Journée des Doctorants 2013 (a) ETIS-ENSEA-UCP-UMRS8051-CNRS, 6 Avenue du Ponceau, 95164, Cergy cedex, France (b) Société TRAPIL, 1 rue Charles Edouard Jeanneret, 78300, Poissy, France. RECONNAISSANCE AUTOMATIQUE AVEC DÉTECTION PRÉALABLE (READ) DE DÉFAUTS STRUCTURELS D’OLÉODUCS, À PARTIR D’IMAGES XTRASONICS Contribution à l’initiative d’ « Inspection Racleur Intelligente », spécifiée par le POF (Pipeline Operator Forum) Journée des Doctorants 2013 Patrick DUVAUT(a) , Aymeric HISTACE(a) , Clément FOUQUET(a, b)

C. Fouquet, A. Histace, P. Duvaut Sommaire READ_fault Contexte et objectifs Difficultés et état de l’art Etapes du projet Détection de soudures Zoom sur la pré-détection des défauts Détails de la méthode Performances et Benchmarking Suite du projet Planning prévisionnel C. Fouquet, A. Histace, P. Duvaut Journée des Doctorants 2013

READ_fault Contexte et objectifs READ_fault contribue au contrôle non destructif des pipelines d’hydrocarbure en aidant à la détéction et à la reconnaissance de défauts structurels à partir d’images XTraSonic Pipeline Image circonférencielle cheminement Image Ultrasonique, Epaisseur du pipeline Index des sondes Sondes Ultrason (114 -> 512) Outil d’inspection (racleur) Position du racleur (echantillonnage 3mm, 1.5mm) C. Fouquet, A. Histace, P. Duvaut Journée des Doctorants 2013

Difficultés et Etat de l’art READ_fault Difficultés et Etat de l’art Taille d’une image de pipeline : ~10 Giga-Pixels Besoin d’automatisation: Problème en aveugle, Pas de référence Forte distorsion: Bruit intense, Données erronées Caractéristiques variables: Forme, Hauteur, largeur Irrégularités de fabrication : Corruptions Image ultrason Méthodes usuelles : Detection de contours, Champs de Markov, Contours actifs C. Fouquet, A. Histace, P. Duvaut Journée des Doctorants 2013

READ_fault Etapes du projet Données sources READ_weld Liste de soudures Découpage Soudure Découpage Analyse sur soudure Soudure à risque Cœur de tube Segmentation Liste d’évènements Avancement actuel Soudure saine Reconnaissance Liste de défauts Compilation Liste d’évènements classés 5 C. Fouquet, A. Histace, P. Duvaut Journée des Doctorants 2013

Détails méthode READ_weld READ_fault Image ultrason 224 signaux d’épaisseur 28 Signatures de rupture Clustering des sondes Indicateur ruptures 1 Pondération et fusion des signatures par SOS L : coefficient de pondération Signature unique 2 Fonction d’ambiguïté threshold p l p* l* h Détéction & Localisation 3 Contraste événement/bruit Projection sur une base d’ ondelettes de Haar Largeur sign. localisation 1 2 Décision 6 C. Fouquet, A. Histace, P. Duvaut

Performances & Benchmark READ_fault Performances & Benchmark Pondération optimale RWL=10 Ligne de test. Pipeline de 12km 1670 Soudures 268 Risques de FA Moyennage arithmetique RWL=0 Méthode de référence REF Performances RW supérieures RW10 atteind des performances parfaites : Pas de soudures ratées Pas de fausses alarmes RW permet d’économiser 30% de temps d’execution vis à vis de la méthode de référence Probabilité de bonne détection La pondération optimale réduit drastiquement les erreurs Probabilité de fausse alarme C. Fouquet, A. Histace, P. Duvaut Journée des Doctorants 2013

Analyse de la gaussienne de défaut Projet READ_Fault Méthode pré-détéction READ_fault Sous-image en bande de sonde READ_Weld Coupe en 4 bandes macro de sondes (L = 1) Cœur de tube Y : Nb échantillon Récursivité Histogramme Référence quand L = 1 Gaussienne de défaut Modélisation de l’histogramme par EM-3G X : valeur d’épaisseur Histogramme de sous image L = 1 Détermination de la référence Modélisation par EM-3G Split de l’image (L = L+1) ρσ L > 1   Analyse de la gaussienne de défaut Si défaut mal encadré Si défaut bien encadré ou taille minimale atteinte ∆μ Si aucun défaut détecté Séparatrice de décision Rejet Fusion des zones d’intérêt Zones d’intérêt encadrées 8 C. Fouquet, A. Hystace, P. Duvaut Journée des Doctorants 2013 8

Pourcentage de pixels éliminés READ_fault Résultats et Benchmarking Ligne de test : Bi-diamètre avec changements d’épaisseur, 11 km, 305 défauts 89.6 % des défauts ont bien été conservés 92.000 clusters renvoyés, représentant 6.4 % des pixels d’origine Taux de compression d’information Taux de perte des défauts - Benchmarking réalisé en comparaison avec une méthode de seuillage à 15% de perte d’épaisseur : Critère \ méthode RF Seuil Défauts conservés 89.6% 93.4% Clusters renvoyés 92.000 186.000 Pourcentage de pixels éliminés 93.6% 74.4% 9 C. Fouquet, A. Histace, P. Duvaut Journée des Doctorants 2013

C. Fouquet, A. Histace, P. Duvaut READ_fault Suite du projet La méthode de pré-détection a fait l’objet d’un article qui à été soumis à la conférence ICASSP 2013 à Melbourne, actuellement en attente de review. La suite du projet consistera à réaliser une extraction de caractéristiques sur la base des zones d’intérêts relevées et de les soumettre à un apprentissage supervisé afin d’éliminer les fausses alarmes et différencier les 4 types de défauts majeurs. Une phase de segmentation fine est possible pour améliorer les résultats (cf présentation Leila Meziou) Une recherche d’antériorité est en cours afin d’évaluer la potentialité d’un dépôt de brevet C. Fouquet, A. Histace, P. Duvaut Journée des Doctorants 2013

C. Fouquet, A. Histace, P. Duvaut READ_fault Planning prévisionnel Données sources Octobre 2010 READ_weld Octobre 2011 livrable publication (NDT in Progress 2011) Détection de défauts Avril 2012 READ_defect Segmentation Décembre 2012 livrable publication (ICASSP 2013) Identification Décembre 2013 livrable publication Soutenance (NDT journal & ECNDT 2014) 11 C. Fouquet, A. Histace, P. Duvaut Journée des Doctorants 2013

Merci pour votre attention! READ_fault Merci pour votre attention! Questions & Réponses C. Fouquet, A. Histace, P. Duvaut Journée des Doctorants 2013