Mapeamento de estruturas submarinas associadas ao transporte de óleo e gás com veículo autônomo subaquático

• Ano de defesa: 2018
• Autor(a) principal: Fernandes, Victor Hugo
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa
• Palavras-chave em Português: Estruturas marítimas; Geodesia marinha; Veículos autônomos; Submarinos; Ecobatímetro; Levantamentos hidrográficos; Máquinas de medição por coordenadas; Detectores; Imagens digitais; Redes neurais (Computação); Indústria petrolífera; Engenharias I
• Link de acesso: http://www.locus.ufv.br/handle/123456789/20535

As indústrias petrolíferas possuem a necessidade e obrigação de inspecionar as instalações submarinas associadas ao transporte de óleo e gás periodicamente para evitar acidentes ambientais. Os veículos autônomos subaquáticos (AUV) têm-se tornado uma opção viável em Levantamento Hidrográfico (LH) devido à excelente estabilidade da plataforma e aos sensores de alta resolução acoplados no veículo e utilizados no mapeamento submarino. Esses sensores geram grandes quantidades de dados para serem analisados, assim torna-se necessário automatizar os processos no intuito de otimizar o tempo de processamento com a melhor exatidão posicional. Dessa forma essa pesquisa tem o objetivo de determinar a qualidade posicional de levantamento com AUV, avaliar quantitativamente e qualitativamente a redução do ruído speckle em imagem do SAS, desenvolver metodologia semi-automática para mapeamentos de dutos submarinos e detecção de condição de vão livre. A qualidade posicional foi verificada pela aplicação da propagação das incertezas no modelo matemático de determinação das coordenadas no LH com AUV. Na imagem do SAS foram utilizados filtros morfológicos, filtros adaptativos e Stretchlim para reduzir os efeitos do ruído. Os dutos submarinos foram mapeados de forma semi-automática pela metodologia de pré-processamento, redução de ruídos e realce dos alvos, extração de feições e pós-processamento. A classificação de condição de vão livre foi realizada por rede neural e random forest a partir da imagem SAS e dos perfis gerados do modelo digital de superfície obtido pelo ecobatímetro. Os resultados mostraram que a incerteza posicional do LH com o AUV é compatível com as especificações de todas as ordens da IHO (2010), porém o ponto crítico está no método de posicionamento acústico realizado com o Ultra-Short Baseline. A utilização de técnicas de processamento digital de imagem é uma poderosa ferramenta na redução dos ruídos speckle e na imagem do SAS, assim permitindo mapeamento com mais de mais de 80% dos dutos submarinos de forma semi-automatizado. Os métodos de rede neural e random forest tiveram resultados similares e satisfatórias para a classificação de condição de vão livre com exatidões globais de 86,8% e 89,9% respectivamente.