1 |
[en] A FRAMEWORK FOR AUTOMATED VISUAL INSPECTION OF UNDERWATER PIPELINES / [pt] UM FRAMEWORK PARA INSPEÇÃO VISUAL AUTOMATIZADA DE DUTOS SUBAQUÁTICOSEVELYN CONCEICAO SANTOS BATISTA 30 January 2024 (has links)
[pt] Em ambientes aquáticos, o uso tradicional de mergulhadores ou veiculos
subaquáticos tripulados foi substituído por veículos subaquáticos não tripulados (como ROVs ou AUVs). Com vantagens em termos de redução de riscos
de segurança, como exposição à pressão, temperatura ou falta de ar. Além
disso, conseguem acessar áreas de extrema profundidade que até então não
eram possiveis para o ser humano.
Esses veiculos não tripulados são amplamente utilizados para inspeções
como as necessárias para o descomissionamento de plataformas de petróleo
Neste tipo de fiscalização é necessário analisar as condições do solo, da tu-
bulação e, principalmente, se foi criado um ecossistema próximo à tubulação.
Grande parte dos trabalhos realizados para a automação desses veículos utilizam diferentes tipos de sensores e GPS para realizar a percepção do ambiente.
Devido à complexidade do ambiente de navegação, diferentes algoritmos de
controle e automação têm sido testados nesta área, O interesse deste trabalho
é fazer com que o autômato tome decisões através da análise de eventos visuais.
Este método de pesquisa traz a vantagem de redução de custos para o projeto,
visto que as câmeras possuem um preço inferior em relação aos sensores ou
dispositivos GPS.
A tarefa de inspeção autônoma tem vários desafios: detectar os eventos,
processar as imagens e tomar a decisão de alterar a rota em tempo real. É
uma tarefa altamente complexa e precisa de vários algoritmos trabalhando
juntos para ter um bom desempenho. A inteligência artificial apresenta diversos
algoritmos para automatizar, como os baseados em aprendizagem por reforço
entre outros na área de detecção e classificação de imagens
Esta tese de doutorado consiste em um estudo para criação de um sistema
avançado de inspeção autônoma. Este sistema é capaz de realizar inspeções
apenas analisando imagens da câmera AUV, usando aprendizagem de reforço profundo profundo para otimizar o planejamento do ponto de vista e técnicas de detecção de novidades. Contudo, este quadro pode ser adaptado a muitas outras tarefas de inspecção.
Neste estudo foram utilizados ambientes realistas complexos, nos quais o
agente tem o desafio de chegar da melhor forma possível ao objeto de interesse
para que possa classificar o objeto. Vale ressaltar, entretanto, que os ambientes
de simulação utilizados neste contexto apresentam certo grau de simplicidade
carecendo de recursos como correntes marítimas on dinâmica de colisão em
seus cenários simulados
Ao final deste projeto, o Visual Inspection of Pipelines (VIP) framework
foi desenvolvido e testado, apresentando excelentes resultados e ilustrando
a viabilidade de redução do tempo de inspeção através da otimização do
planejamento do ponto de vista. Esse tipo de abordagem, além de agregar
conhecimento ao robô autônomo, faz com que as inspeções subaquáticas exijam
pouca presença de ser humano (human-in-the-loop), justificando o uso das
técnicas empregadas. / [en] In aquatic environments, the traditional use of divers or manned underwater
vehicles has been replaced by unmanned underwater vehicles (such as
ROVs or AUVs). With advantages in terms of reducing safety risks, such as
exposure to pressure, temperature or shortness of breath. In addition, they are
able to access areas of extreme depth that were not possible for humans until
then.
These unmanned vehicles are widely used for inspections, such as those
required for the decommissioning of oil platforms. In this type of inspection, it
is necessary to analyze the conditions of the soil, the pipeline and, especially,
if an ecosystem was created close to the pipeline. Most of the works carried
out for the automation of these vehicles use different types of sensors and
GPS to perform the perception of the environment. Due to the complexity of
the navigation environment, different control and automation algorithms have
been tested in this area. The interest of this work is to make the automaton
take decisions through the analysis of visual events. This research method provides the advantage of cost reduction for the project, given that cameras have a lower price compared to sensors or GPS devices.
The autonomous inspection task has several challenges: detecting the
events, processing the images and making the decision to change the route in
real time. It is a highly complex task and needs multiple algorithms working
together to perform well. Artificial intelligence presents many algorithms to
automate, such as those based on reinforcement learning, among others in the
area of image detection and classification.
This doctoral thesis consists of a study to create an advanced autonomous
inspection system. This system is capable of performing inspections only by
analyzing images from the AUV camera, using deep reinforcement learning,
and novelty detection techniques. However, this framework can be adapted to
many other inspection tasks.
In this study, complex realistic environments were used, in which the
agent has the challenge of reaching the object of interest in the best possible
way so that it can classify the object.
It is noteworthy, however, that the simulation environments utilized in this context exhibit a certain degree of
simplicity, lacking features like marine currents or collision dynamics in their
simulated scenarios.
At the conclusion of this project, a Visual Inspection of Pipelines (VIP)
framework was developed and tested, showcasing excellent results and illustrating the feasibility of reducing inspection time through the optimization of
viewpoint planning. This type of approach, in addition to adding knowledge to
the autonomous robot, means that underwater inspections require little pres-
ence of a human being (human-in-the-loop), justifying the use of the techniques
employed.
|
Page generated in 0.0235 seconds