Year: 2025
Type: conference-paper
Abstract: A descrição e interpretação de amostras de calha durante a perfuração de poços de petróleo é um processo fundamental realizado por equipes de geólogos e oferece informações essenciais sobre as características geológicas que trazem consigo informações relevantes acerca dos reservatórios de hidrocarbonetos.Essas amostras revelam dados preciosos que influenciam as decisões operacionais e estratégicas ao longo de todo o ciclo de exploração e produção.No entanto, existem uma série de dificuldades com relação a este procedimento realizado em campo, como a rapidez necessária para descrição e interpretação das amostras, frente a taxa de perfuração dos poços, o que, em algumas situações pode levar a algumas inconformidades e incertezas inerentes às interpretações geológicas das amostras de calha.Neste contexto, a aplicação de tecnologias inteligentes, como inteligência artificial (IA) e visão computacional apresentam um elevado potencial como ferramentas de suporte e automação em processos que majoritariamente dependem de interpretações manuais feitas por profissionais em campo, como é o caso da descrição e interpretação de amostras de calha.Neste contexto, o presente trabalho tem como objetivo testar uma tecnologia de visão computacional moderna, o modelo YOLO8, para segmentação de imagens de amostras de calha, avaliando a capacidade que este modelo possui de segmentar fragmentos de cascalhos em imagens reais capturadas por uma lupa binocular.O trabalho iniciou com uma pesquisa exploratória para entender o processo de descrição de amostras de calha feitas por geólogos e sobre a aplicação e funcionamento do modelo YOLOv8, estudando a possibilidade da aplicação de técnicas de visão computacional nesse processo.Em seguida, foi realizado um estudo de caso e testes práticos foram efetuados utilizando amostras de calha preparadas por uma equipe de geólogos experientes, simulando assim operações reais e comparando os resultados obtidos por esta tecnologia com as interpretações visuais feitas por esses geólogos.Os resultados preliminares deste trabalho mostram uma otimização do tempo de análise e resultados promissores quanto a identificação e quantificação das litologias presentes nasnas amostras de calha, tendo em vista a elevada capacidade de segmentação que este tipo de tecnologia apresenta.Dessa forma, a utilização desse tipo de modelo de visão computacional demonstra o alto potencial de integração da IA como ferramenta de suporte para profissionais atuantes nas campanhas de perfuração de poços de petróleo e gás.
Authors: GUILHERME DA SILVA FROTA, LUIZ HENRIQUE LIRA DE OLIVEIRA, GILVANDRO CSAR SANTOS DE MEDEIROS, LUCAS SILVA PEREIRA STIRO, LEONARDO CARVALHO DE MONTALVO, ESTEFANE OLIVEIRA DO NASCIMENTO, LCIA VIEIRA FERNANDES, JOAB GONALVES DOS SANTOS, ROSINEY ARAUJO MARTINS
Language: Spanish
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: bronze
OpenAlex ID: W4406901552