Desenvolvimento de um software de visão computacional para estudo do escoamento de cascalhos em peneira vibratória

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.