[pt] Alguns dos problemas mais comuns relatados durante a perfuração de poços petrolíferos, como a instabilidade, a perda de circulação e o colapso das paredes, podem ser evitados com o acesso em tempo real, dentre outros, à resistência à com-pressão não confinada das rochas. Os métodos mais usuais de estimativa da resis-tência não confinada apresentam três principais restrições quanto à aplicação em tempo real: i) a perfilagem em tempo real pode não ocorrer ao longo de toda a tra-jetória do poço e é mais costumeira em profundidades próximas ao reservatório; ii) a obtenção de amostras provenientes do poço para ensaios de laboratório é prática custosa e pouco usual e; iii) as informações relativas à geometria da broca são res-tritas aos fabricantes. Nesse contexto, esta dissertação tem como foco a adaptação de um método de estimativa da resistência não confinada para tornar possível a aplicação em tempo real, partindo da hipótese de que a perfuração é fundamental-mente controlada pela interação entre a broca e a formação rochosa e que a resis-tência à compressão confinada está relacionada a uma parcela da energia mecânica específica. A metodologia desenvolvida foi aplicada em um poço, testada em outros nove poços e será implementada no programa de estabilidade SEST TR 2.0. Sa-bendo que a resistência não confinada é função da coesão e do ângulo de atrito, a coesão da formação rochosa também foi calculada. Este estudo conclui que é pos-sível estimar ambas as propriedades mecânicas em tempo real dispondo apenas dos parâmetros operacionais de perfuração. / [en] Some of the most common problems reported during well drilling, such as instability, loss of circulation and wellbore collapse can be avoided with real-time access, among others, to the unconfined compressive strength of rocks. The most usual methods for estimating unconfined compressive strength have three main re-strictions regarding their real time application: i) real-time logging may not occur along the entire trajectory of the well and is more common at depths close to the reservoir; ii) obtaining samples from the well for laboratory tests is costly and un-usual practice and; iii) information regarding drill bit geometry is restricted to man-ufacturers. In this context, this research focuses on the adaptation of an unconfined compressive strength estimation method to make real-time application possible, based on the hypothesis that drilling is fundamentally controlled by the interaction between the drill bit and rock formation and that the confined compressive strength is related to a portion of the mechanical specific energy. The developed methodol-ogy was applied in one well, tested in nine other wells and will be implemented in the SEST TR 2.0 stability program. Knowing that unconfined compressive strength is a function of cohesion and friction angle, the cohesion of the rock for-mation was also calculated. This study concludes that it is possible to estimate both mechanical properties in real time using only drilling data.

[pt] Esta dissertação estuda métodos e algoritmos para critérios de seleções dos retângulos envolventes focando em arquiteturas de detecção de objetos baseada redes neurais convolucionais para tempo real, que processam mais de 30fps, que também possibilitam a expansão para outras arquiteturas. O objetivo desta dissertação é melhorar as métricas Recall e Precision, proporcionando mais assertividade nos resultados destas arquiteturas sem a necessidade de recriá-las ou retreiná-las, diminuindo, assim, os recursos para manutenções. As arquiteturas que trabalham em tempo real normalmente não apresentam melhores resultados, pois são desenvolvidas visando a redução do tempo de execução. Para resolver estes problemas, serão testados outros métodos de critérios de seleção de retângulos envolventes em estado da arte, são eles: Nonmaximum Suppression (NMS), Soft-NMS, Non-Maximum Weighted (NMW) e Weighted Boxes Fusion (WBF). Os resultados obtidos foram comparados aos originais das arquiteturas, utilizando as métricas mAP, Recall e Precision. Através desta comparação foi possível comprovar que os novos critérios apresentaram bons resultados. O tempo de execução dos novos critérios também foi analisado com execuções de imagens em lotes, contornando alguns overheads dos critérios mais pesados. As arquiteturas utilizadas como base nos experimentos foram baseadas nos sistemas YOLOv3-Tiny e YOLOv4-Tiny, utilizando o dataset QMUL-OpenLogo público e especializado em logotipos e baseado em fotos reais. / [en] This dissertation studies methods and algorithms for bounding box selection criteria focusing on object detection architectures based on convolutional neural networks for real-time, processing over 30fps, which also allow expansion to other architectures. The goal of this study is to improve the Recall and Precision metrics, providing more assertiveness in the results of these architectures without the need to recreate or retrain them, thus reducing the resources for maintenance. Architectures that work in real-time usually do not present good results, because they are developed aiming to reduce execution time. To solve these problems, other state-of-the-art bounding box selection criteria methods will be tested: Non-maximum Suppression (NMS), Soft-NMS, Non-Maximum Weighted (NMW) and Weighted Boxes Fusion (WBF). The results obtained were compared to the original architectures, using the mAP, Recall and Precision metrics. Through this comparison it was possible to prove that the new criteria presented satisfactory results. The execution time of the new criteria was also analyzed with batch image executions, bypassing some overheads of the heavier criteria. The architectures used as basis for the experiments were based on the YOLOv3-Tiny and YOLOv4-Tiny systems, using the public dataset QMUL-OpenLogo specialized in logos and based on real photos.