[pt] DESENVOLVIMENTO DE MÉTODO PARA DETECÇÃO DE DERIVAÇÕES CLANDESTINAS EM TUBULAÇÕES BASEADO EM LIDAR

[en] DEVELOPMENT OF A LIDAR-BASED METHOD FOR THE DETECTION OF CLANDESTINE DERIVATIONS IN PIPELINES

[pt] DEYVIDY LUA DE OLIVEIRA MELO

[pt] TUBULACAO

[pt] VAZAMENTO LOCALIZADO

[pt] DETECCAO DE FURTOS

[pt] APRENDIZADO DE MAQUINA

[pt] LIDAR

[en] PIPELINE

[en] LOCALIZED LEAK

[en] THEFT DETECTION

[en] MACHINE LEARNING

[en] LIDAR

[pt] O problema de perda de fluidos em linhas de transporte por meio de trincas, furos e derivações clandestinas é de interesse para diversas indústrias, sendo bastante crítico em sistemas de distribuição de água e no transporte de hidrocarbonetos. Nesse contexto, a detecção de furtos de combustíveis é de especial interesse para a indústria, pois tem impacto na segurança da população e na economia local. Sendo assim, é necessário o empenho em estudar e desenvolver possíveis soluções para mitigar esse problema. Nesse contexto, a metodologia proposta visa a detecção de vazamentos localizados. Para este estudo está sendo utilizado um sensor rotativo do tipo LIDAR para mapear a superfície interna de uma tubulação. O objetivo do estudo é avaliar alguns métodos de análise de dados como ferramenta de processamento das informações do sensor e detecção de anomalias. Assim, no presente projeto buscou-se detectar grandes anomalias através do mapeamento da geometria das paredes dos dutos. Para isso buscou￾combinar o emprego da tecnologia LIDAR com técnicas de processamento digital dos dados e inteligência artificial. Os resultados obtidos se mostraram muito promissores e grandes anomalias puderam ser detectadas com elevado nível de acerto. Anomalias de geometria e dimensões conhecidas foram utilizadas como conjunto de treinamento para classificadores supervisionados, permitindo uma detecção gráfica a partir de parâmetros conhecidos dos algoritmos de machine learning utilizados.

[en] The problem of fluid loss in transport lines through cracks, holes, and clandestine derivations is of interest to various industries, being particularly critical in water distribution systems and hydrocarbon transport. In this context, the detection of fuel theft is of special interest to the industry, as it impacts public safety and the local economy. Therefore, it is necessary to study and develop possible solutions to mitigate this problem. In this context, the proposed methodology aims at detecting localized leaks. For this study, a rotary LIDAR sensor is being used to map the inner surface of a pipeline. The objective of the study is to evaluate some data analysis methods as a tool for processing sensor information and detecting anomalies. Thus, in the present project, it was sought to detect large anomalies through the mapping of the geometry of the duct walls. For this, it was sought to combine the use of LIDAR technology with digital data processing techniques and artificial intelligence. The results obtained were very promising, and large anomalies could be detected with a high level of accuracy. Anomalies of known geometry and dimensions were used as a training set for supervised classifiers, allowing graphical detection from known parameters of the machine learning algorithms used.

IGOR BRAGA DE PAULA

IGOR CAETANO DINIZ

2024-12-18

[pt] TEXTO

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=68852@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=68852@2

https://doi.org/10.17771/PUCRio.acad.68852