Cette image représente le système de vision industrielle SLED-W traitant des images visuelles d'huile sur eau (à gauche) et des données thermiques (à droite). Les algorithmes comparent les données visuelles et thermiques pour déterminer si de l'huile est présente dans l'eau. Crédit :Institut de recherche du Sud-Ouest
Le Southwest Research Institute a développé des techniques informatiques pour détecter avec précision le pétrole brut sur l'eau à l'aide de caméras thermiques et visibles peu coûteuses. Cette solution basée sur l'apprentissage automatique peut détecter et surveiller les fuites de pétrole avant qu'elles ne deviennent des menaces majeures pour les lacs, rivières et zones côtières.
Avec plus de 80, 000 miles d'oléoducs à travers les États-Unis, de nombreux cours d'eau risquent de subir des dommages environnementaux dus à des incidents tels que le déversement de Kalamazoo en 2010, qui a coûté plus de 1,2 milliard de dollars et trois ans à nettoyer. La surveillance des voies navigables à proximité des oléoducs est coûteuse et prend du temps avec les solutions conventionnelles qui reposent sur la télédétection par satellite ou la spectroscopie laser.
SwRI relève ces défis avec son système de détection intelligente des fuites sur l'eau (SLED-W), qui utilise des algorithmes pour traiter les données visuelles et thermiques des caméras apposées sur les avions, appareils fixes ou embarcations.
« SLED-W a pu détecter deux types d'huile différents avec des propriétés thermiques et visibles uniques, " a déclaré Ryan McBee, un ingénieur de recherche qui a dirigé le projet pour le département des systèmes critiques de SwRI. "SLED-W a montré des premiers résultats positifs, et avec une collecte de données plus poussée, l'algorithme gérera des conditions externes plus variées."
Le projet financé en interne s'étend sur la technologie SLED précédemment développée qui détecte le méthane provenant des pipelines ainsi que les fuites de liquide sur des surfaces solides telles que le sol, gravier et sable.
Les ingénieurs de SwRI ont ajouté deux types d'huile aux réservoirs d'eau pour former des algorithmes d'apprentissage automatique équipés de caméras pour détecter l'huile dans diverses conditions d'éclairage et d'environnement. Crédit :Institut de recherche du Sud-Ouest
SwRI a appliqué une approche multidisciplinaire pour développer SLED-W. Des informaticiens ont fait équipe avec des experts du pétrole et du gaz de la division de génie mécanique de l'Institut pour former des algorithmes à reconnaître les caractéristiques uniques du pétrole sur l'eau. L'huile peut se répandre sur l'eau ou se mélanger avec elle, il est donc difficile pour les capteurs de discerner dans différentes conditions d'éclairage et d'environnement.
« L'étiquetage de l'huile est un défi de taille. Pour SLED-W, nous devions rendre compte de différents comportements afin qu'il sache quoi considérer et quoi ignorer pour éviter les faux positifs, " a déclaré McBee.
En combinant des caméras thermiques et visibles, SLED-W analyse les scènes sous différents angles. Les caméras visibles à elles seules sont limitées par l'éblouissement et ont des difficultés à capturer les huiles minces transparentes qui se mélangent à l'eau. La vision thermique nécessite des différences de chaleur pour discerner les caractéristiques. Cela peut entraîner des faux positifs à proximité d'animaux et d'autres objets chauds. En combinant des images thermiques et visuelles dans le système d'apprentissage automatique, les algorithmes peuvent choisir les informations les plus pertinentes, atténuer les faiblesses de chaque capteur.
Prochain, l'équipe effectuera des tests sur le terrain pour former les algorithmes et travaille actuellement avec des partenaires de l'industrie pour équiper les avions de SLED-W afin de recueillir des données dans des conditions réelles.
