Automatic detection and classification of drill bit damage using deep learning and computer vision algorithms

Xiongwen Yang

doi:10.1016/j.ngib.2025.03.004

Automatic detection and classification of drill bit damage using deep learning and computer vision algorithms

2025-04-01

0

OA

AI

DOI：10.1016/j.ngib.2025.03.004

原文链接

查看原文

摘要

En 中文

本研究旨在消除传统国际钻井承包商协会（IADC）钻头磨损评级过程中固有的主观性和不一致性，该过程严重依赖钻井工程师的经验，并常导致结果不可靠。借助计算机视觉和深度学习算法的进展，本研究提出了一种用于多晶金刚石复合片（PDC）钻头损伤的自动检测与分类方法。采用YOLOv10定位PDC钻头切削齿，随后使用两个SqueezeNet模型进行磨损评级和磨损类型分类。基于IADC旧钻头评估标准创建了一个综合数据集。此外，本研究讨论了数据增强的必要性，并发现某些方法（如裁剪、拼接和混合）可能会降低切削齿检测的准确性。实验结果表明，所提出的方法显著提高了钻头损伤检测和分类的准确性，同时在处理速度和计算效率方面也提供了显著改进，为优化钻井作业和降低成本提供了有价值的工具。© 2025 四川石油管理局。由KeAi Communications Co. Ltd.代表Elsevier B.V.提供出版服务。本文为开放获取文章，采用CC BY-NC-ND许可协议（http://creativecommons.org/licenses/by-nc-nd/4.0/）。

Keyword:

IADC dull

PDC bit

Artificial intelligence

Deep learning

Damage assessment

Data augmentation

Automatic detection and classification of drill bit damage using deep learning and computer vision algorithms

摘要

AI总结

期刊

机构