A formação de arcos – estruturas que promovem a anisotropia de forças dentro de um sistema – acontece corriqueiramente dentro de silos ou maquinaria agrícola. A presente tese propõe um modelo baseado em redes complexas para modelar tal fenômeno, definindo cada grão como vértice e a força que dois grãos trocam como o peso de uma ligação entre eles. A partir de ensaios tomográficos de 11 diferentes tipos de grãos foi desenvolvido um método para transformar cada uma das imagens tridimensionais resultantes numa rede complexa. Cada imagem foi pré-processada e submetida a uma transformada watershed utilizando como marcadores internos a erosão da própria imagem. Este processo tridimensional resultou na segmentação de cada um dos grãos da imagem original, tornando possível a extração de propriedades físicas de cada grão, como massa, centro de massa, momento de inércia, e as forças às quais este está submetido. A partir destes dados, a rede complexa de cada uma das 11 amostras foi construída. A amostra da soja foi comparada com um padrão-ouro pré-estabelecido possibilitando eventuais refinos no método. As reconstruções tridimensionais segmentadas de cada amostra apresentaram um resultado visual aceitável, embora algumas segmentações tenham sofrido com o efeito do elemento estruturante da erosão, uma vez que este tem de ser grande o suficiente para segmentar grãos adjacentes, porém não o suficiente para super-segmentar um único grão. A rede complexa formada a partir da imagem de soja foi submetida a uma análise mais profunda, estudando e normalizando sua propriedade strength, uma natural candidata para detectar anisotropia de forças. Os vértices com alto valor normalizado de strength foram definidos como o arco da estrutura, e sua análise visual permitiu concluir que estes de fato são os elementos responsáveis pela estrutura do arranjo, assim como substanciar o sucesso do método aqui proposto em detectar automaticamente o arco utilizando uma imagem tridimensional.

The formation of arches – structures that promotes force anisotropy within a system – appears 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 pre-processed 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.