Year: 2024
Type: conference-paper
Abstract: ResumoAmostras de calhas representam fragmentos de rocha produzidos durante a perfuração de poço de petróleo.A variação em tamanho e formato desses fragmentos pode indicar problemas de estabilidade das paredes do poço, decorrentes de fatores geológicos ou de engenharia de poços, quando ocorre um tamanho excessivamente grande, denominado cavings.Neste cenário, este estudo visa caracterizar cavings por meio da análise de imagens de amostras de calha pertencentes ao acervo litológico da empresa Geowellex Drilling and Geology Automation (com sede em Macaíba/RN), utilizando Inteligência Artificial (IA).A metodologia adotada envolveu a aplicação de um modelo de segmentação de imagens, conhecido como Segment Anything Model (SAM), em uma fotografia de amostras de calha abrangendo diferentes tipos de rochas, com a presença de cavings.Após feita essa segmentação foi possível a atribuição de classes para cada um dos grãos de caving na amostra de calha.Com isso, podese aplicar o modelo de visão computacional YOLOv8 para detecção automática desses tipos.Os cavings presentes na amostra de calha são de folhelhos, margas e calcários, e possuem tamanhos variando de 1,0 cm até 4,0 cm (com média em torno dos 2,0 cm), bem como diferentes formatos, desde arredondados, até mais alongados e achatados, por vezes pontiagudos.Os resultados preliminares demonstram a viabilidade dos modelos SAM e YOLOv8 como ferramentas complementares na identificação e caracterização de cavings de forma mais ágil, contribuindo para aprimorar a segurança no processo de perfuração de poços de petróleo e gás.
Authors: JOAB G. DOS SANTOS, LUIZ H. L. DE OLIVEIRA, GILVANDRO C. S. DE MEDEIROS, LUCAS S. P. SÁTIRO, LUIZ H. L. OLIVEIRA, LEONARDO C. DE MONTALVÃO, ESTEFANE O. DO NASCIMENTO, GUILHERME S. FROTA, LÍCIA V. FERNANDES, ROSINEY A. MARTINS
Institution: Instituto Federal do Rio Grande do Norte
Language: Portuguese
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: bronze
OpenAlex ID: W4406901241