Please use this identifier to cite or link to this item:
https://rima.ufrrj.br/jspui/handle/20.500.14407/13339
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Grossi, Caroline Dias | |
dc.date.accessioned | 2023-12-22T02:45:41Z | - |
dc.date.available | 2023-12-22T02:45:41Z | - |
dc.date.issued | 2020-12-18 | |
dc.identifier.citation | GROSSI, Caroline Dias. Desenvolvimento de um software de visão computacional para estudo do escoamento de cascalhos em peneira vibratória. 2020. 168 f. Dissertação (Mestrado em Engenharia Química) - Instituto de Tecnologia, Universidade Federal Rural do Rio de Janeiro, Seropédica, RJ, 2020. | por |
dc.identifier.uri | https://rima.ufrrj.br/jspui/handle/20.500.14407/13339 | - |
dc.description.abstract | O petróleo é um combustível fóssil de grande interesse comercial, podendo ser encontrado onshore e offshore. O processo de perfuração tem sua complexidade aumentando proporcionalmente ao aumento da profundidade do poço, estando sujeito a problemas operacionais que podem colocar em risco a integridade das instalações, dos operadores e do meio ambiente, além de ocasionarem tempo não produtivo. Um indicador pouco explorado de causas de instabilidades durante a perfuração são as características do cascalho que chega à superfície. Informações como distribuição de tamanhos, velocidade e volume com que retornam do poço podem sugerir problemas como desmoronamento e perda de circulação. O primeiro equipamento a receber a lama de perfuração é a peneira vibratória e, por isso, este estudo foi direcionado a este equipamento. A Visão Computacional é uma tecnologia que tem como finalidade a automatização e a integração de processos relacionados à análise das informações contidas em vídeos ou imagens, utilizando princípios do sentido biológico da visão. Nos últimos anos, diversos trabalhos voltados para a indústria de petróleo têm se dedicado à aplicações dessas técnicas. O objetivo desse trabalho foi aplicar técnicas de visão computacional, processamento de imagens e inteligência artificial na análise de imagens de cascalho em peneiras vibratórias, de forma a desenvolver um software capaz de monitorar certas variáveis do escoamento e associá-las a possíveis instabilidades no processo de perfuração do poço. Para o o desenvolvimento do software de visão computacional, foram utilizados diversos tipos de sólidos diferentes, que foram divididos em cinco grupos: i) cereais de milho, arroz, feijão e ervilhas; ii) fragmentos de quartzo coloridos artificialmente; iii) fragmentos de quartzo, mármore, granito e areia; iv) cascalho real, oriundo de sonda de perfuração; e v) suspensão de areia e goma xantana 0,1%. Para cada grupo, diferentes técnicas de segmentação foram avaliadas para detecção de objetos, dentre elas, k-means e Transformadas de Fourier e Wavelets. Os resultados obtidos foram as estimativas de preenchimento da tela da peneira por sólidos e as suas velocidades de escoamento, além de estimativas de dimensões e formas geométricas como tamanho, circularidade, arredondamento e excentricidade dos sólidos. Foram estudados alguns detectores de correspondências e os de melhor desempenho para essa abordagem foram MSER, Harris e SURF. Também foram avaliadas características texturais como possíveis estimadores qualitativos de vazão mássica do cascalho na peneira. Além disso, redes neuronais convolucionais foram utilizadas para a classificação dos sólidos quando a tamanho, composição e percentual de preenchimento da peneira. Os resultados mostraram que o software de visão computacional desenvolvido é versátil, pois conseguiu realizar boas estimativas dessas propriedades para uma grande variedade de materiais. Na maioria dos casos foi possível estimar a porcentagem de preenchimento da peneira por sólidos e a sua velocidade de escoamento com erros menores do que 10%, considerando os valores médios. O estudo proporcionou ampla avaliação das técnicas citadas e os resultados obtidos sugerem ser possível a implementação de um sistema de monitoramento de cascalho em tempo real. | por |
dc.description.sponsorship | CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior | por |
dc.format | application/pdf | * |
dc.language | por | por |
dc.publisher | Universidade Federal Rural do Rio de Janeiro | por |
dc.rights | Acesso Aberto | por |
dc.subject | visão computacional | por |
dc.subject | processamento de imagens | por |
dc.subject | aprendizado de máquina | por |
dc.subject | computer vision | eng |
dc.subject | image processing | eng |
dc.subject | machine learning | eng |
dc.title | Desenvolvimento de um software de visão computacional para estudo do escoamento de cascalhos em peneira vibratória | por |
dc.title.alternative | Development of a computational vision framework for analysis of gravel flow systems in vibration channel | eng |
dc.type | Dissertação | por |
dc.description.abstractOther | Oil is a fossil fuel of great commercial interest and can be found onshore and offshore. The drilling process has its complexity increasing proportionally to the good depth, being subject to operational problems that can put at risk the integrity of the installations, the operators, and the environment, besides causing non-productive time. A poorly exploited indicator of instabilities is the gravel reaching the surface. Information such as size distribution, speed, and volume with which they return from the well can suggest problems such as crumbling and loss of circulation. The first equipment to receive the drilling mud is the vibrating sieve, and therefore, this study will be directed to this equipment. The Computational Vision is a technology that has as a purpose the automation and integration of processes through the information contained in videos or images using principles of the biological sense of vision. In the last years, several works focused on the oil industry have been dedicated to the applications of these techniques. The objective of this work is to apply computational vision techniques, image processing, and artificial intelligence in the analysis of gravel in vibrating screens, to develop an application capable of monitoring flow variables and detect possible instabilities. Several different materials were used, divided into five groups: i) corn, rice, beans, and peas; ii) artificially colored quartz fragments; iii) quartz fragments, marble, granite, and sand; iv) royal gravel from drilling rigs; and v) 0.1% sand and xanthan gum suspension. Each group used different segmentation techniques for object detection, among them, k-means and Fourier and Wavelets Transform. Estimates of sieve screen-filling and flow velocity were validated, as well as measures such as size, circularity, roundness, and eccentricity of solids. Some matching detectors were studied, and the best performers for this approach were MSER, Harris, and SURF. Texture characteristics were also evaluated as possible qualitative mass flow estimators. Also, convolutional neural networks were evaluated for solids classification when size, composition, and sieve filling. The limitations found were corrected according to the complexity of the study groups. The results show that the application is versatile, and can make good estimates for a variety of materials. In most cases, it was possible to estimate the percentage of sieve filling and the flow velocity with errors of less than 10% considering average values. The study provided great learning about the cited techniques, and the promising results suggest that it is possible to implement a gravel monitoring system in real-time. | eng |
dc.contributor.advisor1 | Meleiro, Luiz Augusto da Cruz | |
dc.contributor.advisor1ID | 814.559.417-00 | por |
dc.contributor.advisor1Lattes | https://orcid.org/0000-0002-7586-1679 | por |
dc.contributor.advisor-co1 | Calçada, Luís Américo | |
dc.contributor.advisor-co1ID | 082.908.828-82 | por |
dc.contributor.referee1 | Meleiro, Luiz Augusto da Cruz | |
dc.contributor.referee2 | Souza Junior, Maurício Bezerra de | |
dc.contributor.referee3 | Gedraite, Rubens | |
dc.creator.ID | 132.054.757-55 | por |
dc.creator.ID | https://orcid.org/0000-0002-7586-1679 | por |
dc.creator.Lattes | http://lattes.cnpq.br/9182898919131788 | por |
dc.publisher.country | Brasil | por |
dc.publisher.department | Instituto de Tecnologia | por |
dc.publisher.initials | UFRRJ | por |
dc.publisher.program | Programa de Pós-Graduação em Engenharia Química | por |
dc.relation.references | ALEXANDRE, E. B.; LOPES, M. D.; RATEKE, T.; CHIARELLA, V. F.; SOBIERANSKI, A. C.; COMUNELLO, E. WANGENHEIM, A. V. Controle de aeromodelo empregando visão computacional. Computer on the Beach – Artigos Completos, p. 128 – 137, 2013. ALMEIDA NETO, J. B. Aproveitamento do cascalho de perfuração de poços para elaboração de pasta de cimentação primária. Tese (Doutorado em Desenvolvimento e Meio Ambiente) – Universidade Federal de Sergipe, p. 139, 2017. (ALMEIDA, 2018) ALMEIDA, D. O. Métodos de visão computacional aplicados a extração de características de ambientes urbanos em imagens de satélites de baixa resolução. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Goiás, Goiânia, p. 84, 2018. (ALMEIDA, 2018 2) ALMEIDA, P. H. S. Avaliação de métodos de mosaico de imagens aplicados em imagens agrícolas obtidas por meio de RPA. Dissertação de Mestrado – Computação para Tecnologias Agrícolas, Universidade Estadual de Ponta Grossa. Ponta Grossa – RS, p.68, 2018. ANP. A história do petróleo no Brasil. Agência Nacional do Petróleo, Gás Natural e Biocombustíveis. Jun. 2019, Disponível em: http://www.anp.gov.br/institucional/a-historia-do-petroleo. Acesso em: 24/09/2019. ANWAR, A. Diferença entre AlexNet, VGGNet, ResNet e Inception. Medium Corporation. Conteúdo digital publicado em 07/06/2019. Acesso em: 11/07/2020. Disponível em: https://towardsdatascience.com/the-w3h-of-alexnet-vggnet-resnet-and-inception-7baaaecccc96 ARAÚJO, G. S.; BICALHO, K. V.; TRISTÃO, F. A. Análise de imagens na determinação da forma e textura de areias. Revista Brasileira de Ciência do Solo, v. 39, p. 94 – 99, out. 2015. BACKES, J. A.; Introdução a Visão Computacional usando Matlab©. Rio de Janeiro: Alta Books, 2016. BALLARD, D.H.; BROWN, C.M.; Computer Vision.. Englewood Cliffs, New Jersey 07632, Prentice-Hall, Inc ., 1982. ISBN 0-13-165316-4. BARANAUSKAS, J. A. Técnicas de clustering (agrupamento). Notas de Aula do Departamento de Física e Matemática da Universidade de São Paulo (USP). 2020. BARBOSA, V. P. Avaliação de fatores operacionais em processo de peneiramento vibratório aplicado à separação sólido-líquido com o auxílio de técnicas de análise de imagens. Dissertação (Mestrado em Engenharia Química) – Universidade Federal de Uberlândia. Uberlância, MG, p.99, 2018 BARROS, L. C.; VALENÇA, L. M. M.; MANSO, V. A. V.; MADRUGA FILHO, J. D.; OLIVEIRA, J. A. R. Textura, composição e arredondamento dos sedimentos da plataforma continental interna adjacente às desembocaduras sul do canal de Santa Cruz e do Rio Timbó, norte do estado de Pernambuco. Estudos Geológicos, v. 17, 2007. BATISTA, M.L.S.; CONCI, A.; MOTTA, L.; LIMA, S.M.B.; QUINTÃO, P.L.; Processamento digital de imagens para a detecção e classificação de nódulos em mamografias. Revista Eletrônica da Faculdade Metodista Granbery, p. 15, 2010. Disponível em: http://re.granbery.edu.br/artigos/Mzk1. Acesso em: 29/01/2019 BAUERMANN, G.C.; Uso de imagens de sensores remotos na estimativa de características dendométricas de povoamentos de eucalipto. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Santa Maria, Santa Maria, p. 78, 2008. BRAZ JUNIOR, G. Feature Description SIFT and SURF. Notas de Aula da Universidade Federal do Maranhão – MA. 2009. BORBA FILHO, S. S. Pulverização de plantas daninhas em tempo real utilizando visão computacional. Trabalho de Conclusão de Curso (Graduação em Engenharia Agrícola e Ambiental) – Instituto de Ciências Agrárias e Tecnológicas da Universidade Federal do Mato Grosso. Rondonópolis, p. 31, 2019. CARDOSO JÚNIOR, J. V. L.: Diagnóstico de problemas em poços direcionais durante as manobras. Dissertação (Mestrado em Engenharia de Petróleo) – Faculdade de Engenharia Mecânica, Universidade Estadual de Campinas. São Paulo, p. 90, 1992. CASTAÑÓN, C. A. B. Recuperação de imagens por conteúdo através de análise multirresolução por Wavelets. Dissertação (Mestrado em Ciências de Computação e Matemática Computacional) – Universidade de São Paulo. São Carlos, SP, p. 112, 2003. CESAR, T. M. Uso da transformada de wavelet para análise dinâmica de um sistema fotovoltaico conectado à rede e sua interação com a rede elétrica. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Federal de Goiás. Goiânica, GO, p. 96, mar 2018. CHIPINDU, N. S. C. Pós-análise em problemas de perfuração de poços marítimos de desenvolvimento. Dissertação (Mestrado em Ciências e Engenharia de Petróleo) – Faculdade de Engenharia Mecânica e Instituto de Geociências, Universidade Estadual de Campinas. São Paulo, p.124, 2010. CIPELLI, C. A. P.; ASSIS, W. O.; MATTA, E. N.; GOMES, M. M.; GEDRAITE, R. Desenvolvimento de um sistema de captura, processamento e identificação de imagens usando LabView. 14º Congresso Nacional de Iniciação Científica CONIC SEMESP, Centro Universitário do Instituto Mauá de Tecnologia – SP, 2014. CONCI, A. Reconhecimento de Padrões: Texturas. Notas de Aula de Análise de Imagens, Instituto da Computação da Universidade Federal Fluminense (UFF). Niterói – RJ, 2015. COSTA, C.A.R.; Introdução ao Processamento Digital de Imagens – Uma abordagem voltada para o sensoriamento remoto e funcionalidades do Sistema Spring. Relatório Técnico, Embrapa – CNPTIA, p. 45, 1998. ISSN 1414-4727. COSTA, J. M. P. Análise de imagem: medição de área edificada. Trabalho de Conclusão de Curso (Graduação em Engenharia Informática – Licenciatura) – Universidade da Beira Interior. Covilhã – Portugal, p.80, 2010. DA SILVA, A. O. M.; Perfuração e completação de poços HPHT. Monografia (Engenharia de Petróleo) – Universidade Federal Fluminense. Rio de Janeiro, p. 74, 2016. ESQUEF, I.A.; ALBUQUERQUE, M.P.; ALBUQUERQUE, M.P.; Processamento Digital de Imagens. Centro Brasileiro de Pesquisas Físicas – CBPF, 2003. Disponível em: http://www.cbpf.br/cat/pdsi/pdf/cap3webfinal.pdf. Acesso em: 16/01/2019. FACCO, P.; SANTOMASO, A. C.; BAROLO, M. Artificial vision system for particle size characterization from bulk materials. Chemical Engineering Sciense, v. 164, p. 246 – 257, jun. 2017. FAGUNDES, T. B. Caracterização de cascalhos de perfuração de poços de petróleo por técnicas analíticas instrumentais. Dissertação (Mestrado em Ciências e Engenharia de Petróleo) – Escola Politécnica da Universidade de São Paulo. São Paulo, p. 223, 2018. FALCÃO, J. L.; POIATE Jr., E.; COSTA, A. M.; ALVES, I. A. S.; ESTON, S. M.: Perfuração em formações salinas. Boletim técnico de produção de Petróleo. Rio de Janeiro, v. 2, n. 2, p. 261 – 286, dez. 2007. FARIA, E. L. Redes neurais convolucionais em máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro. Tese (Doutorado em Engenharia Civil) – Programa de Pós-Graduação em Engenharia Civil da COPPE. Universidade Federal do Rio de Janeiro (UFRJ). Rio de Janeiro – RJ, p.147, 2018. FLORINDO, J. B. Tópico 10 – Redes Neurais Convolucionais – Deep Learning. Notas de Aula. Instituto de Matemática, Estatística e Computação Científica da Universidade Estadual de Campinas. 2018. FONSECA NETO, J. Aplicação da Transformada de Fourier no processamento digital de imagens. Aracaju – SE, 1999 FRICK, M. A. D. Caracterização de Minério de Ferro por visão computacional. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Santa Maria. Santa Maria, RS, p. 61, 2008. GABOARDI, C. Generalização e análise multirresolução de modelos digitais do terreno com base em transformadas de wavelet. Tese (Doutorado em Ciências Geodésicas) – Setor de Ciências da Terra da Universidade Feredal do Paraná. Curitiba, PR, p. 158, ago 2009. GALLON, L. Sistema de Visão Computacional para classificação de pedras naturais através de vídeo em tempo real. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Centro de Tecnologia da Informação do Centro Universitário UNIVATES. Lajeado, p. 72, 2013. GOMES, O. F. M. Processamento e análise de imagens aplicados à caracterização automática de materiais. Dissertação (Mesrado em Ciências da Engenharia Metalúrgica) – Pontifícia Universidade Católica do Rio de Janeiro. Rio de Janeiro, p.151, 2001. GONÇALVES, L. A. Um estudo sobre a Transformada Rápida de Fourier e seu uso em processamento de imagens. Dissertação (Mestrado em Matemática Aplicada) – Universidade Federal do Rio Grande do Sul. Porto Alegre – RS, p.67, 2004. GONÇALVES, L. B. Sistema inteligente de classificação de imagens de rochas macroscópicas para a indústria de petróleo e gás. Tese (Doutorado em Engenharia Mecânica) – Programa Francisco Eduardo Mourão Saboya de Pós-Graduação da Universidade Federal Fluminense. Niterói – RJ, p. 309, 2010. GUILHERME, I. R.; MARANA, A. N.; PAPA, J. P.; CHIACHIA, G.; FALCÃO, A. X.; MIURA, K.; FERREIRA, M. V. D.; TORRES, F. Fast Petroleum Well Drilling Monitoring Through Optimum-Path Forest. Journal of Next Generation Information Technology, v. 1, n. 1, p. 77 – 85, dec. 2010. GUILHERME, I. R.; MARANA, A. N.; PAPA, J. P.; CHIACHIA, G.; AFONSO, L. C. S.; MIURA, K.; FERREIRA, M. V. D.; TORRES, F. Petroleum well drilling monitoring through cutting image analysis snd artificial intelligence techniques. Engineering Applications of Artificial Intelligence 24, Elsevier, p. 201 – 207, feb. 2011. GUTIERREZ, C. E. C. Eliminação do ruído por encolhimento de wavelets. Dissertação (Mestrado em Engenharia Elétrica) – Programa de Pós-Graduação em Sistemas de Energia Elétrica da PUC-Rio. Rio de Janeiro, RJ, p. 112, ago 2002. GROSSI, C. D. Modelagem com redes neurais para predição do crescimento microbiano em reator batelada. Trabalho de Conclusão de Curso (Graduação em Engenharia Química) – Pontifícia Universidade Católica do Rio de Janeiro. Rio de Janeiro, p. 94, 2017. GUYOT, O.; MONREDON, T. LaROSA, D.; BROUSSAUD, A. VisioRock, an integrated vision technology for advanced control of comminuition circuits. Minerals Engineering, v. 17, p, 1227 – 1235, dec. 2004. HAMZELOO, E.; MASSINAEI, M.; MEHRSHAD, N. Estimation of particle size distribuition on an industrial conveyor belt using image analysis and neural network. Powder Technology, v. 261, Elsevier, p. 185 – 190, jul. 2014. HARALICK, R. M.; SHANMUGAM, K.; DINSTEIN, I. Textural features for image classification. Institute of Electrical na Eletronics Engineers. IEEE Transactions on Systems, Man, and Cybernetics, vol. SMC-3, n. 6, p610-621, nov., 1973. HAWLITSCHEK, G.; ULSEN, C.; KAHN, H.; MASINI, E. A.; TOCCHINI, M. Análise de imagens dinâmica - caracterização da distribuição de tamanho e forma de partículas. Holos, v. 3, Ano 31, p. 22 – 29, mai. 2015. HORTA, E. G. Aplicação de máquinas de aprendizado extremo ao problema de aprendizado ativo. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Minas Gerais. Belo Horizonte, p. 100, 2015. IDAGAWA, L. S.: Diagnóstico de Problemas de Poços Direcionais. Dissertação (Mestrado em Engenharia de Petróleo) – Faculdade de Engenharia Mecânica, Universidade Estadual de Campinas. São Paulo, p. 201, 1990. (IMAGENET1 – Stanford). Banco de imagens ImageNet. Disponível em: http://imagenet.stanford.edu/about-overview Acesso em: 15/07/2020. (IMAGENET2 – Stanford). ImageNet Large Scale Visual Recognition Challenge. Disponível em: http://www.image-net.org/challenges/LSVRC/ Acesso em: 15/07/2020. JESUS, S. R. Análise de desempenho de detectores e descritores de características utilizando a plataforma computacional Raspberry PI. Trabalho de Conclusão de Curso (Graduação em Ciências Exatas e Tecnológicas) – Universidade Federal do Recôncavo da Bahia. Cruz das Almas – BA, p.61, 2019. JESUS, S. R.; ROCHA, W. C. J.; BITTENCOURT, J. C. N. Análise de desempenho de detectores e descritores de características utilizando a plataforma computacional Raspberry Pi. Anais da XIX Escola Regional de Computação – Bahia, Alagoas e Sergipe, p. 372-381, 2020. JIANG, M. Mathematical models in computer vision and image processing. Department of Information Sciense, School of Mathematics, Peking University. Ed.: Springer, p. 148, 2001. JURASZEK, G. F. Reconhecimento de produtos por imagem utilizando palavras visuais e redes neurais convolucionais. Dissertação (Mestrado em Computação Aplicada) – Universidade do Estado de Santa Catarina. Joinville – SC, p.155, 2014. KARIMI, M. Drill-Cuttings analysis for real-time problem diagnosis and drilling performance optimization. Weatherford, Society of Petroleum Engineers, SPE Asia Pacific Oil & Gas Conference, 165919, Jakarta, Indonesia, p. 22 – 24, oct. 2013. KHOJASTEH, P.; AHMADYFARD, A.; TOKHMECHI, B.; MIRMAHDAVI, S. A. Automatic detection of formations using images of oil well drilling cuttings. Journal of Petroleum Sciense and Engineering 125, Elsevier, p. 67 – 74, jan. 2015. KHORRAM, F.; MERMARIAN, H.; TOKHMECHI, B.; SOLTANIAN-ZADEH, H. Limestone chemical componentes estimation using image processing and pattern recognition techniques. Journal of Mining & Environment 2, v. 2, p. 126 – 135, dec. 2011. KISTNER, M.; JEMWA, G. T.; ALDRICH, C. Monitoring of mineral processing systems by using textural image analysis. Minerals Engineering, v. 52, Elsevier, p. 169 – 177, oct. 2013. KO Y.D.; SHANG, H. A neural network-based soft sensor for particle size distribuition using image analysis. Powder Technology, v. 212, Elsevier, p. 359 – 366, oct. 2011. LECUN, Y., BOTTOU, L., BENGIO, Y. & HAFFNER, P. Aprendizagem baseada em gradiente aplicada ao reconhecimento de documentos. Proc. IEEE 86, 2278-2324 (1998). LECUN, Y., BENGIO, Y. & HINTON, G. Deep Learning. Nature 521, 436-444 (2015). LIAO, C.-W.; YU, J.-H.; TARNG, Y.-S. On-line full scan inspection of particle size and shape using digital image processing. Particuology, v. 8, Elsevier, p. 286 – 292, jun. 2010. LIMA, R. P. S.; CARVALHO, C. S. S. Implantação de um sistema de visão computacional aplicada ao controle de qualidade de agulhas em uma indústria farmacêutica. Trabalho de Conclusão de Curso – Universidade Tecnológica Federal do Paraná. Curitiba - PR, p.51, 2014. MACEDO, S. O. Desenvolvimento de um sistema de auxílio ao disgnóstico de pneumonia na infância utilizando visão computacional. Dissertação (Mestrado em Ciências Exatas e da Terra - Ciências da Computação) - Universidade Federal de Goiás, Goiânia, p. 50, 2012. MALHEIROS, L. Detecção de posição e quedas corporais baseado em k-means clustering e threshold. Dissertação (Mestrado em Engenharia Elétrica) – Faculdade de Tecnologia da Universidade de Brasília. Brasília, p.77, 2017. MARANA, A. N.; CHIACHIA, G.; GUILHERME, I. R.; PAPA, J. P.; MIURA, K.; FERREIRA, M. V. D.; TORRES, F. An Intelligent System for Petroleum Well Drilling Cutting Analysis. Artificial Intelligence Systems, IEEE International Conference on Adaptative and Intelligent Systems, p. 37 – 42, aug. 2009. MARQUES, A. C. R. Contribuição à abordagem de problemas de classificação por redes convolucionais profundas. Tese (Doutorado em Engenharia Elétrica com Ênfase em Automação) – Faculdade de Engenharia Elétrica e de Computação da Universidade Estadual de Campinas. Campinas – SP, p.121, 2018. MARTINS, F. P. R. Calibração de padrões metrológicos utilizando visão computacional. Universidade de São Paulo. Tese. São Paulo, 1999. MARTINS, J. G. Identificação de espécies florestais utilizando seleção dinâmica de classificadores no espaço de dissimilaridade. Tese (Doutorado em Ciência da Computação) – Setor de Ciências Exatas da Universidade Federal do Paraná. Curitiba, p.160, 2014. MATHIAS, V. M. Coluna de perfuração em poços de petróleo. Monografia (Engenharia de Petróleo) – Universidade Federal do Rio Grande do Norte. Natal, p. 53, 2016. MATTA, E. N.; Caracterização das partículas de material sólido nas correntes de entrada e saída do fluido de perfuração de poços de petróleo fundamentada em processamento digital de imagens. Dissertação (Mestrado em Engenharia de Processos Químicos e Bioquímicos) – Escola de Engenharia Mauá do Centro Universitário do Instituto Mauá de Tecnologia, São Caetano do Sul, p.95, 2014. (MATTA et al., 2014)1 MATTA, E. N.; MARANHÃO, G. F. G.; ORTIZ, R. S. L.; ASSIS, W. O.; GEDRAITE, R.; COELHO, A. D.; KUNIGK, L. Caracterização de partículas em fluido utilizado na perfuração de poços de petróleo. Anais do XX Congresso Brasileiro de Automática, Belo Horizonte – MG, 2014. (MATTA et al., 2014)2 MATTA, E. N.; CIPELLI, C. A. P.; GOMES, M. M.; GUERREIRO, F. S.; GEDRAITE, R.; KUNIGK, L.; ASSIS, W. O. Contribuição ao estudo do comportamento de peneira vibratória tipicamente empregada em unidade de tratamento de fluido de perfuração. Anais do XX Congresso Brasileiro de Engenharia Química, Florianópolis – SC, 2014. MATTA, E. N.; GEDRAITE, R.; KUNIGK, L.; ASSIS, W. O. Utilização de sistema de visão computacional para monitoração de protótipo de peneira vibratória. VI Encontro Nacional de Hidráulica de Poços de Petróleo e Gás, Rio Quente – GO, 2015. MATTA, E. N.; ASSIS, W. O.; GOMES, M. M.; BARBOSA, V. P.; GEDRAITE, R.; ATAÍDE, C. H. Contribuição para o melhor aproveitamento de fluido de perfuração de poços de petróleo – uma abordagem utilizando processamento de imagem. Brazilian Journal of Development, v. 5, n. 4, p. 3645 – 3659, Curitiba – SC, 2019. MBP COPPE. História do Petróleo. Universidade Federal do Rio de Janeiro, Rio de Janeiro – RJ, fev. 2014. Disponível em: http://petroleo.coppe.ufrj.br/historia-do-petroleo/ Acesso em 24/09/2019. MILLER, N. A.; HENDERSON, J. J. Quantifying Sand Particle Shape Complexity using a Dynamic Imaging Technique. Agronomy Journal, v. 102, n. 5, p. 1407 – 1414, sep. 2010. MONTANARI, R. Detecção e classificação de objetos em imagens para rastreamento de veículos. Dissertação (Mestrado em Ciências da Computação e Matemática Computacional) – Instituto de Ciências Matemáticas e de Computação da USP (ICMC – USP). São Carlos – SP, p.81, 2015. NAJARIAN, K.; SPLINTER, R. Biomedical Signal and Image Processing. CRC Press – Taylor & Francis Group. Curso PISB 2017.2, p.92, 2006 NASCIMENTO, J. P. R. Análise e classificação de imagens baseadas em características de textura utilizando matrizes de co-ocorrência. Dissertação (Mestrado em Informática) – Setor de Ciências Exatas da Universidade Federal do Paraná. Curitiba – PR, p. 116, 2003. NOVAIS, J. P. Aplicação dos Algoritmos SIFT e SURF na classificação de sub-imagens por discriminação de textura. Trabalho de Conclusão de Curso ( Graduação em Ciência da Computação) – Centro Universitário Eurípides de Marília, Marília, p.105, 2016 OLIVEIRA, W. E. B.; PRADO, A. F.; FERNANDES, S. R.; FACEROLI, S. T. Classificação de padrões utilizando descritores de textura. XI Simpósio de Mecânica Computacional / II Encontro Mineiro de Modelagem Computacional. Juiz de Fora – MG, mai. 2014. OLIVEIRA, W. R. Sistema de Visão Computacional para reconhecimento de modelos CAD complexos. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Pernambuco. Recife – PE, p.45, 2018. OLIVEIRA FILHO, K. S. Fundamentos de Radiodiagnóstico por imagem. Instituto de Física da UFRGS, 1999. Conteúdo Digital: http://astro.if.ufrgs.br/med/imagens/node41.htm http://astro.if.ufrgs.br/med/imagens/node42.htm ORDOÑEZ, M.F.C. Efeito do empacotamento de partículas nas propriedades mecânicas e tribológicas de misturar de argila-rocha. Dissertação (Mestrado em Ciências e Engenharia de Materiais) – Universidade de Caxias do Sul. Caxias do Sul, p. 136, 2015. ORTIZ NETO, J. B. ; COSTA, A. J. D. A Petrobrás e a exploração de petróleo offshore no Brasil: um approach evolucionário. (2007) Revista Brasileira de Economia, v. 61, n. 1, p. 95 – 109, mar. 2007. PAGAMISSE, A.; Discriminação de Texturas pela transformada de wavelet. Tese (Doutorado em Matemática Aplicada) – Instituto de Matemática, Estatística e Computação Científica da Universidade Estadual de Campinas, Campinas, p. 122, 2004 PEREIRA, M. S. Aplicação de secagem por micro-ondas no tratamento de cascalho de perfuração. Tese (Doutorado em Engenharia Química) – Universidade Federal de Uberlândia. Minas Gerais, p. 176, 2013. PEREIRA, D. B. Análise e implementação de sistemas para detecção de placas brasileiras de sinalização de transito. Trabalho de Conclusão de Curso (Graduação em Engenharia da Computação) – Universidade Federal de Santa Catarina. Araranguá – SC, p. 95, 2018. PETRI JÚNIOR, I. Descontaminação de cascalhos de perfuração utilizando um secador micro-ondas semi-industrial em regime contínuo. Tese (Doutorado em Engenharia Química) – Universidade Federal de Uberlândia. Minas Gerais, p. 176, 2017. PRATI, R. C. Novas abordagens em aprendizado de máquina para a geração de regras, classes desbalanceadas e ordenação de casos. Tese (Doutorado em Ciências da Computação e Matemática Computacional) – Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo. São Paulo, p. 191, 2006. PUPIN, J.R. Introdução às Séries e Transformadas de Fourier e aplicações no processamento de sinais e imagens. Trabalho de Conclusão de Curso – Centro de Ciências Exatas e de Tecnologia da Universidade Federal de São Carlos. São Carlos – SP, p. 82, 2011. QUEIROZ, J.E.R.; GOMES, H.M.; Introdução ao Processamento Digital de Imagens. Revista RITA, vol. VIII, n.1. Departamento de Sistemas e Computação da Universidade Federal de Campina Grande. Campina Grande – PB, p.31, 2001. RABINSKI, G; THOMAS, D. Dynamic digital image analysis: emerging technology for particle characterization. Water Science and Technology, v. 50, n. 12, p. 19 – 26, dec. 2004. RIBEIRO, S.; BONETTI, C. Variabilidade morfométrica de sedimentos arenosos: revisão de métodos e uso do software ImageJ na diferenciação de ambientes deposicionais da ilha de Santa Catarina e região Continental. Porto Alegre, Gravel, v. 11, n. 1, p. 37 – 47, dez., 2013. RODENACKER, K; BENGTSSON, E.; A feature set for cytometry on digitized microscopic images. Analytical Cellular Pathologu, v. 25, p. 1 – 36, 2003. RONCERO, V. G. Um estudo de segmentação de imagens baseado em um método de computação evolucionária. Dissertação (Mestrado em Ciências em Engenharia Elétrica) – Universidade Federal do Rio de Janeiro, Rio de janeiro, p. 80, 2005. SALDANHA, M. F.; FREITAS, C. Segmentação de imagens digitais: Uma revisão. Divisão de Processamento de Imagens – Instituto Nacional de Pesquisas Espaciais (INPE), São José dos Campos, 2009. SANCHES, C.H; FONTOURA, P.J.; VIEIRA, P.F.; BATISTA, M.A.; Técnicas de Suavização de Imagens e Eliminação de Ruídos. EATI – Encontro Anual de Tecnologia da Informação, 2015, Rio Grande do Sul. p. 21-30. SANTIAGO, T. S. A.; BARBOSA, V. P.; GEDRAITE, R.; ATAÍDE, C. H. Análise de imagem aplicada ao processo de separação sólido – líquido em peneira vibratória no processo de perfuração de poços de petróleo. XII Congresso Brasileiro de Engenharia Química em Iniciação Científica, Universidade Federal de São Carlos. São Paulo, jul. 2017. SANSONE, E. C. Porosidade das Rochas. Notas de aula (Disciplina Mecânica de Fluidos Aplicada a Reservatórios) – Escola Politécnica da Universidade de São Paulo. São Paulo, p. 53, 2014. SCHWARTZ, W.R.; PEDRINI, H.; Método para classificação de imagens baseada em matrizes de co-ocorrência utilizando características de textura. Anais do III Colóquio Brasileiro de Ciências Geodésicas, 2003. SCURI, A.E.; Fundamentos da Imagem Digital. TECGRAF – PUC-Rio, 1999. Disponível em: https://dcce4f40-a-62cb3a1a-s-sites.googlegroups.com/site/gcamarac/bcc-326---processamento-de-imagens/apostila20imagem20digital.pdf. Acesso em 09/01/2019. SERAPIÃO, A. B. S.; MENDES, J. R. P.; MIURA, K. Sistema de visão computacional para detecção de cascalho de perfuração em poços de petróleo. Anais do 6º Congresso Brasileiro de Pesquisa e Desenvolvimento em Petróleo e Gás (PDPetro), Florianópolis – SC, 2011. SILVA, C.Y.V.W..; Extração de características de imagens médicas utilizando wavelets para mineração de imagens e auxílio ao diagnóstico. Dissertação (Mestrado em Ciências – Ciências de Computação e Matemática Computacional) – Instituto de Ciências Matemáticas e da Computação da Universidade de São Paulo, São Paulo, p. 123, 2007. SILVA, F. A.; PAIVA, M. S. V.; ARTERO, A. O.; PITERI, M. A. Evaluation of keypoint detectors and descriptors. IX Workshop de Visão Computacional, Rio de Janeiro - RJ. ISSN 2526-5997. Anais 2013. SILVA, J. J. Combinação de Classificadores Floresta de Caminhos Ótimos Aplicados no Reconhecimento Facial. Dissertação (Mestrado em Ciência da Computação) – Faculdade Campo Limpo Paulista, Campo Limpo Paulista, p. 101, 2016. SILVA, R. M. Análise de imagem aplicada em processo de peneiramento vibratório. Trabalho de Conclusão de Curso (Graduação em Engenharia Química) – Universidade Federal de Uberlândia, Uberlândia, p. 57, 2017. SILVA, J. M. P. L. Aplicação da transformada de wavelet packet e redes neurais artificiais para monitoramento de condição de motores de indução. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Pernambuco. Recife, PE, p. 150, ago 2017 SOUSA, M. C. F. Método para execução de redes neurais convolucionais em FPGA. Dissertação (Mestrado em Ciência Microeletrônica) – Escola Politécnica da Universidade de São Paulo (USP). São Paulo – SP, p. 115, 2019. SOUTO JUNIOR, C.A.; Avaliação de descritores de textura para segmentação não supervisionada de imagens. Dissertação (Mestrado em Engenharia Elétrica) – Faculdade de Engenharia Elétrica e de Computação da Universidade Estadual de Campinas, Campinas, p. 128, 2010. SOUZA, G. B.; MARANA, A. N. Reconhecimento de Pessoas em Imagens de Vídeo utilizando características biométricas leves. VI Workshop de Visão Computacional, Universidade Estadual Paulista (UNESP). P. 84 – 89, jul. 2004. SOUZA, V. C. O. Análise computacional de padrões estruturais não-lineares a partir de imagens digitais com estudos de caso em ciências ambientais e espaciais. Tese (Doutorado em Computação Aplicada) – Instituto Nacional de Pesquisas Espaciais (INPE). São José dos Campos – SP, p.191, 2017. SRIVIDHYA, S.; PRAKASH, S. Performance Evaluation of various features detection algorithms in VSLAM. Indian Journal of Research – PARIPEX, v.6, Issue:2 ISSN – 2250-1991. P. 386-388, Feb, 2017. STOLFI, G.; Vídeo Digital. Capítulo 3: Princípios de Televisão Digital – Escola Politécnica da Universidade de São Paulo – USP, 2008. Disponível em: http://www.lcs.poli.usp.br/~gstolfi/mack/Ap3_VideoDigital_M8.pdf . Acesso em: 26/01/2019 TAKEMURA, C.M.; DRUCKER, D.P.; Processamento de Imagens Digitais e Gestão da Informação. Embrapa Territorial, cap. 5, CNPTIA, p. 80 – 91, 2014. TAVARES, R. M. Interpretação e análise de dados de perfuração em poços de petróleo. Dissertação (Mestrado em Ciências e Engenharia de Petróleo) – Faculdade de Engenharia Mecânica e Instituto de Geociências, Universidade Estadual de Campinas. São Paulo, p.145, 2006. TIAN, K.; Li, J.; ZENG, J.; EVANS, A. ZHANG, L. Segmentation of tomato leaf images based on adaptive clustering number of k-means algorithm. Computers and Eletronics in Agriculture, v. 165, ago – 2019. TOROK, Leonardo. Método de Otsu. Instituto da Computação – Universidade Federal Fluminense, Niterói – RJ. 2015. VALE, G.M.; POZ, A. P. D. Processo de detecção de bordas de Canny. Boletim de Ciências Geodésias, sec. – UNESP. Artigos, Curitiba, v.8, nº2, p.67-78, 2002. VERMA, S.B.; CHANDRAN, S. Comparative study of FAST, MSER, and Harris for palmprint verification system. International Journal of Scientific & Engineering Research, v. 7, n. 12, dec – 2016. VICTORIANO, E.R.S.; SANTOS, D.O.; MACIEL, R.; Reconhecimento de Imagens através da visão de máquina. AEDB – Associação Educacional Dom Bosco, 2015. YAGHOOBI, H.; MANSOURI, H.; FARSANGI, M. A. E.; NEZAMABADI-POUR, H. Determining the fragmented rock size distribuition using textural feature extraction of images. Powder Technology, v. 342, p. 630 – 641, jan. 2019. YANG, J.; CHEN, S. An online detection system for aggregate sizes and shapes based on digital image processing. Mineralogy an Petrology, v. 111, p. 135 – 144, feb. 2017. YU, W.; HANCOCK, B. C. Evaluation of dynamic image analysis for characterizing pharmaceutical excipient particles. International Journal of Pharmaceutics, v. 361, p. 150 – 157, sep. 2008. ZACARKIM, V. L. Avaliação de detector de pontos de interesse IGFTT em visual SLAM. Dissertação (Mestrado em Informática) – Setor de Ciências Exatas da Universidade Federal do Paraná. Curitiba – SC, p.137, 2017. | por |
dc.subject.cnpq | Engenharia Química | por |
dc.thumbnail.url | https://tede.ufrrj.br/retrieve/71000/2020%20-%20Caroline%20Dias%20Grossi.pdf.jpg | * |
dc.originais.uri | https://tede.ufrrj.br/jspui/handle/jspui/6054 | |
dc.originais.provenance | Submitted by Jorge Silva (jorgelmsilva@ufrrj.br) on 2022-10-11T16:29:18Z No. of bitstreams: 1 2020 - Caroline Dias Grossi.pdf: 5695067 bytes, checksum: 645917d6a7522c57ee73ac19307ca59c (MD5) | eng |
dc.originais.provenance | Made available in DSpace on 2022-10-11T16:29:19Z (GMT). No. of bitstreams: 1 2020 - Caroline Dias Grossi.pdf: 5695067 bytes, checksum: 645917d6a7522c57ee73ac19307ca59c (MD5) Previous issue date: 2020-12-18 | eng |
Appears in Collections: | Mestrado em Engenharia Química |
Se for cadastrado no RIMA, poderá receber informações por email.
Se ainda não tem uma conta, cadastre-se aqui!
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
2020 - Caroline Dias Grossi.pdf | 5.56 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.