Team bruger droner med maskinlæring til at automatisere metanlækagedetektion

Et metanlækagedetektionssystem fra Southwest Research Institute er på flugt som en del af et US Department of Energy (DOE) National Energy Technology Laboratory (NETL) projekt for at udvikle automatiserede inspektioner af olie- og gasanlæg.

SwRI-forskere vil tilpasse Smart Leak Detection System/Methane (SLED/M)-teknologien til at opdage metanlækager i realtid, fra en drone. SwRI udviklede SLED/M med DOE NETL-finansiering. SwRI udviklede også SLED-teknologi, vinder af en R&D 100 Award i 2017, som bruger kameraer og kunstig intelligens til at opdage lækager af flydende kulbrinte på rørledninger og faciliteter, såsom pumpestationer.

"Efter succesfuld udvikling af SLED/M til stationære applikationer, såsom hegnsovervågning af midtstrømsfaciliteter, vi fremmer teknologien til at udføre autonomt fra droner, " sagde Maria Araujo, en leder i SwRI's afdeling for kritiske systemer.

Systemet identificerer små metanlækager, eller flygtige emissioner, ved at parre passive optiske sansedata med kunstig intelligens-algoritmer. Den seneste finansiering vil gøre det muligt for SwRI at indsamle data, teste midwave infrarøde kameraer (MWIR) på droneflyvninger og udvikle maskinlæringsalgoritmer til at opdage metanlækager.

"Droner og kamerakonfigurationer giver unikke udfordringer, fordi de fanger data i forskellige højder, afstande og hastigheder, " Araujo tilføjede. "Denne finansiering muliggør udvikling og test for at tilpasse teknologien til kommercielle luftinspektioner."

SwRI designet SLED/M til at lokalisere de mindre metanlækager, der typisk går ubemærket hen langs rørledninger og lagerfaciliteter. Konventionelle detektionssystemer, designet til at lokalisere større lækager, lider af falske positive og mistede detektioner, som hæmmer effektivitet og udnyttelse af industrien. SLED/M reducerer i høj grad falske positiver og detekterer lækager, der kan forblive ubemærket, ved at optimere algoritmer til pålideligt at detektere lækager under en række forskellige miljøforhold.

Projektet vil også udnytte SwRI's igangværende forskning i ubemandede luftsystemer (UAS), drone automatisering, navigation, perception og dataanalyse. SwRIs seneste drone-innovationer omfatter tilpasning af teknologi til autonomt at inspicere beskadigede atomreaktorer og andre farlige faciliteter.

"SwRI's F&U-investering i dronenyttelast og analyser stemmer overens med vores mission om at fremme videnskab og teknologi, som gavner regeringen, industri og menneskeheden, " sagde Dr. Steve Dellenback, vicepræsident for SwRI's Intelligent Systems Division. "Denne indsats er med til at løse en væsentlig udfordring, som verden står over for lige nu."

Metan, hovedkomponenten i naturgas, betragtes som en mere truende drivhusgas end kuldioxid, fordi den absorberer varme mere effektivt. Verdens meteorologiske organisation rapporterede for nylig, at metanniveauerne er 2,5 gange højere end førindustriel tid.

SwRI adresserer metanlækager fra flere discipliner. Et hold af væskeingeniører deltog i Methane Detectors Challenge, udvikling af et solcelledrevet system til at identificere flygtige emissioner i den gasproducerende sektor.

SwRI parrer også satellitdata fra rummet med algoritmer til at identificere store metanlækager fra midtstrømsanlæg og råolieudslip på havoverfladen.

Araujo vil tale om dette projekt og autonom pipelineinspektion ved hjælp af computervision og maskinlæring kl. 11.00 den 1. maj på AUVSI XPONENTIAL, Værelse S404bc.