Anais do XX Congresso Brasileiro de Automática
Belo Horizonte, MG, 20 a 24 de Setembro de 2014
CARACTERIZAÇÃO DE PARTÍCULAS EM FLUÍDO UTILIZADO NA PERFURAÇÃO DE POÇOS
DE PETRÓLEO
EDUARDO NADALETO DA MATTA1, GUSTAVO FRANCKEVICIUS GURGEL MARANHÃO1, RICARDO DE SOUZA LOPES
ORTIZ1; WÂNDERSON DE OLIVEIRA ASSIS1, RUBENS GEDRAITE2, ALESSANDRA DUTRA COELHO1, LÉO KUNIGK1
1.
EEM - Escola de Engenharia Mauá, IMT - Instituto Mauá de Tecnologia
Praça Mauá, 1 - B. Mauá - 09580-900 - São Caetano do Sul - SP
E-mails: [email protected];[email protected];[email protected];
[email protected]; [email protected]; [email protected]; [email protected]
2. Universidade Federal de Uberlândia
Av. João Naves de Ávila, 2121, 38400-902 - Uberlândia, MG
E-mail: [email protected]
Abstract
 The recovery of drilling fluid is essential in the oil and gas drilling under the environmental and economic
perspectives. This fluid has suspended solids that come from the cutting action of the rock formations by drilling bit. In this
sense, this paper proposes the development of an application capable of performing automated counting and characterization of
gravels present in drilling fluids to allow the improvement and automation of drilling of petroleum wells process. For this,
segmentation techniques and combinations with morphological filters are applied allowing particles identify in the drilling fluid
and classify based on its dimensions.
Keywords
 Computer Vision, Image Processing, Petroleum Industry, Drilling Fluid.
Resumo  O tratamento de fluído de perfuração é de suma importância no processo de perfuração de poços de petróleo, sob o
ponto de vista operacional, ambiental e econômico. Este fluido possui sólidos em suspensão que têm origem na ação de corte
das formações rochosas pela broca de perfuração. Nesse sentido, este trabalho propõe o desenvolvimento de um aplicativo capaz de realizar a caracterização e contagem automatizada dos detritos presentes nos fluídos de perfuração de forma a permitir o
aprimoramento e automação do processo de perfuração de poços de petróleo. Para isso, são aplicadas técnicas de segmentação
além de combinações com filtros morfológicos permitindo identificar e classificar as partículas presentes no fluído de perfuração
conforme suas dimensões.
Palavras-chave
 Visão Computacional, Processamento de Imagens, Indústria do Petróleo, Fluído de Perfuração.
1
monitorar o fluído de perfuração de poços de
petróleo para detectar e analisar as características das
partículas cortadas (“cascalhos”) (Guilherme et al.,
2011) (Serapião et al., 2013).
Dentro deste contexto, este trabalho foi desenvolvido visando obter um sistema que permite oferecer subsídios para permitir o aprimoramento e automação do processo de perfuração de poços de petróleo.
Para isso, desenvolveu-se um aplicativo que serve para analisar, por meio de processamento digital
de imagens, o fluído utilizado na perfuração e que
retorna do ponto de escavação, de forma a obter um
sistema capaz de fazer a contagem automatizada de
detritos e a determinação dos respectivos tamanhos.
Com essas informações, pode-se controlar de forma
mais eficaz o processo de perfuração e melhorar o
sistema de filtragem usando esteira vibratória visando
retirada dos detritos e reaproveitamento do fluído.
Pretende-se apresentar como principal contribuição em relação a trabalhos anteriores (Guilherme et
al., 2011) (Serapião et al., 2013) o desenvolvimento
de um algoritmo que incorpore a capacidade de
identificar, quantificar e também classificar as
partículas presentes no fluído.
Introdução
Desde a descoberta de indícios de petróleo na
camada do pré-sal brasileiro em meados de 2006,
novas tecnologias para tornar a sua extração mais
segura e rentável vem sendo pesquisadas com maior
intensidade.
Na exploração do petróleo, uma das etapas mais
onerosas, que representam entre 40% a 80% dos custos, consiste na perfuração dos poços. A perfuração
de um poço de petróleo de 3000 m dura aproximadamente 3 meses de trabalhos ininterruptos e ainda
assim, pode resultar em um poço seco. Entretanto
isso não significa necessariamente o fracasso da exploração, pois cada poço perfurado pode melhorar o
conhecimento geológico da área em exploração (Almeida, 2002).
Trabalhos recentes abordam estudos sobre os
equipamentos utilizados para a separação sólidolíquido do fluído de perfuração (Coelho et al., 2005)
(Lobato et al., 2011) (Serapião e Mendes., 2009),
(Grigorescu et al., 2008).
Alguns trabalhos apresentam o desenvolvimento
de algoritmos de processamento de imagem para
909
Anais do XX Congresso Brasileiro de Automática
Belo Horizonte, MG, 20 a 24 de Setembro de 2014
contidos no fluído. Segundo Pereira (2010), o futuro
dos sistemas de controle de sólidos será aumentar a
eficiência da remoção de sólidos. Para isso será necessário melhorar o conjunto de peneiras. Essa melhoria levará, consequentemente, ao aumento da vida
útil das peneiras.
Um dos principais objetivos no controle de sólidos é remover a maior quantidade de partículas grandes na primeira vez que esses sólidos são bombeados
para fora do poço. Segundo ASME (2004), para avaliar a capacidade de remoção dos equipamentos é
necessário considerar a origem dos sólidos e classifica-los de acordo com os tamanhos como mostrado na
Tabela 1.
Em condições normais, o fluído de perfuração é
bombeado através da coluna de perfuração até a broca, retornando pelo espaço anular até a superfície,
trazendo consigo os cascalhos cortados pela broca.
O princípio de funcionamento do sistema desenvolvido consiste em utilizar uma câmera IP, com
acesso remoto, para capturar imagens da esteira com
os cascalhos transportados pelo fluído de perfuração
oriunda do poço petrolífero que está sendo escavado.
A abordagem propõe o tratamento das imagens capturadas por meio de filtros morfológicos adequados
com o objetivo de se obter melhor precisão na determinação das características de granulometria do material sólido contido no fluído.
Deve-se destacar que a produtividade do processo de perfuração depende da eficiência do adequado
tratamento do fluído de perfuração com a retirada dos
detritos. Assim, a análise correta dessas informações
obtidas juntamente com a análise da composição do
solo, proximidade da bolsa de petróleo e condições
do ambiente, são de suma importância na perfuração
de poços petrolíferos.
Tabela1: Classificação de sólidos quanto ao tamanho
Faixa de
Tamanho
Classificação
Tipos de Partículas
(µm)
Maior
Sólidos de perfuração,
Cascalho
que 2000
cascalhos, pedras
74 a
Areia, sólidos de perfuraAreia
2000
ção
Barita, silte, sólidos de
Lama
2 a 74
perfuração finos
Menor
Bentonita, argila, sólidos
Colóides
que 2
de perfuração ultrafinos
Fonte: Adaptado de ASME (2004)
2 Perfuração de Poços de Petróleo
A exploração do petróleo é uma atividade essencialmente arriscada e de custo elevado. Mesmo com
o alto grau de qualidade e confiabilidade dos estudos
geológicos e geofísicos atuais, a certeza da existência
de um reservatório só é possível após a perfuração do
primeiro poço. Nesse processo utiliza-se uma sonda
de perfuração composta essencialmente por uma torre
de sondagem que serve como grua para baixar e içar
as tubulações de aço contendo na ponta a broca de
perfuração e uma casa de máquina que abriga os motores responsáveis pelo acionamento da grua, da broca e da bomba de fluído de perfuração.
Os fragmentos de rocha gerados durante a perfuração são chamados de cascalho e são recolhidos
continuamente por um fluído de perfuração (Pereira,
2010). Tradicionalmente, os fluídos são classificados
de acordo com o seu constituinte principal em: fluídos à base de gás, à base de óleo e à base de água.
(Amorin, 2003). No processo analisado o fluído é
constituído de uma mistura de argila, água e produtos
químicos injetados por bombas para o interior da
coluna de perfuração através da cabeça de injeção e
retorna à superfície pelo espaço anular formados pelas paredes do poço e pela coluna. Além de transportar os detritos da rocha perfurada, o fluído também
limpa, lubrifica e arrefece a broca, reduz o atrito entre a coluna de perfuração e as paredes do poço, mantém a estabilidade do poço, além de evitar a erupção
de gás, óleo ou água (Almeida, 2002). Por fim, o
fluído de perfuração é separado dos cascalhos e, depois de devidamente tratado, retorna ao poço. A análise contínua dos cascalhos permite detectar os primeiros indícios de hidrocarbonetos nas formações
rochosas.
A utilização de técnicas adequadas pode reduzir
os custos de manutenção de fluídos, de tratamento e
descarte de resíduos. Atualmente utiliza-se um sistema de peneiras vibratórias para separar os sólidos
Na superfície, o fluído permanece dentro de tanques, após receber o tratamento adequado. A trajetória do fluído de perfuração é apresentado na Figura 1.
A Figura 2 ilustra o fluído com os cascalhos cortados
pela broca sendo transportados por uma esteira.
Figura 1. Trajetória do fluído de perfuração.
Fonte: Amorin (2003).
910
Anais do XX Congresso Brasileiro de Automática
Belo Horizonte, MG, 20 a 24 de Setembro de 2014
prototipagem rápida (RP – Rapid Prototyping) para
produção de objetos com formas complexas a partir
de dados tridimensionais, rastreamento em tempo
real e navegação de robôs móveis ou veículos não
tripulados (Crawford et al, 2004) (Martins et. al,
2006), controle de processos de manufatura ou sistemas industriais (Denis, 2009), dentre outros.
O reconhecimento e classificação de padrões é
parte essencial em um sistema de análise de imagens,
e tem por objetivo analisar determinado evento ou
objeto e classificá-lo dentre várias categorias preestabelecidas.
Em muitas aplicações o reconhecimento de padrões baseia na análise dos pixels de imagens coloridas. Nesse caso, as imagens são representadas por
matrizes de pixels, sendo que cada uma das matrizes
representam uma das cores primárias no padrão RGB
(Red, Green e Blue) ou ainda combinações dessas
matrizes. Em outras aplicações, mesmo que a câmera
utilizada não obtenha imagens coloridas, a identificação ainda assim pode ser realizada pela análise dos
níveis de cinza (greyscale). No caso específico da
aplicação tratada nesse trabalho, onde o objetivo de
identificar as dimensões dos cascalhos pode ser realizada com eficiência em imagens em tons de cinza.
Uma das maneiras de transformar as matrizes de
RGB em greyscale consiste na aplicação da transformação:
Figura 2. Fotografia de uma esteira transportando os
detritos extraídos do fluído de perfuração
A recuperação do fluído de perfuração separando-o de cascalhos cortados é um assunto atual e de
grande importância na operação de plataformas de
perfuração de poços de petróleo, sob o ponto de vista
ambiental e econômico. Normalmente, este fluído
precisa ter as suas propriedades físicas readequadas
para assegurar que o cascalho permaneça em suspensão (Guerreiro, 2012). Adicionalmente, por conter
produtos poluentes, o fluído não pode ser diretamente
descartado.
A eficiência na remoção de sólidos pode ser
computada de duas maneiras: eficiência de sólidos
removidos propriamente dita e eficiência na conservação de líquido. Quanto maior a fração de sólidos
removidos, maior a eficiência. Quanto maior a fração
de sólidos no efluente de descarte, melhor é a eficiência de remoção. Ambos os aspectos devem ser
considerados (Guerreiro, 2012).
Um dos principais desafios nesse processo é caracterizar o tamanho das partículas e material sólido
nas correntes de entrada e de saída da peneira. Assim,
é possível ajustar condições operacionais, tais como:
a vazão do fluído, a frequência e amplitude de vibração da esteira, a inclinação da tela de filtração para
melhorar a eficiência do processo de retirada dos
detritos e minimizar o seu desgaste.
Por fim, além de remover fatores humanos do
processo, a automação pode contribuir para melhorar
a vida útil da esteira utilizada na separação e transporte destes detritos. Caso existam detritos muito
grandes para determinado tipo de esteira o desgaste
também será comparativamente maior que em uma
esteira bem dimensionada.
G[i , j ] = 0,2989 R[i, j ] + 0,5870 G[i , j ] + 0,1140 B[i , j ]
(1)
onde G é a matriz em greyscale, R, G e B são as matrizes no padrão RGB e i, j são respectivamente linha
e coluna das matrizes, cujo número de termos depende da resolução da câmera utilizada.
Algumas das principais técnicas utilizadas em
aplicações de processamento de imagem digital onde
o objetivo é a classificação a partir das dimensões do
objeto incluem a "binarização" e a "conectividade".
A "binarização" da imagem consiste na transformação da imagem para níveis branco e preto puro.
Para isso são analisados os pixels da matriz greyscale
comparando-os com um limiar (threshold) para determinar os níveis da imagem "binarizada" (preto ou
branco); o limiar ou ponto de corte pode ser definido
pela análise de histogramas.
A "conectividade" consiste na análise da vizinhança dos pixels da imagem "binarizada" para verificar se estes estão conectados aos seus vizinhos.
Para imagens bidimensionais, utilizam-se as vizinhanças de quatro (apenas os vizinhos mais próximos), seis (apenas para grades de pixels hexagonais)
ou oito (todos os vizinhos) para definir a conectividade como ilustrado na Figura 3.
3 Processamento de Imagem
A aplicação de técnicas de processamento de
imagens no desenvolvimento de sistemas de visão
computacional (Gonzalez e Woods, 2000), é uma
área de pesquisa fascinante que tem produzido recentemente resultados de grande relevância para inúmeros segmentos da sociedade. Podemos citar, por exemplo, aplicações de identificação e segmentação
de objetos ou imagens humanas (Fernandes e Gomes,
2002), reconstrução 3D de cenas reais, aplicações de
911
Anais do XX Congresso Brasileiro de Automática
Belo Horizonte, MG, 20 a 24 de Setembro de 2014
A
B = {z| (B)Z, ⊆ A}
(2)
ou seja, a erosão de A por B é o conjunto de todos
pontos z tal que B trasladado por z, está contido em
A.
- Filtro majority - Tem uma função semelhante
ao filtro erode e remove de forma mais branda grupos de pixels isolados. Também serve para remover
lacunas e penínsulas em regiões de zeros ou uns. Tem
também a vantagem de não alterar o tamanho destas
regiões, tal como ocorre com o filtro erode. O funcionamento básico do filtro consiste em, para cada
pixel sendo analisado, se houver cinco ou mais pixels
de mesmo valor em sua vizinhança sob a máscara, o
pixel mantém seu valor, caso contrário ele recebe o
valor de seu inverso. Portanto o filtro é resultante de:
Figura 3. Vizinhança de pixels em imagens digitais
3.1 Filtros para Imagens Digitais
Muitas vezes ao se capturar uma imagem digital
em um ambiente real que apresenta diferentes tonalidades e fontes de luz diretas ou refletidas podem ocorrer imperfeições e interferências indesejadas, o
que poderia prejudicar o processamento da imagem
em questão. Com o objetivo de remover pontos destoantes de luz ou refinar bordas podem ser utilizados
algoritmos digitais que permitem implementar diversos tipos de filtros. O funcionamento básico de um
filtro morfológico consiste em analisar cada pixel da
imagem alterando seu valor segundo um critério prédeterminado. Para realizar tal tarefa define-se um
elemento estruturante com um ponto de ancoragem
em seu centro. Embora o método possa produzir alguma deterioração nas regiões de borda ainda assim,
na maioria dos casos, a utilização de filtros permite
melhorar bastante a qualidade do algoritmo de classificação de objetos por processamento de imagens.
Os filtros utilizados neste trabalho foram os seguintes: filtro erode, filtro majority, filtro fill e o filtro shrink, os quais serão explicados a seguir. É importante lembrar que qualquer filtro que se passe na
imagem levará inevitavelmente a uma alteração da
informação contida na imagem.
- Filtro de erosão (erode)- Utilizado para remover pequenos detalhes irrelevantes em termos de tamanho (Gonzalez e Woods, 2002). Esta tarefa é
cumprida utilizando-se uma máscara como mostrado
na Figura 4.
1, se ∑ (B) Z ≥ 5
z
0, se ∑ (B) Z < 5
(3)
Em oposição ao filtro erode, este filtro não apresenta o problema das bordas se a máscara utilizada
possuir um tamanho menor que cinco por cinco, já
que o valor limite do número de pixels considerados
para a mudança de valor é de cinco, os pixels fictícios da região fora da imagem ainda serão minoria
em relação aos outros pixels reais de dentro da imagem, exceto no único pixel em cada canto da imagem.
- Filtro fill - Tem o objetivo de preencher quaisquer grupos de pixels rodeados por pixels de valor
oposto. Com a utilização deste filtro é possível selecionar áreas específicas em que se deseje mudar o
valor de grupos de pixels que estejam conectados,
seja por uma conectividade de 4 ou 8 para imagens
bidimensionais ou de 6, 18 ou 26 para cenas tridimensionais. Portanto o filtro é resultante de:
X k = ( X k −1 ⊕ B ) I A C ;
k = 1, 2, 3, ...
(4)
A Figura 5 mostra a máscara utilizada para o filtro fill.
Figura 5. Máscara para o filtro fill
Figura 4. Exemplo do processo de erosão aplicado a
uma matriz binária
- Filtro shrink - Serve para tentar reduzir áreas
conectadas de mesmos valores por meio da remoção
de pixels. Se o objeto, ou área, em questão possuir
buracos, o filtro transforma-os em uma linha a meio
caminho do buraco e da extremidade do objeto; se
este for contíguo o filtro tenta transformá-lo num
ponto. Com este filtro é possível identificar, isolar e
No filtro de erosão para os conjuntos A e B, a
B, é definido
erosão de A por B, denotada por A
por:
912
Anais do XX Congresso Brasileiro de Automática
Belo Horizonte, MG, 20 a 24 de Setembro de 2014
ligação entre o cliente FTP (File Transfer Protocol)
presente na câmera e um servidor que será instalado
no computador servidor. Com a utilização deste protocolo é possível fazer o envio dos arquivos presentes
na câmera de modo relativamente seguro, com relativa imunidade à perda ou corrupção da informação. O
modelo de comunicação FTP adotado é realizado
como ilustrado na Figura 7.
tentar reparar áreas ruidosas de uma imagem, ou seja,
áreas com rápidas mudanças de valor entre pixels
consecutivos.
O algoritmo de realização deste filtro é apresentado em (Lam et al., 1992).
4 Materiais e Métodos
4.1 Hardware
Para realizar o projeto foram utilizados os seguintes equipamentos: câmera digital e peneira vibratória.
A câmera digital utilizada na captura das imagens que serão utilizadas é uma câmera IP (Internet
Protocol) Feasso™ modelo f-ipcam03. A câmera
possui processador de 32 bits, sensor CMOS de alta
sensibilidade e imagem VGA com resolução de 640 x
480 pixels. Permite comunicação remota com um
computador com rede 802.11(Wi-FI) e 802.3 (RJ45
10 base T). A câmera foi instalada em um suporte de
metal para manter a distância entre a lente e a peneira, garantindo assim uniformidade na aquisição das
imagens em diferentes situações de teste (Figura 6).
A câmera está preparada para o ambiente agressivo
em que estará instalada na indústria, sendo exposta
ao sol e à chuva, e no caso de plataformas de perfuração, ao sal carregado pelos ventos marinhos. Não é,
portanto, aconselhável a instalação de um microprocessador desprotegido no local para executar o algoritmo de análise. Assim, o uso de um simples WebCam na aplicação não é indicado pois necessitaria da
presença de algum dispositivo com uma entrada USB
no local para esta funcionar corretamente.
Figura 7. Modelo de conexão FTP
4.2 Software
O aplicativo desenvolvido no software Matlab™
divide-se em duas partes: um kernel de processamento, ou seja, um núcleo central encarregado da maior
parte do processamento das informações provenientes da imagem, e uma interface amigável para a utilização do usuário. O algoritmo do aplicativo de processamento de imagens obedece à sequência apresentada no fluxograma da Figura 8.
A interface gráfica desenvolvida (Figura 9) faz
uso da ferramenta GUIDE (GUI Development Environment) incorporada ao Matlab™. Esta ferramenta é
especificamente destinada à construção de interfaces
de interação gráfica com o usuário final em aplicativos personalizados, encarregando-se de gerar todo o
código de criação, manipulação e deleção de todos os
elementos gráficos.
A interface gráfica inclui diversas funcionalidades que incluem:
- calibração do sistema;
- seleção da fonte das imagens a serem utilizadas
(externas, capturadas pela câmera, ou obtidas por
meio de figuras armazenadas);
- seleção dos filtros a serem utilizados, a sequência que deve ser adotada e o número de vezes em que
cada filtro deve ser aplicado;
- seleção do modo único ou contínuo; no modo
contínuo as imagens são processadas continuamente
em tempo real;
- apresentação da imagem capturada e após o
processamento; podendo essa última ser substituída
pelo histograma ou um gráfico de barras mostrando o
número de partículas identificadas nas respectivas
classificações;
Figura 6. Montagem para ensaios iniciais, com menores distâncias entre a câmera e a esteira, e nos testes
finais, com instalação no teto, e mostrando também
um exemplo de imagem capturada
Na aplicação utilizou-se uma rede com protocolo
TCP/IP (Transmission Control Protocol) para fazer a
913
Anais do XX Congresso Brasileiro de Automática
Belo Horizonte, MG, 20 a 24 de Setembro de 2014
5 Resultados Experimentais
O sistema desenvolvido foi utilizado para processar imagens de diversos tipos e com número de
pedras variável e com dimensões e colorações diferentes. Os testes foram realizados em um ambiente
controlado com iluminação uniforme e a uma distância entre a lente e as amostras fixa de aproximadamente um metro e meio. As amostras presentes nestes
testes não representam necessariamente os detritos
provenientes da escavação de poços de petróleo, sendo apenas pequenas rochas e pedras. Contudo, os
resultados obtidos permitem avaliar a eficiência que
seria obtida num sistema real.
As Figuras 10(a) a 10(c) apresentam imagens
capturadas no sistema onde os círculos em amarelo
delimitam a região de interesse especificada. Observa-se que na imagem 1(a) considerada como ideal,
utiliza-se um fundo branco.Nota-se também que na
Figura 10(c), propositalmente, as bordas da peneira
vibratória são incluídas na análise, para observar-se o
efeito da reflexão da parte metálica. As Figuras 10(d)
a 10(f) ilustram o resultado obtido apenas com a conversão para greyscale e a "binarização". Todas as 5
pedras da Figura 10(a) foram localizados com facilidade. Contudo para as imagens 10(b) e 10(c), que
contém respectivamente 43 e 72 pedras dentro da
região delimitada, o resultado obtido apresentou contagem de 2012 e 636 pedras. Nessas imagens observa-se que o algoritmo não é eficiente, pois embora os
objetos sejam identificados na imagem, sua classificação e o tamanho determinado são muito diferentes
do real. Adicionalmente as perfurações na tela da
peneira vibratória são identificadas como pedras e a
reflexão de luz devido à parte metálica do fundo
compromete o funcionamento do algoritmo de processamento de imagem.
As Figuras 11(a) a 11(c) apresentam as mesmas
imagens 10(a) a 10(c), mas processadas usando respectivamente combinações com os filtros erode, majority, fill e shrink. O algoritmo apresentou 100% de
acerto na contagem das pedras das Figuras 11(a) e
11(b), respectivamente com 5 e 43 pedras e erros de
medidas das dimensões menores que 10% para a
maioria das combinações de filtros adotada. Contudo,
a Figura 11(c) resultou em apenas 45 pedras. O baixo
índice de acerto nesse caso ocorreu porque, como as
pedras estão muito próximas uma das outras e apresentam mesma coloração, o algoritmo identifica várias pedras juntas como uma única com maior dimensão. Devemos salientar que, na aplicação prática,
com a adequada delimitação da região de interesse,
se possível excluindo as regiões das bordas onde há
acúmulo das pedras, esses erros podem ser minimizados. Assim, como os cascalhos estarão em movimento na esteira e o processamento é realizado on
line, pode-se considerar como solução a máxima contagem de pedras após certo período de análise. Adicionalmente, uma adequada calibração do sistema,
com controle rigoroso da luminosidade e evitando
Figura 8. Algoritmo completo do sistema de processamento de imagem
Figura 9. Interface gráfica para o usuário
- o sistema permite a calibração do número de
pixels com a respectiva dimensão no sistema real, de
forma a determinar as dimensões dos cascalhos com
relativa precisão; assim, após identificados os detritos
no fluído de perfuração e suas correspondentes dimensões torna possível classifica-los, tal como mostrado na Tabela 1.
O sistema de calibração permite delimitar na imagem capturada, usando formas padronizadas com
dimensões definidas pelo usuário, a região de interesse, sobre a qual deve ser realizado o processamento
de imagem. A região de interesse é escolhida de forma manual de forma a delimitar a área de circulação
do material a ser analisado. Essa característica permite eliminar regiões externas à esteira bem como excluir regiões próximas à borda.
914
Anais do XX Congresso Brasileiro de Automática
Belo Horizonte, MG, 20 a 24 de Setembro de 2014
de perfuração de poços de petróleo, mesmo com relativa alteração de iluminação do local. O tempo de
resposta depende do número e combinação de filtros
utilizados. Contudo observou-se que o sistema consegue processar cerca de 3 ou 4 imagens por segundo
utilizando o MatlabTM, o que foi considerado suficiente para a aplicação. Embora eficiente, o algoritmo
apresenta as seguintes limitações:
- imprecisão nas medições quando há acúmulo
de detritos, sobretudo nas bordas da peneira de vibração;
- ainda é necessário calibração do sistema e intervenção do operador para selecionar a melhor combinação de filtros, para garantir melhor eficiência no
algoritmo.
sombreamento, espera-se obter resultados melhores
na aplicação real.
Referências Bibliográficas
Almeida, E. L. F. D. (2002) Dinâmica Tecnológica
das Industrias Energéticas. Universidade Federal
do Rio de Janeiro. Rio de Janeiro.
Amorin, L. V. (2003) Melhoria, Proteção e
Recuperação
da
Reologia
de
Fluídos
Hidroargilosas para Uso na Perfuração de Poços
de Petróleo. Universidade Federal de Campina
Grande. Campina Grande, PB.
ASME - Shale Shaker Committee of the American
Society of Mechanical Engineer Drilling Fluid
Processing Handbook. Gulf Professional
Publishing; 1 edition, December, 2004.
Crawford, B. G., Downing, D.R. (2004) Design and
Evaluation of an Autonomous, Obstacle Avoiding, Flight Control System Using Simulated Visual Sensors”, Anais do AIAA 2nd Unmanned
Unlimited Technical Conference, Chicago, Illinois, EUA.
Coelho, D. K., Roisenberg, M., Freitas Filho, P. J.,
Jacinto, C. M. C. (2005) Risk Assessment of
Drilling and Completion Operations in Petroleum Wells Using a Monte Carlo and a Neural
Approach Network Approach, WSC’05: Proceedings of the 37th Conference on Winter Simulation, Winter Simulation Conference, pp. 1892 1897.
Denis, C.; Assis, W. O.; Coelho, A. D. (2009)
Sorting Tomatoes for Industrial Processing
Through of Computer Vision System Based on
Neural Networks, COBEM 2009 – International
Congress of Mechanical Engineering, Gramado,
RS, 2009.
Fernandes, L. A. e Gomes, P. C. R. (2002) Remoção
do Fundo da Cena e Identificação da Silhueta
Humana para a Captura Óptica de Movimento”,
Anais do IX Seminário de Computação,
SEMINCO, Blumenau, SC, Brasil, p.77-82.
Gonzalez, R. C., e Woods, R. E. (2000),
Processamento de Imagens Digitais, Editora
Edgard Blücher Ltda.
Grigorescu, S. D., Cepisca, C., Ghita, O. M.,
Portarniche, I., Grigorescu, E. (2008) Intelligent
Figura 10. Imagens capturadas e após préprocessamento
Figura 11. Imagens processadas após utilização de
filtros combinados
Deve-se destacar que o algoritmo determina as
dimensões de todas as partículas identificadas, permitindo sua classificação tendo como referências as
características apresentas na Tabela 1 com um ótimo
índice de acerto, independente da luminosidade.
6 Conclusões
O trabalho permitiu o desenvolvimento de um
algoritmo de processamento de imagem que inclui
diversas funcionalidades e que permite com relativa
eficiência caracterizar os detritos presentes no fluído
915
Anais do XX Congresso Brasileiro de Automática
Belo Horizonte, MG, 20 a 24 de Setembro de 2014
Control System for Monitoring Drilling Process.
CIMMAS’08: Proceedings of the Seventh
WSEAS
International
Conference
on
Computational
Intelligence,
Man-Machine
Systems and Cybernetics, Stevens Point,
Wisconsin, USA. World Scientific and
Engineering Academy and Society (WSEAS),
Cairo, Egypt, pp. 88-93.
Guerreiro, F. S. (2012) Dimensionamento e
especificação técnica de equipamentos a serem
instalados em unidade experimental de
tratamento de fluído de perfuração automatizada.
Universidade Federal de Uberlândia. Uberlândia
- MG.
Guilherme, I. R., Marana, A. N., Papa, J. P.,
Chiachia, G., Afonso, L. C. S., Miura, K.,
Ferreira, M. V. D., Torres, F. (2011) Petroleum
Well Drilling Monitoring Through Cutting
Image Analysis and Artificial Intelligence
Techniques. Engineering Applications of
Artificial Intelligence, vol. 24, pp. 201-207.
Lam, L.; Lee, S.-W.; Suen, C. Y. (1992) Thinning
methodologies - a comprehensive survey. IEEE
Transactions on Pattern Analysis and Machine
Intelligence, v. 9, n. 14, p. 879, Sep.
Lobato, F. S., et al. (2011) Identificação de Modelos
para Unidades de Tratamento de Fluído de
Perfuração. ENAHPE - IV Encontro Nacional de
Hidráulica de Poços de Petróleo e Gás, Foz do
Iguaçu - PR.
Martins, M. P., Medeiros, F. L. L., Monteiro, M. V.,
Shiguemori, E. H., Ferreira, L. C. A. e Domiciano, M. A. P. (2006) Navegação Aérea Autônoma
por Imagens, Anais do VIII Simpósio de Guerra
Eletrônica, ITA, São José dos Campos, SP,
Brasil.
Pereira, M. S. (2010) Caracterização de cascalho e
lama de perfuração ao longo do processo de
controle de sólidos em sondas de petróleo e gás.
Universidade Federal de Uberlândia Dissertação de Mestrado. Minas Gerais.
Serapião, A. B. S., Mendes, J. R. P., Miura, K.
(2013) Sistema de Visão Computacional para
Detecção de Cascalho de Perfuração em Poços
de Petróleo. 6º Congresso Brasileiro de P & D
em Petróleo e Gás.
Serapião, A. B. S., Mendes, J. R. P. (2009)
Classification of Petroleum Well Drilling
Operations. Sixty International Conference on
Artificial Immune Systems. Lecture Notes in
Computer Science, vol. 4628, Springer, Santos,
SP, pp. 47-58.
916