Classificação de eventos em imagens de dutos rígidos submarinos utilizando visão computacional e aprendizado profundo

Abstract

RESUMO: A indústria de óleo e gás tem se estabelecido como um setor econômico importante para o país. Com a produção offshore de petróleo do pré-sal, que está sendo realizada em águas profundas e cada vez mais distante da costa, a malha de dutos submarinos no Brasil está sendo expandida para coletar petróleo do poço até as unidades marítimas de produção ou para transportar gás dessas unidades até as unidades terrestres. Como resultado, os órgãos responsáveis têm aumentado sua preocupação com possíveis danos ambientais causados pela instalação de dutos no leito marinho. A integridade do sistema submarino deve ser gerenciada para garantir a segurança operacional e manter a competência financeira dos projetos instalados. No entanto, equilibrar esses dois objetivos em projetos de longo prazo pode ser difícil, exigindo a utilização de tecnologias avançadas para torná-los mais eficientes. Apesar das normas rigorosas de projeto e segurança, os dutos submarinos são suscetíveis a falhas devido ao ambiente em que são instalados e aos fluidos agressivos que transportam. Assim, é essencial que as empresas operadoras de dutos tenham um sistema de inspeção robusto em seu cotidiano. O objetivo deste trabalho é propor uma ferramenta computacional que possa classificar eventos e anomalias por meio de imagens de dutos submarinos rígidos, a fim de aumentar a agilidade e confiabilidade da inspeção como meio de prevenir vazamentos e seus impactos.

ABSTRACT: The oil and gas industry has established itself as an important economic sector for the country. With the offshore production of pre-salt oil, which is being carried out in deep waters further away from the coast, the underwater pipeline network in Brazil is being expanded to collect oil from the well to the offshore production units or to transport gas from these units to onshore facilities. As a result, regulatory authorities have increased their concerns about potential environmental damage caused by the installation of pipelines on the seabed. The integrity of the underwater system must be managed to ensure operational safety and maintain the financial viability of installed projects. However, balancing these two objectives in long-term projects can be challenging, requiring the use of advanced technologies to make them more efficient. Despite stringent design and safety standards, underwater pipelines are susceptible to failures due to the harsh environment in which they are installed and the corrosive fluids they transport. Therefore, it is essential that pipeline operating companies have a robust inspection system in their daily operations. The aim of this work is to propose a computational tool that can classify events and anomalies through images of rigid underwater pipelines in order to increase the agility and reliability of inspections as a means to prevent leaks and their impacts.