Proposta de utilização de drones inteligentes na inspeção de plataformas de petróleo / Proposal for the use of intelligent drones in the inspection of oil platforms

Lucas Evangelista de Almeida, Andreza de Oliveira Miranda, Joemes de Lima Simas, Ana Carolina Monte Almeida

Abstract


O avanço nas técnicas de Deep Learning e Machine Learning, bem como a necessidade de automatizar tarefas, desencadearam amplas pesquisas baseadas em visão computacional, tendo como principais áreas de atuação os sistemas de reconhecimento visual e classificação de objetos para diversos fins. Entre as diversas aplicações, pode-se citar a inspeção, área que gera enormes investimentos no setor de petróleo e gás a cada ano. Com o avanço das tecnologias, se torna cada vez mais necessário aplicar novas ferramentas no setor a fim de reduzir altos custos e acidentes. Desse modo, este artigo tem como finalidade a proposta de aplicação de visão computacional a partir de imagens capturadas por drones aéreos em ambientes de produção de óleo e gás. Através de um estudo de caso aplicado na Noruega para inspeção de redes de transmissão de energia elétrica, este trabalho serve como ponto de partida para futuro estudos de aplicação.


Keywords


Inspeção. Machine Learning. Deep Learning. Visão Computacional. Drone.

References


CHENG, J. C. P., WANF, M. Automated detection of sewer pipe defects in closed-circuit television images using deep learning techniques, Automation in Construction, v. 95, p. 155-171, 2018.

GARTNER GROUP. Top 10 Strategic Technology Trends for 2018: A Gartner Trend Insight Report, Gartner Symposium/ITxpo, 2017, Orlando. Disponível em: < https://www.gartner.com/en/newsroom/press-releases/2017-10-04-gartner-identifies-the-top-10-strategic-technology-trends-for-2018>. Acesso em: 20 out. 2018.

GILCHRIST, A. Industry 4.0: the Industrial Internet of Things. Bangken, Nonthaburi: Apress, 2016. p 249.

IBP. Novas tecnologias ampliam possibilidades da indústria. Disponível em: . Acesso em: 12 out. 2018.

LEE, H., HWANG, Y. S., JANG, G., KIM, T., LEE, J. M. 3D map building using the lrf and sinusoidal trajectory of a quadrotor. IEEE Xplore, Robotics and Biomimetics (ROBIO), Qingdao, p. 690-695, 2016.

LI, S., DURDEVIC, P., YANG, Z. Hovering Control for Automatic Landing Operation of an Inspection Drone to a Mobile Platform. IFAC Conference Paper Archive, Denmark, 2018.

MATUSUGU, M., MORI, K., MITARI, Y., KANEDA, Y. Subject independent facial expression recognition with robust face detection using a convolutional neural network. Neural Networks, Advances in Neural Networks Research, IJCNN ’03, Portland, v. 16, p 519-946, 2003.

MAZUR, M., WISNIEWSKI, A., MCMILLAN, J. Clarity from above: PwC global report on the commercial applications of drone technology, PWC, Farmtable, 2016.

NGUYEN, V.N., JENSSEN, R., ROVERSO, D. Automatic autonomous vision-based power line inspection: A review of current status and the potential role of deep learning, Electrical Power and Energy Systems, p. 107-120, 2018.

NORDENG, I. E., HASAN, A., OSLEN, D., NEUBERT, J. DEBC detection with deep learning.

Scandinavian conference on image analysis, Springer, p. 248–59, 2017.

OLÍVIA SOLON. Robôs voadores substitutem plataformistas do setor petroleiro. Exame Carreira, 2015. Disponível em: . Acesso em: 15 out. 2018.

PATHAK, A. R., PANDEY, M., RAUTARAY, D. Application of Deep Learning for Object Detection, International Conference on Computational Intelligence and Data Science (ICCIDS), Gurugran, 2018.

SCHAFER, B. E., PICCHI, D., ENGELHARDT, T., ABEL, D. Multicopter unmanned aerial vehicle for automated inspection of wind turbines. IEEE Xplore, 24th Mediterranean Conference on Control and Automation (MED), Athens, p. 244-249, 2016.

SCHWAB, K. The Fourth Industrial Revolution. Genebra: World Economic Forum,

p. 192.

SKY-FUTURES. Azisa powers up industrial asset management capabilities with Expanse – Case Study. Disponível em: . Acesso em: 13 out. 2018.

UN NEWS. World population to hit 9.8 billion by 2050, despite nearly universal lower fertility rates. Disponível em: . Acesso em 12 out. 2018.




DOI: https://doi.org/10.34117/bjdv.v7i5.29362

Refbacks

  • There are currently no refbacks.