IBP1563_12 Sistema de Processamento de Imagem para GPR Baseado em Mapas Auto-organizveis para Inspeo No Invasiva de Tubulaes Enterradas Hansenclever

de F. Bassani1, Daniel de F. Gomes2, Aluizio F.R. Arajo3

Copyright 2012, Instituto Brasileiro de Petrleo, Gs e Biocombustveis - IBP Este Trabalho Tcnico foi preparado para apresentao na Rio Oil & Gas Expo and Conference 2012, realizado no perodo de 17 a 20 de setembro de 2012, no Rio de Janeiro. Este Trabalho Tcnico foi selecionado para apresentao pelo Comit Tcnico do evento, seguindo as informaes contidas no trabalho completo submetido pelo(s) autor(es). Os organizadores no iro traduzir ou corrigir os textos recebidos. O material conforme, apresentado, no necessariamente reflete as opinies do Instituto Brasileiro de Petrleo, Gs e Biocombustveis, Scios e Representantes. de conhecimento e aprovao do(s) autor(es) que este Trabalho Tcnico seja publicado nos Anais da Rio Oil & Gas Expo and Conference 2012.

Resumo
O Brasil possui uma extensa malha com mais de 20 mil km de dutos transportando petrleo e seus derivados pelas mais variadas reas. Estes esto constantemente expostos corroso e, mesmo utilizando sistemas de proteo contra corroso, necessitam de inspees constantes com a finalidade de identificar com antecedncia trechos que necessitem de manuteno. Desta extensa malha grande parte de dutos enterrados onde os custos de uma inspeo invasiva, desenterrando os dutos para inspeo, so extremamente altos e os riscos de no detectar um possvel defeito a tempo de evitar uma falha tambm so extremamente altos. Deste modo, a inspeo de dutos subterrneos consiste em primeiro tentar identificar com a maior preciso possvel situaes de risco atravs de inspees no invasivas para, posteriormente, desenterrar os dutos somente em locais associados a um alto risco de falha. Assim, a etapa de inspeo no invasiva desempenha um papel fundamental no processo de indicao de riscos de falhas em dutos de petrleo. Quanto mais preciso e confivel este processo for menor sero os custos associados manuteno e aos riscos ambientais. Existem vrios mtodos de monitoramento de dutos enterrados entre os mais modernos esta o uso de radares solo penetrantes (GPR). Entretanto, mesmo sendo um dos mtodos mais moderno para esse tipo de inspeo os dados produzidos por este tipo de equipamento so de difcil interpretao visual, necessitando de um especialista experiente para realizar a interpretao dos dados. Neste trabalho apresentado um novo mtodo de processamento de dados de GPR utilizando redes neurais que permitir produzir composies de imagens de uma vista superior dos dutos enterrados a partir de dados de GPR. As imagens produzidas permitem uma melhor visualizao do estado de conservao dos dutos permitindo anlises mais eficazes que s realizadas diretamente com os dados de GPR.

Abstract
Brazil has an extensive network of over 20,000 km of pipelines carrying oil and its derivatives for various areas. These are constantly exposed to corrosion and, using the same corrosion protection systems, require constant inspections in order to identify in advance which parts need maintenance. This is most extensive network of buried pipes where the costs of an invasive inspection, digging up the pipes for inspection, are extremely high and the risk of not detecting a possible defect in time to avoid a failure are also extremely high. Thus, the inspection of underground pipelines is to first try to identify as accurately as possible risk situations through non-invasive inspections to later dig up the pipeline only in locations associated with a high risk of failure. Thus, the stage of non-invasive inspection plays a key role in the nomination process risk of failures in oil pipelines. The more accurate and reliable is this process will lower the costs associated with maintenance and environmental risks. Several methods for monitoring of buried pipelines among the most modern is the use of ground penetrating radar (GPR). However, despite being one of the most modern methods for this type of inspection data generated by this type of equipment are difficult to interpret visually, requiring an experienced specialist to perform the interpretation of the data. This paper presents a new method of data processing GPR using neural networks to allow compositions to produce a top view images of buried pipes from GPR data. The images produced allow a better view of the conservation status of the pipeline analysis allowing more effective than those made directly with the GPR data.

______________________________ 1 Mestre, Cientista da Computao UFPE 2 Mestre, Engenheiro Eletricista IFPE-Ipojuca 3 PHD, Engenheiro Eletricista UFPE

Rio Oil & Gas Expo and Conference 2012

1. Introduo
O Brasil apresenta uma extensa malha de dutos de petrleo e seus derivados, sendo uma grande parte enterrada, exposta constantemente a condies climticas adversas e a ataques de agentes corrosivos (GENTIL, 2011). Existem diversos fatores que determinam a vida til de um duto, como: tipo de ao utilizado, espessura das paredes, tipos de mantas protetoras, protees catdicas, acidez do solo, etc. Devido quantidade e a variabilidade destes fatores a previso do estado de conservao de um duto pode apresentar variaes significativas. Assim, o procedimento de inspeo peridica in loco de dutos se torna um componente obrigatrio para uma boa poltica de segurana e gesto de riscos. Entretanto, por mais necessria que seja inspecionar quilmetros de dutos subterrneos a utilizao de tcnicas invasivas so impraticveis em grandes extenses, como desenterrar os dutos ou cortar sees transversais para realizar testes. Deste modo, a inspeo de dutos subterrneos consiste em primeiro tentar identificar com a maior preciso possvel situaes de risco atravs de inspees no invasivas para, posteriormente, desenterrar os dutos somente em locais associados a um alto risco de falha. Assim, a etapa de inspeo no invasiva desempenha um papel fundamental no processo de indicao de riscos de falhas em dutos de petrleo. Quanto mais preciso e confivel este processo for menor sero os custos associados manuteno e aos riscos ambientais. Existem vrios mtodos de monitoramento de dutos enterrados entre os mais modernos esta o uso de radares solo penetrantes ou GPR (da sigla em ingls Ground Penetrating Radars), que so equipamentos semelhantes aos radares utilizados por aeronaves, mas apropriados para realizar investigaes no subsolo. Os GPRs fazem uso das propriedades eletromagnticas das camadas do solo ou de objetos enterrados no mesmo, para tornar possvel a inspeo no invasiva do subsolo. Estes equipamentos so constitudos de um dispositivo para exibio dos dados coletados, como um monitor; de um software, para anlise dos dados e controle do equipamento; de uma unidade de processamento digital que armazena e executa o software que processa os dados; e de duas antenas, uma para emisso de ondas eletromagnticas, antenas transmissoras, e outra, para recepo das ondas refletidas pelo subsolo, antenas receptoras. As antenas so transdutores que convertem corrente eltrica em ondas eletromagnticas. Uma aquisio com o GPR realizada deslocando-se a estrutura de antenas sob o solo, medida que os pulsos so emitidos e a intensidade das ondas refletidas registrada durante um intervalo de tempo aps cada emisso, o qual proporcional profundidade desejada da inspeo (Figura 1).

Figura 1. Funcionamento das antenas de um GPR. Cada aquisio destas produz um perfil do solo em forma de uma imagem na qual cada ponto (x, z) tem sua coordenada x associada a uma posio do solo ao longo do trajeto realizado pelo equipamento e sua coordenada z associada profundidade do registro.

Rio Oil & Gas Expo and Conference 2012

Figura 2. Perfil de uma regio com trs tubos subterrneos. Softwares tradicionais de aquisio exibem os perfis gerados durante a aquisio os quais devem ser analisados por pessoal capacitado a interpret-las a fim de identificar os objetos contidos no solo, pois as imagens produzidas no apresentam semelhanas geomtricas com os objetos analisados. Softwares de referenciamento permitem que analistas treinados indiquem manualmente a presena de objetos em diversos perfis, fazendo ento uma espcie de mapeamento do que est contido na regio de interesse. Neste trabalho apresentado um novo mtodo de visualizao dos dados de perfis do GPR que realiza a composio de uma vista superior da regio inspecionada utilizando Mapas Auto-organizveis (Self-Organizing Maps, SOM) (KOHONEN, 1997). Um SOM um tipo de rede neural artificial, constituda por uma nica camada de neurnios ou nodos (a representao de um mapa auto-organizvel pode ser observada na Figura 3). Este tipo de rede neural possui certas caractersticas que so interessantes para o aprendizado e representao de imagens. Dentre estas, podem ser destacadas a capacidade de autoaprendizagem e a aptido de reter apenas as caractersticas principais de um conjunto de dados. Ou seja, redes SOM podem ser utilizadas como filtros capazes de reter informaes relevantes para a representao de uma determinada massa de dados e descartar rudos e informaes de baixa relevncia de modo semelhante a uma anlise PCA clssica (Duda et al., 2000). As redes SOM so utilizadas com filtros e como parte de um mtodo que tem como principal objetivo facilitar a interpretao dos dados de GPR e auxiliar no procedimento de identificao de pontos crticos em uma tubulao enterrada

Figura 3. xj um padro de entrada apresentado para toda a rede e wi o peso do i-simo nodo.

Rio Oil & Gas Expo and Conference 2012

2. Metodologia
O procedimento proposto composto pelas etapas de 1-Aquisio, 2-Pr-Processamento, 3-Processamento e 4Composio (Figura 4).

Figura 4. Fluxograma apresentando as etapas de tratamento dos dados de GPR. 2.1. Aquisio Durante o procedimento de aquisio dos perfis de GPR necessrio que seja registrada tambm a posio do solo onde aquisio est sendo realizada em relao s demais, de forma que seja possvel associar a posio de cada coluna vertical de pixels com uma posio (x, y) sobre o solo. No necessrio que as aquisies sejam igualmente espaadas, porm as regies de maior densidade de dados sero representadas com mais detalhes na composio final. 2.2. Pr-Processamento de Imagens O pr-processamento de imagens tem como funo a reduo das distores oriundas do processo de aquisio das imagens e o realce das caractersticas de interesse. Os mecanismos de pr-processamento adequados para dados de GPR (DANIELS, 2004) e utilizados neste trabalho esto sumarizados a seguir: Remoo do deslocamento inicial: quando o sinal emitido pelas antenas do GPR atinge o solo, um primeiro eco de forte amplitude inserido na imagem. A posio deste artefato constante ao longo do eixo x de forma que o mesmo pode ser identificado e as linhas anteriores a este ponto so ento removidas da imagem, pois no se encontram abaixo da linha do solo. Reduo do Rudo (Noise Reduction): A reduo de rudo tambm uma tcnica simples que produz bons resultados. Ela feita calculando-se a mdia (averaging) de cada amostra A-scan ou a mdia de repetidas amostras. Em termos gerais, esta tcnica diminui a varincia do rudo e eleva a relao sinal rudo a uma taxa de 10log10N. Reduo da Desordem ou Perturbao ou Remoo da Mdia (Clutter Reduction): A reduo da desordem ou perturbao provocada pelo meio pode ser obtida subtraindo-se de cada coluna da imagem de um valor mdio obtido de um conjunto de colunas vizinhas ou obtidos em uma rea de interesse. Este mtodo funciona bem quando que o nmero de alvos limitado e estes esto bem separados fisicamente. Em situaes onde h uma interface ou anomalia plana a qual seja o alvo de interesse, este mtodo ir remover praticamente toda a variao de sinal (wavelet) produzida por essa anomalia. Ganho Varivel no Tempo (Time Varying Gain): O sinal recebido apresenta uma amplitude reduzida se comparado com o sinal transmitido. Isso ocorre devido atenuao causada pelo meio de propagao e pela perda de potncia 4

Rio Oil & Gas Expo and Conference 2012 intrnseca aos processos de refrao e reflexo sofridos pelos sinais. A equao a seguir apresenta uma forma de reparar a atenuao: A'n (t ) An (t )kn , onde, k a funo ponderada do nmero da amostra. Filtragem por Freqncia (Frequency Filtering): A aplicao de um filtro passa-alta til para elevar a relao sinal desordem ou perturbao (signal-clutter ratio), quando a desordem provocada por interferncias de baixa freqncia geradas pela interao da antena com o solo. Rudos de alta freqncia tambm podem ser reduzidos com filtros passabaixa. Esses tipos de filtros esto disponveis nos GPRs comerciais e podem ser ajustados pelo operador. A Figura 5 exibe um exemplo de dado bruto de GPR o resultado obtido aps a aplicao das rotinas de prprocessamento descritas.

a) b) Figura 5. a) imagem bruta de GPR. b) resultado obtido aps aplicao das rotinas de pr-processamento descritas.

2.3. Processamento de Imagens Esta etapa busca identificar regies da imagem do perfil que possam caracterizar a presena de objetos no solo. As variaes de tonalidade bruscas na imagem do perfil, objetos de interesse em nosso estudo, podem ser facilmente destacadas com um operador de gradiente do tipo Sobel (GONZALES e WOODS, 2000), este operador cria uma nova imagem na qual os pixels mais claros indicam as regies de maior variao de tonalidade na imagem original, resultando na imagem exibida a seguir (Figura 6). Na parte inferior da imagem foi inserido um grfico criado a partir da soma dos valores encontrados em cada coluna da imagem gradiente (ao longo do eixo z) do perfil. Alm da soma, outros operadores podem ser utilizados como o mximo ou a mdia. Este procedimento pode levar em considerao a totalidade dos pixels de cada coluna, porm em regies onde existem dutos enterrados em diferentes profundidades pode-se selecionar uma faixa de profundidade de interesse e realizar o procedimento descrito apenas nesta faixa para identificar apenas os objetos ali contidos. Observa-se que com esta estratgia o grfico apresenta valores mais elevados nas colunas onde os objetos haviam sido detectados na imagem original por intermdio das parbolas. Desta forma as regies ao longo do eixo x que possuem maior probabilidade de se encontrar um objeto ficam evidenciadas por picos no grfico resultante. Este conjunto unidimensional de valores ento fornecido para etapa seguinte que ir compor as imagens de GPR.

Rio Oil & Gas Expo and Conference 2012

Figura 6. direita: imagem resultante da aplicao do operador Sobel sobre a imagem do perfil mostrado esquerda. Em baixo: grfico gerado a partir da soma dos valores dos pixels em cada coluna da imagem acima. 2.4. Composio Padro da Vista Superior Inicialmente foi implementada uma composio imagens padro. Esta composio recebe vetores de dados e os compe linha linha para formar a Imagem. A vantagem deste tipo de composio o seu alto desempenho, no entanto, ele no corrige possveis distores de posio ou intensidade presentes nos dados recebidos.

Rio Oil & Gas Expo and Conference 2012

Figura 7. Resultado da composio padro realizada com uma sequncia de imagens criada a partir das imagens exibidas na, aps a realizao do ajuste descrito na Sesso. As regies em preto esquerda indicam ausncia de dados nestas regies. 2.5. Composio da Vista Superior Utilizando Mapas Auto-Organizveis A composio de imagens utilizando Mapas Auto-Organizveis busca tornar o sistema mais robusto a rudos e possveis desvios da posio. Cada nodo do Mapa Auto-Organizvel proposto capaz de armazenar uma amostra de posio (x, y) e intensidade de sinal de um pixel da imagem (I). Um determinado nmero de nodos mais prximos (nv) (levando-se em conta apenas a posio espacial da informao) definido como vizinhana de um nodo. definido ainda um raio de atuao mximo para cada nodo (dmax). Para este mapa foram definidas duas aes possveis: a insero de pixels no mapa e a recuperao da imagem representada no mapa. Dado uma nova amostra de informao a = (xa, ya, Ia) a sua incluso de pixels no mapa ocorre da seguinte maneira: 1. So determinados os nv nodos mais prximos de a, onde a distncia leva em conta apenas a posio espacial do nodo:

d p (a, v) ( xa xv )2 ( ya yv )2
2. 3. Caso a distncia de a para o nodo mais prximo encontrado seja maior que dmax adicionado um novo nodo ao mapa com as caractersticas de a (xa, ya, Ia). Caso contrrio, dentre os nv nodos mais prximos selecionado como vencedor v (xv, yv, Iv) o nodo que possui menor distncia levando-se em considerao tambm a intensidade I: , onde 0< wdp <1 representa o peso da distncia da posio em relao ao peso da diferena de intensidade (0< wdI <1). Estes pesos so utilizados para ajustar a importncia da posio em relao intensidade dos pixels armazenados no clculo da distncia dpI. O nodo considerado vencedor (v) atualizado conforme a seguinte equao:

d pI (a, v) wd p (( xa xv )2 ( ya yv )2 ) wd I ( I a I v )2

4.

, onde 0< wp < 1 representa a porcentagem de ajuste da posio do nodo vencedor e 0< wI <1 representa a porcentagem de ajuste da intensidade do nodo vencedor.

xv xv wp ( xa xv ) yv yv wp ( ya yv ) I v I n wI ( I a I v )

Rio Oil & Gas Expo and Conference 2012 A recuperao da imagem armazenada no mapa ocorre da seguinte forma: Para cada ponto p = (x, y) da imagem a sua intensidade calculada da seguinte maneira: 1. So determinados os nv nodos mais prximos de p, onde a mtrica de distncia leva em conta apenas a posio espacial do nodo:

d p ( p, v) ( x p xv )2 ( y p yv )2
2.

A intensidade Ip do pixel no ponto p dada pela mdia da intensidade armazenada nos nv ns mais prximos de p encontrados no mapa.

3. Experimentos e Resultados Obtidos

Os experimentos com o GPR foram realizados na Estao de Tratamento de gua da UFPE e buscaram obter dados de dutos enterrados para a realizao de testes das rotinas propostas. Era sabido que no local estudado havia um duto de PVC com aproximadamente 25cm de dimetro enterrado aproximadamente 1m de profundidade (Figuras 8 e 9).

Figura 8. Local da realizao dos experimentos com GPR.

Rio Oil & Gas Expo and Conference 2012

Figura 9. Duto de PVC, enterrado aproximadamente 1m de profundidade.

As aquisies com o GPR foram realizadas em dois experimentos, no primeiro as aquisies foram realizadas transversalmente ao sentido do duto. Este tipo de aquisio representa o modo de operao do GPR mais freqentemente utilizado, pois proporciona uma maior quantidade de informao sobre a regio de interesse. No segundo experimento as aquisies foram realizadas longitudinalmente ao sentido do duto e na segunda. Este modo de operao no frequentemente utilizado para a pesquisa de dutos atualmente, pois apenas algumas das aquisies fornecem informao do duto em si, no entanto, este modo de operao interessante para a pesquisa de dutos de grande extenso, pois quando realizados utilizando-se uma configurao com um vetor (ou array) de antenas posicionadas lado a lado, economizam a movimentao do veculo de transporte do GPR, e por conseqncia o tempo de aquisio de dados. A Figura 10 ilustra os experimentos realizados.

a)

b)

Figura 10. Ilustrao representando os dois experimentos realizados com GPR: a) Incurses realizadas transversalmente ao duto. b) Incurses realizadas longitudinalmente ao duto.

Rio Oil & Gas Expo and Conference 2012 No primeiro experimento (ilustrado na Figura 10a) foram realizadas 27 aquisies, da esquerda para a direita, espaadas por 50cm, cobrindo uma rea de aproximadamente (13m x 6m). Neste experimento, duas aquisies consecutivas (a 3 e a 4) no puderam cobrir a mesma extenso das demais devido presena de um obstculo sobre o solo (poste de iluminao visvel na Figura 8). No segundo (ilustrado na Figura 10b) foram realizadas 16 aquisies espaadas por 25cm cobrindo uma rea de aproximadamente (6m x 11m). A Figura 11a apresenta o resultado da composio padro e a Figura 11b mostra o resultado da composio utilizando Mapas Auto-Organizveis. Para a representao da imagem composta foi utilizado um mapa com apenas 1886 nodos os quais representam 194x27 = 5238 pixels. Na comparao entre os resultados dos dois mtodos de composio implementados (Figura 11), observa-se que a quantidade de informaes presentes na imagem produzida pela composio com Mapas Auto-Organizveis bastante reduzida em relao quantidade de informaes presentes na imagem produzida composio padro. No entanto, os componentes principais da imagem, ou seja, as partes que representam o dutos, foram preservados. A imagem composta pelo Mapa Auto-organizvel portanto, mais apropriada por exemplo, para aplicao dos algoritmos de segmentao. Nota-se ainda que os dados faltantes foram completados automaticamente pelo Mapa Auto-organizvel baseando-se nos dados presentes das regies vizinhas. O mesmo teste foi realizado com dados adquiridos com o GPR se movendo longitudinalmente ao longo do duto. A Figura 12 exibe os resultados obtidos com ambos os tipos de composio implementados.

a)

b)

Figura 11. Resultado da Composio de Imagens utilizando Mapas Auto-Organizveis (a), em comparao com a Composio de Imagens Padro (b).

10

Rio Oil & Gas Expo and Conference 2012

Figura 12. Resultado da Composio de Imagens obtidas com scans longitudinais, utilizando Mapas Auto-Organizveis (abaixo), em comparao com a Composio de Imagens padro (acima). Para ilustrar como o mecanismo de seleo da faixa de profundidade de interesse descrito na sesso 2.3 outros testes foram realizados em local com dutos enterrados em diferentes nveis de profundidade. A Figura 13 ilustra uma situao onde apenas um duto localizado na parte superior do solo capturado pelo processo de composio de imagens enquanto que na Figura 14 mostrada uma situao onde apenas os trs dutos mais profundos foram selecionados para a composio. Profundidade selecionada

Duto transversal em cima. Duto longitudinal em baixo.

Figura 13. esquerda: um dos perfis de GPR utilizados para realizar a composio. direita: resultado da Composio de Imagens selecionando-se apenas a faixa de profundidade que contm o duto superior.

11

Rio Oil & Gas Expo and Conference 2012

Profundidade selecionada

Duto longitudinal em cima. Dutos transversais em baixo.

Figura 14. esquerda: um dos perfis de GPR utilizados para realizar a composio. direita: resultado da composio de imagens selecionando-se apenas a faixa de profundidade que contm dutos mais profundos. A descontinuidade observada nos dutos posicionados verticalmente na imagem da direita se deve sombra causada pelo duto localizado acima.

4. Concluses
Este artigo descreveu um mtodo de composio de uma vista superior de dutos enterrados construda a partir dados de perfis GPR. As imagens compostas apresentam claramente os dutos enterrados no local inspecionado de forma que mesmo uma pessoa sem treinamento especializado em GPR capaz de identificar como os dutos esto posicionados. Os resultados comparativos dos testes realizados com os mtodos de composio mostram que o mtodo com mapas autoorganizveis mais robusto em relao presena de rudos, uma vez que reduz sensivelmente a quantidade de informaes no relevantes presentes na imagem produzida, porm preservando os objetos de interesse. Alm disto, o mtodo com mapas auto-organizveis produz uma representao mais compacta da imagem produzida e capaz de completar a informao em regies onde eventualmente houver falha na aquisio. Os resultados mostraram tambm que o mecanismo de seleo de profundidades de interesse eficaz e produz composies que mostram claramente os dutos presentes na faixa de profundidade selecionada. importante ressaltar que o dimetro dos dutos exibido nas imagens compostas no corresponde ao dimetro real do duto, uma vez que a informao para composio foi extrada de sinais que no so estimativas precisas do dimetro do duto. A principal aplicao do mtodo descrito est na localizao da malha de dutos, porm as imagens geradas pelo procedimento proposto podem ser utilizadas como base para uma srie mecanismos reconhecimento e diagnstico automatizado, como por exemplo, os dutos podem ser identificados automaticamente utilizando tcnicas de segmentao e reconhecimento de imagens. O procedimento proposto pode ainda ser estendido para fazer mapeamento tridimensional dos objetos contidos no solo.

5. Referncias
DANIELS, J. D., Ground Penetrating Radar, 2nd ed., IEE Radar, Sonar, Navigation and Avionics Series 15, IEE Institution of Electrical Engineers, Londres, Reino Unido, 2004. DUDA, R. O. , HART, P. E. , STORK, D. G. Pattern Classification, 2nd Edition, Wiley-Interscience, 2000. GENTIL, V. Corroso, 6nd edio, Rio de Janeiro: Livros Tcnicos e Cientficos S.A, 2011. KOHONEN, T. Self-organizing Maps. 2nd edition, Springer-Verlag, 1997 GONZALES, R. C., WOODS, R. E., Processamento de Imagens Digitais. So Paulo: Edgard Blcher LTDA, 2000.

12