石油钻井设备制造商缺陷识别软件的开发

石油钻井设备制造商缺陷识别软件的开发

行业
油 & Gas
技术领域
图像分析,数据科学

顾客

客户是石油行业钻井设备的领先制造商。

挑战

客户向石油生产行业的领导者提供了钻井设备和维护服务,需要监视他们提供的钻头的状况,提供钻头磨损分析和及时的缺陷检测。钻头的物理检查既耗时又昂贵,因此客户需要优化状态监控流程。客户选择使用3D相机,因此需要 开发图像识别软件 用于分析钻头图像。

ScienceSoft提供了一个应用程序,该应用程序使用机器学习和视觉识别算法来检测相机捕获的图像中的钻头缺陷,并提供有关所需更换和维护钻头的建议。

启动后,该应用程序将对图像进行预处理并进行分析,以识别刀片并挑选出单独的刀具,并检测刀片表面和刀具磨损。

该应用程序采用了基于霍夫圆变换法的物体检测神经网络来识别刀具。使用简单的卷积神经网络(一种用于图像识别的主要算法)进行刀具状态分类,并使用单独的Mask R-CNN(一种用于对象实例分割的算法)来进行叶片的表面分割和检测叶片表面缺陷。

该应用程序将分析结果显示为磨损百分比,并建议更换钻头的最佳日期。

结果

客户可以优化钻井设备状态监控并及时发现新出现的钻头缺陷。有了钻头更换日期的知识,客户就有机会简化他们的库存管理并降低库存持有成本。该应用程序还允许客户减少钻头检查时间,减少停机时间并降低客户的维护成本。

技术与工具

TensorFlow,Keras,OpenCV,Scikit-learn,NumPy。

致电给我们,我们的代表将在30分钟内与您联系以安排初步讨论。