Questa immagine mostra il sistema di visione artificiale SLED-W che elabora immagini visive di olio su acqua (a sinistra) e dati termici (a destra). Gli algoritmi confrontano i dati visivi e termici per determinare se l'olio è presente sull'acqua. Credito:Southwest Research Institute
Il Southwest Research Institute ha sviluppato tecniche computerizzate per rilevare con precisione il petrolio greggio sull'acqua utilizzando telecamere termiche e visibili poco costose. Questa soluzione basata sull'apprendimento automatico è in grado di rilevare e monitorare le perdite di petrolio prima che diventino gravi minacce per i laghi, fiumi e zone costiere.
Con oltre 80, 000 miglia di oleodotti negli Stati Uniti, molti corsi d'acqua sono a rischio di danni ambientali a causa di incidenti come il Kalamazoo Spill del 2010, che è costato più di $ 1,2 miliardi e tre anni per ripulire. Il monitoraggio dei corsi d'acqua vicino agli oleodotti è costoso e richiede tempo con soluzioni convenzionali che si basano sul telerilevamento satellitare o sulla spettroscopia laser.
SwRI affronta queste sfide con il suo sistema Smart Leak Detection on Water (SLED-W), che utilizza algoritmi per elaborare i dati visivi e termici dalle telecamere montate sugli aerei, dispositivi fissi o moto d'acqua.
"SLED-W è stato in grado di rilevare due diversi tipi di olio con proprietà termiche e visibili uniche, " ha detto Ryan McBee, un ingegnere di ricerca che ha guidato il progetto per il dipartimento dei sistemi critici di SwRI. "SLED-W ha mostrato risultati iniziali positivi, e con un'ulteriore raccolta di dati, l'algoritmo gestirà condizioni esterne più varie."
Il progetto finanziato internamente amplia la tecnologia SLED precedentemente sviluppata che rileva il gas metano dalle condutture e le perdite di liquidi su superfici solide come suolo, ghiaia e sabbia.
Gli ingegneri SwRI hanno aggiunto due tipi di olio ai serbatoi d'acqua per addestrare algoritmi di apprendimento automatico dotati di telecamera per rilevare l'olio in varie condizioni di illuminazione e ambientali. Credito:Southwest Research Institute
SwRI ha applicato un approccio multidisciplinare per sviluppare SLED-W. Gli scienziati informatici hanno collaborato con esperti di petrolio e gas della divisione di ingegneria meccanica dell'Istituto per addestrare algoritmi per riconoscere le caratteristiche uniche del petrolio sull'acqua. L'olio può spargersi sull'acqua o fondersi con essa, rendendo difficile per i sensori discernere in diverse condizioni di illuminazione e ambientali.
"L'etichettatura dell'olio è una sfida significativa. Per SLED-W, abbiamo dovuto tenere conto di diversi comportamenti in modo che sapesse cosa considerare e cosa ignorare per evitare falsi positivi, " ha detto McBee.
Combinando telecamere termiche e visibili, SLED-W analizza le scene da diverse prospettive. Le sole fotocamere visibili sono limitate dall'abbagliamento e hanno difficoltà a catturare oli sottili trasparenti che si fondono con l'acqua. La visione termica richiede differenze di calore per distinguere le caratteristiche. Questo può portare a falsi positivi vicino ad animali e altri oggetti caldi. Combinando immagini termiche e visive nel sistema di apprendimento automatico, gli algoritmi possono scegliere le informazioni più rilevanti, mitigare i punti deboli di ciascun sensore.
Prossimo, il team effettuerà test sul campo per addestrare gli algoritmi e sta attualmente lavorando con partner del settore per dotare gli aerei di SLED-W per raccogliere dati in condizioni reali.
