Prezenetare sustinuta in cadrul Simpozionului International al ARoENd 2022

1. Inspecția nedistructivă a coroziunii
rezervoarelor de produse petroliere
folosind drone inteligența artificială
Marian SOARE, Sorin Andrei NEGRU, Petrișor-Valentin PÂRVU

2. Cuprins
1. De ce o astfel de aplicație?
2. Caracteristici importante ale echipamentelor utilizate
3. Utilizarea inteligenței artificiale în prelucrarea imaginilor și detectarea
coroziunii
4. Dezvoltare practică
5. Concluzii

3. De ce o astfel de aplicație?
Provocările într-un astfel de caz sunt înălțimea rezervorului care trebuie
inspectat și suprafețele mari care trebuie acoperite.
O posibilă soluție o reprezintă inspecția video a structurii urmată de o
inspecție manuală a operatorului cu instrumentul ultrasonic numai în
zonele posibil afectate, dar o astfel de soluție necesită mult timp,
posibile condiții dificile de inspecție si costuri ridicate
Alternativa propusă este utilizarea dronelor (multi-coptere) echipate cu
recunoaștere video la bord și capabilități de calcul pentru a detecta
posibilele zone afectate de coroziune. Când este detectată o astfel de
zonă, senzorul NDT de la bord este activat pentru a măsura grosimea
peretelui în zona afectată.

4. Caracteristici importante ale echipamentelor utilizate
Drona hexacopteră echipată cu un sistem de măsurare
a grosimii cu ultrasunete

5. Caracteristici importante ale echipamentelor utilizate
Gama de viteze a
sunetului
De la 1000 m / s la 8000 m / s
Domeniul de
măsurare a sondei
2,25 MHz 3,5 MHz 5 MHz
Dimensiunile
sondei
13 mm
Rezoluţie 0,1 mm sau 0,05 mm
Precizie ± 0,1 mm sau ±0,5 mm
Afişare
Software de comunicare pe PC sau
laptop
Transmiterea
datelor
RF fără fir, 2,4 GHz
Alimentare
electrică
10 Vcc - 32 Vcc
Gama de
transmisie
wireless
Până la 500 de metri
Dimensiuni 139 mm x 62 mm x 31 mm
Greutate 150 g
Greutatea sondei 25 g
Greutatea cablului
sondei
65 g
Tabelul 1. Specificații Multigauge 6000 [1]
Fig. 1. Dispozitivul de măsurat grosimi tip
Multigauge 6000
𝑡𝑚 =
𝑠𝑚 ⋅ 𝑡𝑒𝑟
2
(1)
Formula pentru măsurarea grosimii este [2]:
Unde:
•tm= grosimea măsurată a probei;
•ter = timp de propagare a probei dus-întors;
•sm= viteza sunetului în eșantionul dat;
•Y = modulul Young al eșantionului;
•ρ = densitatea eșantionului.
𝑠𝑚 =
𝑌
𝜌
(2)

6. Utilizarea inteligenței artificiale în prelucrarea
imaginilor și detectarea coroziunii
Simulare SITL
... un simulator quadcopter
3DR Iris a fost folosit pentru a
efectua simularea în mediul
virtual, cu ajutorulsoluției de
simulare a mediilor virtuale
GAZEBO.
Fig. 4. O simulare 3DR Iris quadcopter în GAZEBO cu un nod de cameră ROS integrat
Figure 1. Block diagram of the AI algor
Block diagram of the AI algorithm used to detect autonomously
areas on the outside of a storage tank.

7. Utilizarea inteligenței artificiale în prelucrarea
imaginilor și detectarea coroziunii
Fig. 5. Crearea unui set de date COCO în
LabelMe [5]
Fig. 6. Cadru R-CNN pentru mască [8]
Fig. 7. Verificarea setului de date creat

8. Utilizarea inteligenței artificiale în prelucrarea
imaginilor și detectarea coroziunii
Fig. 8. Imagini de ieșire

9. Dezvoltare practică
• Masa totală a dispozitivului;
• Sarcina utilă dorită;
• Un raport bun de împingere-greutate;
• Vibrații;
• Stabilitatea zborului;
Drona hexacopteră; 1. Modulul Jetson Tx2; 2.
Pixhawk 2.1; 3. cameră Intel Realsense D415; 4.
Placa Quasar Carrier;

10. Dezvoltare practică
Drone inspection system with: 1- Ethernet cable; 2 - Wi-Fi 5.8 GHz; 3 - Telemetry data through 433 MHz radio modems;
4 - TP-link AC1200 router; 5 - Rechargeable Li-Ion battery pack; 6 - Ground station; 7- Hexacopter drone.

11. Crearea unui mediu virtual ideal poate reprezenta o modalitate bună de a obține un set de
date. Cu toate acestea, pentru a ajunge la un rezultat bun, sunt necesare mai multe modele
3D. Ținând cont de acest factor, această soluție este optimă doar pentru un scop de evaluare
deoarece într-un mediu real mai mulți factori suplimentari pot influența performanțele
sistemului. Prin urmare, pentru a implementa un set de date corespunzător, este necesar să
efectuați un zbor real de-a lungul obiectului sau zonei de interes și în condiții atmosferice
diferite. De exemplu, un fenomen important de luat în considerare este turbulența mecanică
creată de vânt în contact cu rezervoarele de ulei. Având în vedere că drona funcționează într-
un mediu periculos, pentru lucrările ulterioare este important să se dezvolte un algoritm
suplimentar capabil să execute o aterizare automată folosind un marker ArUco.
Concluzii
Această lucrare a fost realizată în cadrul unui proiect intern de cercetare – dezvoltare al companiei Nuclear NDT Research &
Services. In cadrul proiectului s-a dezvoltat setul de date pentru a antrena un algoritm de segmentare a instanțelor și soluția
legată pentru drona hexacopteră cu scopul de a garanta autonomia necesară în timpul misiunii propuse.

12. Vă mulțumim
pentru atenție!