使用人工智能算法检测和分散分析油样中的水球
Alexey N Beskopylny1, Anton Chepurnenko2, Besarion Meskhi3
1Department of Transport Systems, Faculty of Roads and Transport Systems, Don State Technical University, 344003 Rostov-on-Don, Russia.
Biomimetics (Basel, Switzerland)
|July 28, 2023
概括
本研究介绍了一种使用YOLOv4的计算机视觉算法,用于检测油样中的水球. 开发的模型准确地分析了颗粒的大小和分布,有助于炼油质量控制.
科学领域:
- 石油工程是石油工程中的一个.
- 计算机视觉 计算机视觉
- 材料科学 材料科学 材料科学
背景情况:
- 精确的液体颗粒检测对于石油和天然气行业的运作至关重要,影响了炼油技术和设备质量评估.
- 现有的分析石油中的水球的方法可能是劳动密集型的,可能缺乏精度.
研究的目的:
- 开发和验证计算机视觉算法,用于检测和分析油样中的水球.
- 评估基于流体粒子分析的卷积神经网络 (CNN) 模型的性能.
主要方法:
- 来自炼油厂样本的微摄影的定制数据集的开发.
- 实现用于对象检测的YOLOv4卷积神经网络 (CNN) 算法.
- 应用作者增强算法来增加训练数据集大小.
- 分散分析和频率图生成用于粒子大小分布.
主要成果:
- 开发的基于YOLOv4的算法准确地检测油样中的水球.
- 该模型实现了高精度指标:AP@50 = 89%和AP@75 = 78%.
- 分散分析提供了关于检测到的水颗粒的大小和数量分布的见解.
结论:
- 基于CNN的模型经过验证,适用于检测流体介质中的颗粒.
- 该算法提供了一种可靠和准确的方法来评估流体质量和炼油过程.
- 开发的工具为研究人员提供了可控制的粒子检测精度.
更多相关视频
12:18Pore-scale Imaging and Characterization of Hydrocarbon Reservoir Rock Wettability at Subsurface Conditions Using X-ray Microtomography
Published on: October 21, 2018
14.0K
08:38Microfluidic Devices for Characterizing Pore-scale Event Processes in Porous Media for Oil Recovery Applications
Published on: January 16, 2018
10.5K
