Desenvolvimento de métodos computacionais em volumes: segmentação de estruturas orgânicas em rochas

Detalhes bibliográficos
Autor(a) principal: Carvalho, Luís Eduardo Ramos de
Data de Publicação: 2020
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/216583
Resumo: Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2020.
id UFSC_a68374c33888c3d64855f79aa8bd53a1
oai_identifier_str oai:repositorio.ufsc.br:123456789/216583
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Desenvolvimento de métodos computacionais em volumes: segmentação de estruturas orgânicas em rochasComputaçãoMicropaleontologiaRedes neurais (Computação)Inteligência artificialTese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2020.A aplicabilidade da análise computacional de imagens paleontológicas vai desde o estudo da evolução de animais, plantas e microrganismos até a criação de simulações sobre o habitat dos seres de determinada época, podendo ser aplicada nos mais diversos nichos, como por exemplo, na parte de exploração de petróleo. Nesta área existem diversos fatores a serem analisados a fim de minimizar os gastos atrelados ao processo de extração de petróleo. Uma destas análises é a do meio a ser explorado. Esta análise é realizada de diversas formas: utilização de sondas, extração de amostras para avaliação de componentes petrofísicos, correlacionamento com dados de outros poços de perfuração, entre outras. Na parte de extração de amostras existem algumas áreas que fazem diferentes análises sobre as mesmas amostras de rocha e para tanto é utilizada a Tomografia Computadorizada (TC), a qual preserva a amostra e a disponibiliza para diversas análises. Com base nas imagens geradas pela TC várias análises e simulações podem ser realizadas e processos, atualmente realizados de forma manual e exaustiva, podem ser automatizados. Um destes processos é o de identificação e extração de microfósseis, e a automatização do mesmo é o objetivo geral deste trabalho. Para tanto é proposto um pipeline que inicia no processo de digitalização e finaliza no processo de extração virtual do microfóssil. Na parte de identificação e extração dos microfósseis, uma abordagem com Redes Neurais Convolucionais(RNC) foi empregada, a qual obteve um valor de 98% de Intersection Over Union (IOU), métrica atualmente sendo utilizada para validação de resultados de segmentação semântica . A estratégia de validação do pipeline proposto se deu através de análise realizada por um grupo de especialistas da área de micropaleontologia.Abstract: The applicability of the computational analysis of paleontological images ranges from the study of the animals, plants and microorganisms evolution to the simulations on the habitat of the beings of a given epoch, which can be applied in several niches, e.g. oil exploration. In this area, there are several factors to be analyzed in order to minimize the related expenses to the oil extraction process. One of these analyzes is the environment to be explored. This analysis occurs in several ways: use of probes, extraction of samples for petrophysical components evaluation, the correlation with logs of other drilling wells and so on. During the samples extraction phase, some areas make different analyses on the same sample and for that the Computed Tomography (CT) is used, which preserves the sample and makes it available for several analyzes. Based on the images generated by the CT, several analyzes and simulations can be performed and processes that are currently performed manually in a exhaustive manner can be automated. One of these processes is the microfossils identification and extraction, which, its automation is the general objective of this work. To do so, a pipeline is proposed that starts in the scanning process and ends with the identification and extraction processes. In the identification and extraction step, an approach with Convolutional Neural Networks (CNN) was used, obtaining a 98% Intersection Over Union (IOU) value. The proposed pipeline validation strategy was carried out by specialists in the micropaleontology field.Wangenheim, Aldo v.Fernandes, Celso PeresUniversidade Federal de Santa CatarinaCarvalho, Luís Eduardo Ramos de2020-10-21T21:31:38Z2020-10-21T21:31:38Z2020info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis257 p.| il.application/pdf369704https://repositorio.ufsc.br/handle/123456789/216583porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2020-10-21T21:31:38Zoai:repositorio.ufsc.br:123456789/216583Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732020-10-21T21:31:38Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Desenvolvimento de métodos computacionais em volumes: segmentação de estruturas orgânicas em rochas
title Desenvolvimento de métodos computacionais em volumes: segmentação de estruturas orgânicas em rochas
spellingShingle Desenvolvimento de métodos computacionais em volumes: segmentação de estruturas orgânicas em rochas
Carvalho, Luís Eduardo Ramos de
Computação
Micropaleontologia
Redes neurais (Computação)
Inteligência artificial
title_short Desenvolvimento de métodos computacionais em volumes: segmentação de estruturas orgânicas em rochas
title_full Desenvolvimento de métodos computacionais em volumes: segmentação de estruturas orgânicas em rochas
title_fullStr Desenvolvimento de métodos computacionais em volumes: segmentação de estruturas orgânicas em rochas
title_full_unstemmed Desenvolvimento de métodos computacionais em volumes: segmentação de estruturas orgânicas em rochas
title_sort Desenvolvimento de métodos computacionais em volumes: segmentação de estruturas orgânicas em rochas
author Carvalho, Luís Eduardo Ramos de
author_facet Carvalho, Luís Eduardo Ramos de
author_role author
dc.contributor.none.fl_str_mv Wangenheim, Aldo v.
Fernandes, Celso Peres
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Carvalho, Luís Eduardo Ramos de
dc.subject.por.fl_str_mv Computação
Micropaleontologia
Redes neurais (Computação)
Inteligência artificial
topic Computação
Micropaleontologia
Redes neurais (Computação)
Inteligência artificial
description Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2020.
publishDate 2020
dc.date.none.fl_str_mv 2020-10-21T21:31:38Z
2020-10-21T21:31:38Z
2020
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 369704
https://repositorio.ufsc.br/handle/123456789/216583
identifier_str_mv 369704
url https://repositorio.ufsc.br/handle/123456789/216583
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 257 p.| il.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808651931284930560

Registros relacionados