Detecção e análise de redes de fraturas em afloramentos por métodos de visão computacional adaptativos

• Autor(a) principal: Marques Junior, Ademir
• Data de Publicação: 2022
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)
• Texto Completo: http://www.repositorio.jesuita.org.br/handle/UNISINOS/11889
• topic: ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação; Segmentação; Fraturas; Visão computacional; Redes de fratura discreta; Técnicas de aquisição de imagem; Afloramentos; Geologia; Segmentation; Fractures; Computer vision; Discrete fracture network; Image acquisition techniques; Outcrops; Geology

A identificação de fraturas e descontinuidades tem grande importância na estimativa de escoamento de fluidos em reservatórios de hidrocarbonetos, pois influenciam nas propriedades de porosidade e permeabilidade. Devido à inacessibilidade e escassez de dados de reservatório, a caracterização das fraturas é geralmente avaliada através do estudo de análogos de afloramentos por sensoriamento remoto ou observações in situ por um especialista. Considerando os métodos de sensoriamento remoto, a aquisição de Veículos Aéreos Não Tripulados (VANT) combinada com a fotogrametria Structure from Motion (SfM) é uma forma de baixo custo para gerar produtos como imagens ortorretificadas, permitindo métodos manuais e automatizados de detecção de delineamentos de fratura e descontinuidades para a obtenção dos modelos de rede de fratura discreta (Discrete Fracture Networks - DFN). Abordagens de visão computacional e processamento de imagens com o objetivo de segmentar as áreas de interesse por segmentação semântica ou de detecção de bordas e vales, comumente usadas para detectar e caracterizar a rede de fraturas, têm sido utilizadas na literatura, porém apresentam peculiaridades ou são otimizadas para cada tipo afloramento e suas peculiaridades. Os afloramentos que passaram por processo de carstificação, principalmente, apresentam alto nível de fraturamento devido a dissolução causada por intemperismo e pela posterior quebra e erosão do meio rochoso. Este cenário aliado à presença de vegetação e à áreas com iluminação irregular ou sombra contribuem para o desafio da detecção automática de fraturas em imagens de afloramento. As técnicas de segmentação por limiarização ou binarização empregada por trabalhos anteriores na segmentação de fraturas, trazem a dificuldade de se estabelecer um limiar global aplicável à toda a imagem sem gerar muitos falsos positivos e negativos na detecção. Uma alternativa já empregada na biomedicina e reconhecimento de caracteres é uso de técnicas de segmentação adaptativa de limiares locais, que são o foco deste trabalho. Para otimizar a detecção de fraturas em regiões cársticas altamente fraturadas propomos o uso e avaliação destes métodos adaptativos. Em testes preliminares a segmentação adaptativa local Sauvola apresentou o melhor resultado quando comparada ao ground truth anotado manualmente. Este trabalho propõe também o uso de técnicas de redução de ruído binário para a criação do método de segmentação de fraturas apresentado, que é complementado por um método de detecção de segmentos de fratura que identifica dados topológicos de fratura como nodos e terminações. Os resultados apresentados trazem ainda a combinação de aquisições por VANT em diferentes horários do dia para avaliação da influência da posição do sol na detecção de fraturas e o viés de interpretação. Essa análise é realizada sobre ortofotos do afloramento de rochas carbonáticas carstificadas do Lajedo do Rosário, pertencente à formação Jandaíra, no Rio Grande do Norte. Com a metodologia proposta adquirimos dados de fratura mais precisos sobre a área de estudo, seguindo estatísticas direcionais de trabalhos anteriores realizados na região. Complementarmente à análise direcional, o modelo DFN e suas estatísticas de comprimento e abertura seguem as distribuições esperadas para este tipo de afloramento, enquanto a conectividade da rede de fraturas também é analisada. A partir da metodologia proposta foi é possível gerar modelos DFN mais fiéis aos dados de campo, reduzindo o impacto de agentes externos ao meio rochoso como a posição solar e a presença de vegetação, fornecendo dados de mais qualidade à modelagem estocástica e à modelagem de reservatórios.