Autor: Vinicius Vasconcelos Maurente (Currículo Lattes)
Resumo
A inspeção de corrosão em estruturas, como tubulações, tanques, navios e plataformas de produção na industria petrolífera, apresenta desafios devido a complexidade intrínseca e a dificuldade de acesso a essas áreas. Essa situação acarreta potenciais riscos a segurança e ao meio ambiente. Diante desse cenário, o propósito consiste em desenvolver um sistema inteligente capaz de desempenhar essa tarefa com precisão e eficiência. O presente trabalho propõe um sistema de visão computacional baseado em processamento de imagem e redes neurais artificiais para detectar e segmentar a corrosão em aço carbono. O objetivo do trabalho e criar uma solução inteligente para identificar áreas corroídas em superfícies metálicas. O sistema integra um subsistema de visão, composto por um sensor óptico e um sistema de processamento. Para alcançar o objetivo proposto, foram conduzidos experimentos exploratórios para a captura de imagens em ambientes relevantes, bem como a aplicação de algoritmos de visão computacional e redes neurais para a segmentação da corrosão. Foi criado um conjunto de dados, uma vez que não foram encontrados conjuntos de dados satisfatórios que abordassem diferentes tipos de corrosão. O conjunto de dados gerado contem 1.078 imagens capturadas em ambiente externo, incluindo fotos de chapas de aço, escadas, corrimãos, tanques de armazenamento, grades, portões, tampas de bueiro, postes, pilares, vigas, contêineres e pecas metálicas. As arquiteturas de redes neurais YOLOv5l-seg e YOLOv8l-seg foram empregadas no treinamento e validação do conjunto de dados. Os pesos obtidos durante o treinamento permitiram a realização de testes de inferência tanto no computador utilizado para o treinamento quanto no sistema de visão embarcado na plataforma computacional Jetson Nano. Foi observado que a rede YOLOv8l-seg apresentou um desempenho superior na segmentação da corrosão durante as inferências, com uma precisão de 82% e mAP (mean Average Precision) de 0,718, em comparação com a rede YOLOv5l-seg, que obteve uma precisão de 78% e mAP de 0,684. Os resultados obtidos demonstraram que o sistema de visão, utilizando a Jetson Nano e o modelo YOLOv5l-seg, foi capaz de realizar inferências rápidas e precisas, fornecendo detecção e segmentação da corrosão. Em síntese, este estudo proporcionou uma analise abrangente do impacto significativo da corrosão na industria do petróleo, evidenciando a necessidade de soluções tecnológicas inovadoras para mitigar a corrosão das estruturas metálicas. A incorporação de sistemas inteligentes, emerge como uma alternativa viável para substituir os seres humanos em ambientes de difícil acesso e alto risco.