Tese - Luciane Baldassari Soares

,

Um sistema de visão passiva para inspeção de interiores de cascos de navios

Autor: Luciane Baldassari Soares (Currículo Lattes)

Resumo

O processo de inspeção de corrosão em tanques de navios usados pela indústria do petróleo para a produção, armazenamento e descarte de petróleo, conhecido como Floating Production Storage and Offloading (FPSO), é predominantemente manual. Isso requer um longo tempo de paralisação da produção e é um trabalho insalubre para os inspetores. A corrosão do tipo pitting pode ocorrer em estruturas metálicas, especialmente em superfícies de aço, nas normas da IACS é um dos tipos de danos que são considerados ao avaliar a integridade estrutural de navios e outras estruturas marítimas. Na literatura, alguns trabalhos propuseram métodos para segmentação da corrosão, no entanto, nenhum deles classifica o nível de corrosão de acordo com o padrão da IACS e também não tratam das adversidades encontradas em imagens de tanques de FPSOs que já foram inspecionadas, como marcações de tintas realizadas nas paredes dos tanques durante as inspeções manuais. Os inspetores fazem anotações usando tinta, geralmente nas cores branca e amarela, diretamente nas paredes do tanque, o que dificulta a automação do processo de inspeção, pois prejudica a segmentação e identificação de possíveis defeitos na parede do tanque usando técnicas como modelos de deep learning. Para isso, foi desenvolvido um dataset sintético com as características apresentadas nas imagens reais e as adversidades do meio que se encontram, auxiliando no aprendizado das redes neurais de segmentação. Visto isso, este trabalho propõe um sistema de inspeção para interiores de cascos de navios, constituído pelos seguintes módulos: Módulo de Segmentação de Corrosão do tipo Pitting, onde são implementados modelos de redes neurais para segmentação de pittings e o Módulo de Classificação de pittings conforme a norma IACS, que apresenta um algoritmo para quantificação de corrosão de acordo com a norma. Automatizar essa etapa de análise trará benefícios significativos para a gestão da integridade dessas embarcações, reduzindo despesas, tempo de inatividade e, o mais importante, o tempo de exposição dos funcionários a riscos associados às atividades de inspeção.

TEXTO COMPLETO

Palavras-chave: Geometria e modelagem computacionalAprendizagem profundaInspeçãoCorrosãoTanquesNaviosCasco de embarcaçõesSegmentaçãoDeep learningCorrosão pittingDataset