Maria Araujo ispeziona un drone che utilizza telecamere a infrarossi a onde medie (MWIR) per rilevare autonomamente perdite di metano. Lo Smart LEak Detection System (SLED) di SwRI utilizza la visione artificiale e l'apprendimento automatico per rilevare perdite di tubazioni dai droni aerei. Credito:Southwest Research Institute
Un sistema di rilevamento delle perdite di metano del Southwest Research Institute sta prendendo il volo come parte di un progetto del National Energy Technology Laboratory (NETL) del Dipartimento dell'Energia degli Stati Uniti (DOE) per sviluppare ispezioni automatizzate di impianti di petrolio e gas.
I ricercatori SwRI adatteranno la tecnologia Smart Leak Detection System/Methane (SLED/M) per rilevare perdite di metano in tempo reale, da bordo di un drone. SwRI ha sviluppato SLED/M con il finanziamento DOE NETL. SwRI ha anche sviluppato la tecnologia SLED, vincitore di un R&D 100 Award nel 2017, che utilizza telecamere e intelligenza artificiale per rilevare perdite di idrocarburi liquidi su condutture e strutture, come le stazioni di pompaggio.
"Dopo aver sviluppato con successo SLED/M per applicazioni stazionarie, come il monitoraggio del recinto delle strutture intermedie, stiamo avanzando la tecnologia per eseguire autonomamente dai droni, " disse Maria Araujo, un manager nel dipartimento dei sistemi critici di SwRI.
Il sistema individua piccole perdite di metano, o emissioni fuggitive, accoppiando i dati di rilevamento ottico passivo con algoritmi di intelligenza artificiale. L'ultimo finanziamento consentirà a SwRI di raccogliere dati, testare le telecamere a infrarossi a onde medie (MWIR) sui voli dei droni e sviluppare algoritmi di apprendimento automatico per rilevare le perdite di metano.
"I droni e le configurazioni delle telecamere presentano sfide uniche perché acquisiscono dati a diverse altezze, distanze e velocità, " Araujo ha aggiunto. "Questo finanziamento consente lo sviluppo e il test per adattare la tecnologia per le ispezioni aeree commerciali".
SwRI ha progettato SLED/M per individuare le perdite di metano più piccole che in genere passano inosservate lungo le condutture e gli impianti di stoccaggio. Sistemi di rilevamento convenzionali, progettato per individuare perdite più grandi, soffrono di falsi positivi e rilevamenti mancati, che ostacolano l'efficacia e l'utilizzo da parte dell'industria. SLED/M riduce sostanzialmente i falsi positivi e rileva le perdite che potrebbero passare inosservate ottimizzando gli algoritmi per rilevare in modo affidabile le perdite in una varietà di condizioni ambientali.
Il progetto sfrutterà anche la ricerca in corso di SwRI sui sistemi aerei senza pilota (UAS), automazione dei droni, navigazione, percezione e analisi dei dati. Le recenti innovazioni dei droni di SwRI includono l'adattamento della tecnologia per ispezionare autonomamente i reattori nucleari danneggiati e altre strutture pericolose.
"L'investimento in ricerca e sviluppo di SwRI in payload e analisi dei droni è in linea con la nostra missione di far progredire la scienza e la tecnologia a vantaggio del governo, industria e umanità, " ha detto il dottor Steve Dellenback, vicepresidente della divisione Sistemi intelligenti di SwRI. "Questo sforzo sta aiutando ad affrontare una sfida significativa che il mondo sta affrontando in questo momento".
Metano, il principale componente del gas naturale, è considerato un gas serra più minaccioso dell'anidride carbonica perché assorbe il calore in modo più efficace. L'Organizzazione meteorologica mondiale ha recentemente riferito che i livelli di metano sono 2,5 volte superiori rispetto ai tempi preindustriali.
SwRI sta affrontando le perdite di metano da più discipline. Un team di ingegneri dei fluidi ha partecipato alla sfida dei rivelatori di metano, sviluppo di un sistema a energia solare per identificare le emissioni fuggitive nel settore della produzione di gas.
SwRI sta anche abbinando i dati satellitari dallo spazio con algoritmi per identificare grandi perdite di metano dagli impianti midstream e fuoriuscite di petrolio greggio sulla superficie dell'oceano.
Araujo parlerà di questo progetto e dell'ispezione autonoma della pipeline mediante computer vision e machine learning alle 11:00 del 1 maggio presso AUVSI XPONENTIAL, Stanza S404bc.