AGRADECIMENTOS Agradeço à minha família. Aos meus pais, pelo amor, conforto, presença e amizade. Principalmente pelo conhecimento, pedidos e conselhos, mesmo quando estou relutante em aceitar. Agradeço à minha irmã, pelas ideias maduras, conversas e companhia, e por ter me ensinado que eu não sou o único. À Natália, que naturalmente permeou o limite entre amizade e amor, tornando-se minha pessoa mais querida, e à família dela, que me fizeram sentir acolhido e mudar a terminologia de "família

more »

... a" para "minha família". Ao professor Luciano, meu mentor científico em praticamente toda a minha vida dentro da universidade. Aos meus primos e tios, que já eram meus amigos mesmo antes de eu entender o que isso significava. Aos meus amigos , tão presentes e fundamentais. Ao Eduardo, e todo o pessoal do ensino médio, que representam para mim um dos períodos mais intensos e festivos. À Anna e às meninas, pelos incansáveis passeios, filmes e programas de índio que me ensinaram muito sobre o mundo. Ao Waldomiro, o Michael, o Bio, o Buda e o pessoal do RPG, que além da amizade, ensinaram para mim que simulações podem ser muito divertidas. Ao Tiago, meu amigo que conheço há mais tempo em São Carlos, pelas suas opiniões ácidas que apesar de tudo mudaram muito do jeito que eu enxergo a vida. Ao Pé-de-Pano e o pessoal do kung-fu, não só pela amizade mas também pelo equilíbrio físico. Aos professores do Instituto de Física de São Carlos, pela minha excelente formação, e especialmente aos professores que a muito contragosto meu foram demasiadamente exigentes, me mostraram que muita da minha competência advém da superação de limites. Ao Dr. Cruvinel, pelo apoio técnico e muitas vezes aconselhamento pessoal. Ao Prof. Lotufo cujas ideias que ajudaram a compor a grande barreira desta tese. Aos funcionários do IFSC que mostraram que um funcionário público pode ser eficiente. ABSTRACT VRECH, G. R. Confined grain modeling using complex networks and image processing methods.. 2015. 124 p. Tese (Doutorado em Ciências) -Instituto de Física de São Carlos, Universidade de São Paulo, São Carlos, 2015. The formation of archesstructures that promotes force anisotropy within a systemappears routinely inside silos or agricultural machinery. This current thesis proposes a method for modeling this phenomenon as a complex network, defining each grain as vertex and a force that two grains exchanges as the weight of the link between them. By using computed tomography, 3D images were taken from 11 grain samples, and a method developed to transform each of this resulting images in a complex network. Each image had to be preprocessed and subjected to a watershed transform using as inner markers the erosion of the image itself. This process resulted in three-dimensional segmentation of each grain of the original image, allowing the estimation of the physical properties of each grain, such as mass, center of mass, moment of inertia and the forces to which the grain is subjected. From these measures, the complex network of each of the 11 samples was constructed. Sample soybeans were compared with a gold-standard, allowing improvements to the methodology. The segmented three-dimensional reconstructions of each sample provided acceptable visual output, although some samples suffered from erosion due to the structural element size, since it must be large enough to segment adjacent grains, but not enough to super-segment a single grain. The complex network obtained from the soybeans image was subjected to further analysis, studying and normalizing its strength property, a natural candidate to detect force anisotropy. Vertices with high normalized values of strength were understood as defining the arch of the structure, and its visual analysis showed that these indeed are the elements responsible for the arrangement structure. These results support the ability of the proposed method in automatically detecting the arches using as input a three-dimensional image.