Aplicação de redes neurais convolucionais para detectar vazamentos de gás natural em imagens de cabeça de poço petrolíferos onshore

Detalhes bibliográficos
Autor(a) principal: Melo, Roberlânio de Oliveira
Data de Publicação: 2021
Outros Autores: http://lattes.cnpq.br/5652888731401325, https://orcid.org/0000-0001-9831-016X
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFAM
Texto Completo: https://tede.ufam.edu.br/handle/tede/8598
Resumo: Grandes vazamentos de gás natural levam a acidentes que muitas vezes são letais para os humanos e altamente destrutivos para a propriedade, além de liberar metano na atmosfera, impactando negativamente nosso meio ambiente. Logo, a detecção de vazamentos de gás natural é uma ação importante da indústria do petróleo para a prevenção de acidentes. A literatura fornece diferentes técnicas para detecção de vazamentos de gás natural. Porém, com exceção de estudos anteriores desenvolvidos pelo autor desta tese sobre o tema, ainda existe uma lacuna na literatura sobre detecção de nuvens de vazamentos de gás natural por meio de imagens digitais, sem a necessidade de sensores ou câmeras especiais calibradas para o espectro de moléculas de metano. Nos estudos anteriores foram utilizadas técnicas de processamento de imagem associadas a um classificador de filtro de novidade para investigar a presença ou ausência de nuvem visível de vapores de hidrocarbonetos, ou seja, uma pluma de gás natural em quadros de circuito fechado de televisão instalados em cabeças de poços petrolíferos terrestres. Nesta tese, é apresentado um novo método de detecção de nuvens visível de vapores de hidrocarbonetos que é constituído de redes neurais convolucionais, as quais são aplicadas para classificar imagens (frames do circuito fechado de televisão) como pertencentes às classes com ou sem vazamento de gás natural em cabeças de poço onshore, aprimorando os resultados obtidos anteriormente. Com o objetivo de realizar a tarefa de detecção de vazamentos, o estudo propõe e apresenta o resultado de três arquiteturas de redes neurais convolucionais, além de investigar a técnica de transferência de conhecimento com as arquiteturas pré-treinadas DenseNet-201, GoogLeNet, MobileNetV2 e ResNet-18, e também a técnica de Feature Fusion aplicada a estes modelos pré-treinados. O estudo fornece ainda uma explicação visual provendo a região da imagem de entrada que foi relevante para o classificador tomar a decisão de que ocorreu um vazamento, através da técnica Gradient-weighted Class Activation Mapping. Os resultados experimentais mostraram que o modelo de melhor desempenho apresentou acurácia de 100,00% e taxa de falsos negativos de 0,00%, superando o desempenho de métodos anteriores de detecção de vazamento de gás natural por imagens de circuito fechado de televisão
id UFAM_d4735f4968f74f728a35843bd87d06e2
oai_identifier_str oai:https://tede.ufam.edu.br/handle/:tede/8598
network_acronym_str UFAM
network_name_str Biblioteca Digital de Teses e Dissertações da UFAM
repository_id_str 6592
spelling Aplicação de redes neurais convolucionais para detectar vazamentos de gás natural em imagens de cabeça de poço petrolíferos onshoreGás naturalIndústria petrolíferaENGENHARIAS: ENGENHARIA ELETRICAVazamento de gásDetecção de gásRede neural convolucionalImagem de cabeça de poço onshoreIndústria de gás e petróleoGrandes vazamentos de gás natural levam a acidentes que muitas vezes são letais para os humanos e altamente destrutivos para a propriedade, além de liberar metano na atmosfera, impactando negativamente nosso meio ambiente. Logo, a detecção de vazamentos de gás natural é uma ação importante da indústria do petróleo para a prevenção de acidentes. A literatura fornece diferentes técnicas para detecção de vazamentos de gás natural. Porém, com exceção de estudos anteriores desenvolvidos pelo autor desta tese sobre o tema, ainda existe uma lacuna na literatura sobre detecção de nuvens de vazamentos de gás natural por meio de imagens digitais, sem a necessidade de sensores ou câmeras especiais calibradas para o espectro de moléculas de metano. Nos estudos anteriores foram utilizadas técnicas de processamento de imagem associadas a um classificador de filtro de novidade para investigar a presença ou ausência de nuvem visível de vapores de hidrocarbonetos, ou seja, uma pluma de gás natural em quadros de circuito fechado de televisão instalados em cabeças de poços petrolíferos terrestres. Nesta tese, é apresentado um novo método de detecção de nuvens visível de vapores de hidrocarbonetos que é constituído de redes neurais convolucionais, as quais são aplicadas para classificar imagens (frames do circuito fechado de televisão) como pertencentes às classes com ou sem vazamento de gás natural em cabeças de poço onshore, aprimorando os resultados obtidos anteriormente. Com o objetivo de realizar a tarefa de detecção de vazamentos, o estudo propõe e apresenta o resultado de três arquiteturas de redes neurais convolucionais, além de investigar a técnica de transferência de conhecimento com as arquiteturas pré-treinadas DenseNet-201, GoogLeNet, MobileNetV2 e ResNet-18, e também a técnica de Feature Fusion aplicada a estes modelos pré-treinados. O estudo fornece ainda uma explicação visual provendo a região da imagem de entrada que foi relevante para o classificador tomar a decisão de que ocorreu um vazamento, através da técnica Gradient-weighted Class Activation Mapping. Os resultados experimentais mostraram que o modelo de melhor desempenho apresentou acurácia de 100,00% e taxa de falsos negativos de 0,00%, superando o desempenho de métodos anteriores de detecção de vazamento de gás natural por imagens de circuito fechado de televisãoLarge natural gas leaks lead to accidents that often are lethal to humans and highly destructive to property, as well as release methane into the atmosphere, negatively impacting our environment. Therefore, the detection of natural gas leaks is an important action of the oil industry to prevent accidents. The literature provides different techniques for detecting natural gas leaks. However, except for previous studies proposed by the author of this thesis on the subject, there is still a gap in the literature on the detection of clouds of natural gas leaks through digital images, without the need for sensors or specific cameras calibrated for the spectrum of methane molecules. In previous studies, image processing techniques associated with a novelty filter classifier were used to investigate the presence or absence of a visible cloud of hydrocarbon vapors, that is, a plume of natural gas in closed circuit television frames installed on terrestrial oil wellheads. In this thesis a new method for detecting visible clouds of hydrocarbon vapors is presented, which consists of convolutional neural networks, which are applied to classify images (closed circuit television frames) as belonging to classes with or without leakage of natural gas in onshore wellheads, improving the results obtained previously. To carry out the leak detection task, the study proposes and presents the results of the three convolutional neural networks architectures, in addition to investigating the learning transfer technique with the pre-trained architectures DenseNet-201, GoogLeNet, MobileNetV2 and ResNet-18, and also the feature fusion technique between these pre-trained models. The study also provides a visual explanation providing the region of the input image that was relevant for the classifier to decide that a leak occurred, through the Gradient-weighted Class Activation Mapping Algorithm. The experimental results showed that the best performing model presented an accuracy of 100.00% and a false negative rate of 0.00%, surpassing the performance of previous methods of detecting leakage of natural gas by closed circuit television images.Eu estava um enfrentando dificuldades ao realizar o depósito. Porém, liguei para biblioteca para tirar dúvidas e na oportunidade conversei com a Sra. Marcia (da biblioteca), que prontamente sanou minhas dúvidas. Ela foi muita atenciosa e sintetizou prontamente uma solução. Obrigado Marcia e ao pessoal da BDTD.Universidade Federal do AmazonasFaculdade de TecnologiaBrasilUFAMPrograma de Pós-graduação em Engenharia ElétricaCosta Filho, Cícero Ferreira Fernandeshttp://lattes.cnpq.br/3029011770761387Pereira, José Raimundo Gomeshttp://lattes.cnpq.br/3697983438100904Xavier, Clahildek Matoshttp://lattes.cnpq.br/6870670168555921Nakamura, Fabíola Guerrahttp://lattes.cnpq.br/9615041048900531Melo, Roberlânio de Oliveirahttp://lattes.cnpq.br/5652888731401325https://orcid.org/0000-0001-9831-016X2021-12-17T13:45:31Z2021-12-03info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfMELO, Roberlânio de Oliveira. Aplicação de redes neurais convolucionais para detectar vazamentos de gás natural em imagens de cabeça de poço petrolíferos onshore. 2021. 137 f. Tese (Doutorado em Engenharia Elétrica) - Faculdade de Tecnologia, Universidade Federal do Amazonas, Manaus (AM), 2021.https://tede.ufam.edu.br/handle/tede/8598porhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFAMinstname:Universidade Federal do Amazonas (UFAM)instacron:UFAM2021-12-18T05:03:30Zoai:https://tede.ufam.edu.br/handle/:tede/8598Biblioteca Digital de Teses e Dissertaçõeshttp://200.129.163.131:8080/PUBhttp://200.129.163.131:8080/oai/requestddbc@ufam.edu.br||ddbc@ufam.edu.bropendoar:65922021-12-18T05:03:30Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM)false
dc.title.none.fl_str_mv Aplicação de redes neurais convolucionais para detectar vazamentos de gás natural em imagens de cabeça de poço petrolíferos onshore
title Aplicação de redes neurais convolucionais para detectar vazamentos de gás natural em imagens de cabeça de poço petrolíferos onshore
spellingShingle Aplicação de redes neurais convolucionais para detectar vazamentos de gás natural em imagens de cabeça de poço petrolíferos onshore
Melo, Roberlânio de Oliveira
Gás natural
Indústria petrolífera
ENGENHARIAS: ENGENHARIA ELETRICA
Vazamento de gás
Detecção de gás
Rede neural convolucional
Imagem de cabeça de poço onshore
Indústria de gás e petróleo
title_short Aplicação de redes neurais convolucionais para detectar vazamentos de gás natural em imagens de cabeça de poço petrolíferos onshore
title_full Aplicação de redes neurais convolucionais para detectar vazamentos de gás natural em imagens de cabeça de poço petrolíferos onshore
title_fullStr Aplicação de redes neurais convolucionais para detectar vazamentos de gás natural em imagens de cabeça de poço petrolíferos onshore
title_full_unstemmed Aplicação de redes neurais convolucionais para detectar vazamentos de gás natural em imagens de cabeça de poço petrolíferos onshore
title_sort Aplicação de redes neurais convolucionais para detectar vazamentos de gás natural em imagens de cabeça de poço petrolíferos onshore
author Melo, Roberlânio de Oliveira
author_facet Melo, Roberlânio de Oliveira
http://lattes.cnpq.br/5652888731401325
https://orcid.org/0000-0001-9831-016X
author_role author
author2 http://lattes.cnpq.br/5652888731401325
https://orcid.org/0000-0001-9831-016X
author2_role author
author
dc.contributor.none.fl_str_mv Costa Filho, Cícero Ferreira Fernandes
http://lattes.cnpq.br/3029011770761387
Pereira, José Raimundo Gomes
http://lattes.cnpq.br/3697983438100904
Xavier, Clahildek Matos
http://lattes.cnpq.br/6870670168555921
Nakamura, Fabíola Guerra
http://lattes.cnpq.br/9615041048900531
dc.contributor.author.fl_str_mv Melo, Roberlânio de Oliveira
http://lattes.cnpq.br/5652888731401325
https://orcid.org/0000-0001-9831-016X
dc.subject.por.fl_str_mv Gás natural
Indústria petrolífera
ENGENHARIAS: ENGENHARIA ELETRICA
Vazamento de gás
Detecção de gás
Rede neural convolucional
Imagem de cabeça de poço onshore
Indústria de gás e petróleo
topic Gás natural
Indústria petrolífera
ENGENHARIAS: ENGENHARIA ELETRICA
Vazamento de gás
Detecção de gás
Rede neural convolucional
Imagem de cabeça de poço onshore
Indústria de gás e petróleo
description Grandes vazamentos de gás natural levam a acidentes que muitas vezes são letais para os humanos e altamente destrutivos para a propriedade, além de liberar metano na atmosfera, impactando negativamente nosso meio ambiente. Logo, a detecção de vazamentos de gás natural é uma ação importante da indústria do petróleo para a prevenção de acidentes. A literatura fornece diferentes técnicas para detecção de vazamentos de gás natural. Porém, com exceção de estudos anteriores desenvolvidos pelo autor desta tese sobre o tema, ainda existe uma lacuna na literatura sobre detecção de nuvens de vazamentos de gás natural por meio de imagens digitais, sem a necessidade de sensores ou câmeras especiais calibradas para o espectro de moléculas de metano. Nos estudos anteriores foram utilizadas técnicas de processamento de imagem associadas a um classificador de filtro de novidade para investigar a presença ou ausência de nuvem visível de vapores de hidrocarbonetos, ou seja, uma pluma de gás natural em quadros de circuito fechado de televisão instalados em cabeças de poços petrolíferos terrestres. Nesta tese, é apresentado um novo método de detecção de nuvens visível de vapores de hidrocarbonetos que é constituído de redes neurais convolucionais, as quais são aplicadas para classificar imagens (frames do circuito fechado de televisão) como pertencentes às classes com ou sem vazamento de gás natural em cabeças de poço onshore, aprimorando os resultados obtidos anteriormente. Com o objetivo de realizar a tarefa de detecção de vazamentos, o estudo propõe e apresenta o resultado de três arquiteturas de redes neurais convolucionais, além de investigar a técnica de transferência de conhecimento com as arquiteturas pré-treinadas DenseNet-201, GoogLeNet, MobileNetV2 e ResNet-18, e também a técnica de Feature Fusion aplicada a estes modelos pré-treinados. O estudo fornece ainda uma explicação visual provendo a região da imagem de entrada que foi relevante para o classificador tomar a decisão de que ocorreu um vazamento, através da técnica Gradient-weighted Class Activation Mapping. Os resultados experimentais mostraram que o modelo de melhor desempenho apresentou acurácia de 100,00% e taxa de falsos negativos de 0,00%, superando o desempenho de métodos anteriores de detecção de vazamento de gás natural por imagens de circuito fechado de televisão
publishDate 2021
dc.date.none.fl_str_mv 2021-12-17T13:45:31Z
2021-12-03
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv MELO, Roberlânio de Oliveira. Aplicação de redes neurais convolucionais para detectar vazamentos de gás natural em imagens de cabeça de poço petrolíferos onshore. 2021. 137 f. Tese (Doutorado em Engenharia Elétrica) - Faculdade de Tecnologia, Universidade Federal do Amazonas, Manaus (AM), 2021.
https://tede.ufam.edu.br/handle/tede/8598
identifier_str_mv MELO, Roberlânio de Oliveira. Aplicação de redes neurais convolucionais para detectar vazamentos de gás natural em imagens de cabeça de poço petrolíferos onshore. 2021. 137 f. Tese (Doutorado em Engenharia Elétrica) - Faculdade de Tecnologia, Universidade Federal do Amazonas, Manaus (AM), 2021.
url https://tede.ufam.edu.br/handle/tede/8598
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Amazonas
Faculdade de Tecnologia
Brasil
UFAM
Programa de Pós-graduação em Engenharia Elétrica
publisher.none.fl_str_mv Universidade Federal do Amazonas
Faculdade de Tecnologia
Brasil
UFAM
Programa de Pós-graduação em Engenharia Elétrica
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFAM
instname:Universidade Federal do Amazonas (UFAM)
instacron:UFAM
instname_str Universidade Federal do Amazonas (UFAM)
instacron_str UFAM
institution UFAM
reponame_str Biblioteca Digital de Teses e Dissertações da UFAM
collection Biblioteca Digital de Teses e Dissertações da UFAM
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM)
repository.mail.fl_str_mv ddbc@ufam.edu.br||ddbc@ufam.edu.br
_version_ 1809732047022850048

Registros relacionados