

el d

e C

inza

Comprimento (mm)

PERFIL SEM DEFEITO

(b)

(a)

0 10 20 30 40 50 60

60

80

100

120

140

160

180

200

220

Nv

el d

e C

inza

Comprimento (mm)

PERFIL DE UM DEFEITO

4

Gaussiano[1,2]. Posteriormente, os parmetros mdia e desvio padro dos perfis Gaussianos obtidosforam utilizados para definir o limite de corte para a extrao do cordo de solda, sem perda deinformaes da solda, e retirando do sinal informaes irrelevantes do metal de base. A figura 2 mostra aseqncia das etapas realizadas pelo algoritmo de extrao de cordo.

Figura 2: Etapas utilizadas para Extrao do perfil contendo apenas o cordo de solda.

Antes de formar os conjuntos de dados de treinamento e teste para os classificadores, procedeu-se uma normalizao dos perfis processados e reduzidos para terem mdia zero e desvio padro igual a 1(=0, =1). Com isso, permite-se que todos os perfis tenham escalas similares de amplitude, o que facilitao treinamento e desempenho dos classificadores.

O conjunto de treinamento das redes neurais foi composto de 70 perfis contendo defeitos e 70perfis sem presena de defeito. Dois conjuntos de treinamento foram construdos: um conjunto com osperfis originais sem aplicao do filtro Savitzky-Golay, neste caso a extrao do cordo foi realizadadiretamente nos perfis sem processamento; e um segundo conjunto com os perfis aps suavizao eextrao, ambos com a mesma quantidade de perfis. Para avaliar a capacidade de generalizao doclassificador, ou seja, acertar corretamente entradas que no tenham sido usadas durante a etapa deaprendizagem da rede neural, formou-se dois conjuntos de teste da mesma forma que os perfis detreinamento (com e sem processamento), mas contendo cada conjunto 30 perfis com presena de defeito e30 sem defeito existente. Cada perfil utilizado possui 500 pontos, resultantes aps extrao do cordo desolda.

Normalmente, quando se trabalha com reconhecimento de padro, avalia-se primeiro apossibilidade de separao entre as classes estudadas por um processo de classificao linear, visto sereste o processo mais simples e fcil de implementao. Conforme descreve Haykin em seu livro[7], etambm Bishop[8], uma rede neural de uma nica camada pode ser usada para implementao de umclassificador linear de padro. Neste caso, desenvolveu-se para este trabalho classificadores linearesimplementados com uma rede neural supervisionada de apenas uma camada, composta por um neurniodo tipo tangente hiperblica. Como treinamento, o algoritmo de retropropagao do erro foi adotado,usando momento e taxa de aprendizado varivel. Uma descrio detalhada destes parmetros detreinamento encontrada em uma vasta literatura, como bons exemplos temos Haykin[7] e Bishop[8]. EmSilva[9], encontra-se uma descrio aprofundada do estudo de classificadores lineares de padres usadospara separar defeitos de soldagem tpicos como: mordedura, falta de penetrao, porosidade e incluso deescria, mas neste caso, os dados eram compostos por caractersticas geomtricas extradas dos defeitos.

Para avaliar a capacidade de separao entre as classes de perfis: com defeito (CD) e sem defeito(SD), recorreu-se a tcnica de componentes principais de discriminao linear, tambm implementada porredes neurais. Um grfico bidimensional composto pelas duas componentes principais de discriminaolinear foi obtido, permitindo a visualizao otimizada do problema proposto. Em Silva[10], detalha-se aimplementao desta metodologia.

5

4. RESULTADOS E DISCUSSES

A figura 3 (a) mostra um exemplo de perfil obtido no trabalho para a um cordo de solda sem apresena de defeitos (SD), neste caso, sem processamento com o filtro de Savitzky-Golay. Fica claro,como podemos observar, a existncia de rudo no sinal. A justificativa para presena de rudo emradiografias de materiais muito discutida e diversos fatores so relacionados[3-5]. Sabe-se, entretanto, queo rudo eletrnico aleatrio provocado pelo processo de digitalizao quase sempre presente[3]. Parasuavizao desse rudo, escolheu-se empiricamente um filtro de Savitzky-Golay com um polinmio desegundo grau em uma janela de processamento de 1010[6], pois na prtica foi o ajuste que permitiuresultado melhor, sem prejuzo significante das altas freqncias de interesse que pudessem haver noperfil, como por exemplo a presena de defeitos. A figura 3(b) representa o perfil resultante obtido paraaplicao do filtro no perfil da figura 3(a), mostrando a suavizao considervel do rudo, mantendo aforma original do perfil. Na mesma figura 3(b), temos uma linha contnua representando a curva de Gaussobtida para o perfil processado. Observa-se que, distante da mdia trs desvios padres simetricamentepara os dois lados, entramos na regio de representao do metal de base, portanto, fora do interesse dotrabalho proposto. O mesmo foi verificado para todos os outros perfis (num total de 100) referentes acondio sem defeito (SD), assim como para os 100 perfis com existncia de defeito (CD). O quepermitiu chegar a concluso que, com uma boa margem de segurana, pode-se definir o limite de trsdesvios (3) para extrao do cordo. importante destacar que os 100 perfis contendo defeitos tinhamas classes porosidade, trinca, falta de penetrao, falta de fuso e incluso de escria conforme indicaodo IIW. A classe mordedura, tambm muito freqente em cordes de solda, no foi ainda analisada por setratar de uma classe que normalmente ocorre na borda do cordo, o que cria um fator complicador para aextrao do cordo sem eliminao da parte do perfil referente ao defeito. Entretanto, os resultados dasextraes automticas dos cordes para os perfis estudados pelo algoritmo desenvolvido mostraram queesta metodologia eficiente e menos complexa do que as proposta por Liao[1], por exemplo. A inclusodos perfis contendo o defeito mordedura nesta metodologia ser feita na seqncia do trabalho que estsendo desenvolvido.

A figura 3(c) mostra um perfil original contendo o defeito trinca no cordo de solda, visualizadono vale acentuado prximo ao centro do cordo. A figura 3(d) representa o resultado da aplicao dofiltro no perfil original, mostrando que o rudo foi claramente alisado, mas a amplitude do valereferente ao defeito sofreu uma reduo notvel, mesmo com as caractersticas de preservao de altasfreqncias que o filtro possui. O ajuste com curva de Gauss, na figura 3(d), tambm ilustra a constataode que, com trs desvios padres distantes da mdia (centro da Gaussiana), simetricamente, elimina-se aparte do perfil referente ao metal de base. Apenas esta figura mostrada porque todas as demais obtidasso similares em resultados e observaes a respeito do filtro aplicado e da tcnica de extrao do cordo.Vale destacar que esta tcnica destina-se somente as condies em que h ocorrncia de reforo de cordode solda, aonde o comportamento Gaussiano evidente. Para outras condies, possivelmente outrostipos de ajustes tero que ser feitos.

6

(a) (b)

(c) (d)Figura 3: (a) perfil obtido diretamente da imagem radiogrfica de uma solda sem defeito na condiosem processamento, aonde a presena de rudo visvel; (b) mesmo perfil com processamento com filtroSavitzy-Golay, e o resultado de um ajuste Gaussiano; (c) perfil de uma radiografia na regio deocorrncia de um defeito, sem processamento; (d) perfil anterior com processamento e ajuste Gaussiano.

O grfico bidimensional obtido para as duas componentes principais de discriminao linear mostrado na figura 4. A utilizao das componentes principais de discriminao usando redes neurais detalhada em Silva[10], tanto para visualizao otimizada da separao entre as classes, quanto parareduo da dimenso dos dados de entrada de um classificador. Na figura 4, verifica-se que as duasclasses de perfis estudadas CD e SD tm regies distintas no grfico e so linearmente separveis, nosendo necessrio portanto a utilizao de um classificador no linear.

Figura 4: Grfico das duas componentes principais de discriminao linear.

7

Os classificadores lineares desenvolvidos pela rede do tipo retropropagao do erro, comtreinamento em batelada e usando apenas um neurnio, proporcionaram 100% de acerto geral para osdados de treinamento (70 perfis de cada classe) nas condies de perfis: com e sem processamento comfiltro, comprovando o que havia sido constatado no grfico de separao. Com os dados de teste (30perfis de cada classe), os sinais sem processamento resultaram em 100% de acerto para os perfis da classeSD e 53.3% de acerto para a classe CD, o que resulta em um ndice geral de acerto de 76,7% (46 em umtotal de 60 perfis). Este ndice consideravelmente bom tendo em vista a simplicidade do classificador eas caractersticas complexas de informaes que esto presentes em perfis de cinza de cordes de solda,que normalmente contm rudos de origem variada, variaes intensas de distribuio de cinza econtraste, espessuras no uniformes na seo transversal imagem e etc.

Com os sinais processados, obteve-se tambm 100% de acerto para os dados de treinamento.Porm, para este caso, o ndice de acerto para a classe CD aumentou para 63,3%, mostrando uma pequenamelhora em relao aos perfis sem processamento para esta classe, mantendo os 100% de acerto para aclasse SD. O ndice geral de acerto para esta condio foi de 81,7% (49 acertos em um total de 60). Atabela 1 contm todos os ndices de acerto obtidos em quantidade numrica e percentual.

Estes resultados so excelentes para os dados estudados, mostrando que a utilizao de perfispara deteco de defeitos em cordes de solda plenamente vivel utilizando redes neurais. Entretanto,mais investigaes so necessrias para aprofundamento desta linha de pesquisa, principalmente nasfases de pr-processamento dos sinais com filtros visando a suavizao de rudos e realce dasdescontinuidades que possam existir, assim como normalizao dos perfis. Na seqncia do trabalho, osmesmos classificadores e possivelmente tambm os classificadores no lineares sero estudados para aclassificao de cada classe de defeito de soldagem. Assim como a utilizao de redes neurais nosupervisionadas.

Tabela 1: ndices de acerto numrico e percentual para os conjuntos de dados usados para treinamento eteste dos classificadores lineares.

SEM PROCESSAMENTO COM PROCESSAMENTOTreinamento Teste Treinamento Teste

Com defeito (CD) 70 (100%) 16 (53,3%) 70 (100%) 19 (63,3%)Sem defeito (SD) 70 (100%) 30 (100%) 70 (100%) 30 (100%)ndice Geral de

acerto 140 (100%) 46 (76,7%) 140 (100%) 49 (81,7%)

5. CONCLUSES

Conforme constatado por Liao, os perfis transversais de nveis de cinza em cordes de soldareforados tm realmente um comportamento normalmente Gaussiano.

Para os perfis estudados, a metodologia empregada para extrao do cordo de solda se mostroueficiente, com os perfis sendo extrados no limite de trs desvios padres a partir da mdia (centro docordo) simetricamente. A incluso da classe mordedura nesta metodologia ser realizadasubseqentemente no trabalho.

A separao entre perfis sem a presena de defeito e com a ocorrncia de defeitos comprovadamente possvel usando apenas um classificador linear. Isto deve ser ainda mais evidente como aprofundamento das etapas de pr-processamento dos perfis.

O presente trabalho motiva a continuao dos estudos no sentido de avaliar tcnicas de detecoe classificao de defeitos de soldagem atravs dos perfis transversais aos cordes em radiografias,usando redes neurais para implementao dos classificadores de padres. Com isto, visa-se darcontribuies relevantes ao desenvolvimento de um sistema automtico de anlise e interpretao deradiografias industriais.

6. AGRADECIMENTOS

Os autores do trabalho agradecem o apoio financeiro e as bolsas de estudo dados pelos rgosFAPERJ, CNPq e CAPES, assim como a PETROBRAS pelo incentivo dado ao seu funcionrio e alunode doutorado Germano para a consolidao da sua tese.

8

7. REFERNCIAS BIBLIOGRFICAS

1. Liao T W, Li Y. An Automated Radiographic NDT System for Weld Inspection: Part II FlawDetection. NDT&E International 1998. Vol.31. N.3.pp. 183-192.2. Liao T W, Tang K. Automated Extraction of Welds from Digitized Radiographic Images Based onMLP Neural Networks. Applied Artificial Intelligence 1997. vol.11.pp 197-218.3. Silva R R. Radiographic Image Processing and Analysis of Defects in Weld Bead. Masters Degree.PEMM/COPPE/UFRJ. RJ, Brazil,1999. (In Portuguese).4. Kehoe A, Parker G A. Image Processing for Industrial Radiographic Inspection: ImageEnhancement. British Journal of NDT 1990; Vol.32 N.4. pp. 183-190.5. Murakami, K. Image Processing For Non-Detructive Testing. Welding International. 1990;144-149.6. Sophocles, J.O. Introduction to Signal Processing. Prentice-Hall.1995.7. Haykin S. Neural Networks A Comprehensive Foundation. Macmillian College Publishing. Inc.1994.8. Bishop C. M. Neural Networks for Pattern Recognition. New York. Oxford University Press. 1995.9. Silva R R, Siqueira M H. S, Calba L P, et al. Radiographics Pattern Recognition of Welding Defectsusing Linear Classifiers. Insight 2001. Vol. 43. N.10: 669-674.10. Silva, R.R. et al. Patterns Nonlinear Classifiers of Weld Defects in Industrial Radiographies. 3rd PAN-NDT. June 2003. Rio de Janeiro. Brazil.

Germano X. de PaduaProfessor Luiz P. CalbaPalavras-chaves: Radiografia, Extrao de CordExtrao de Caractersticas atravs de Perfis 3. DESENVOLVIMENTO EXPERIMENTAL5. CONCLUSES6. AGRADECIMENTOS7. REFERNCIAS BIBLIOGRFICAS