Detecção de Falhas em Tubulações da Indústria de Óleo e Gás Usando Visão Computacional e Redes Neurais Convolucionais

• Processo: 24/16778-5
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de março de 2025
• Data de Término da vigência: 28 de fevereiro de 2026
• Área de conhecimento: Engenharias - Engenharia Mecânica
• Pesquisador responsável: Marcelo Becker
• Beneficiário: Giovanna Herculano Tormena
• Instituição Sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Análise de imagens Aprendizado computacional Detecção de falhas Robôs móveis Robótica
• Palavra(s)-Chave do Pesquisador: Análise de imagens | Aprendizado de Máquina | Deteccao de Falhas | robôs móveis | Robótica | Robotica Terrestre | Automação, Mecatrônica e Robótica

Resumo

Este projeto tem como objetivo desenvolver um modelo computacional para a detecção de falhas em tubulações da indústria de óleo e gás, utilizando visão computacional e redes neurais convolucionais (CNNs). A indústria petrolífera enfrenta desafios constantes na manutenção de suas infraestruturas, e as falhas em tubulações, como fissuras e corrosão, representam sérios riscos ambientais e econômicos. As técnicas tradicionais de inspeção, como a inspeção manual e testes não destrutivos (NDTs), têm limitações significativas, como dependência da interpretação humana, acesso difícil e preparação demorada das superfícies. O projeto propõe substituir esses métodos tradicionais por um sistema baseado no uso de robôs para inspeção munidos de câmeras e o emprego de redes convolucionais, capazes de identificar padrões complexos em grandes conjuntos de dados. A base de dados que será usada para treinar, validar e testar o modelo é adquirida pelo robô BIKE, especializado na inspeção de tubulações e o banco de dados com imagens é de propriedade da Petrobras. O sistema a ser desenvolvido visa aumentar a eficiência e a segurança da inspeção, minimizando os riscos de falhas inesperadas e os custos associados.