近日，张凯团队在智能井场研究领域取得新进展，相关研究成果在期刊SPE Journal上发表，论文题为《Trajectory Recognition and Working Condition Analysis of Rod Pumping Systems Based on Pose Estimation Method with Heatmap-Free Joint Detection》（基于无热图关节检测的抽油机轨迹识别和工况分析方法）。

创新性：传统的抽油机工况分析方法依靠测功机获取示功图数据评估设备运转状态，示功图反应悬点载荷与位移的变化，间接表达出悬点运动轨迹，这与抽油机实际的运动过程之间存在差距。本研究针对上述难题，将抽油机轨迹获取问题与计算机视觉技术相结合，从而构建基于深度学习的关键点识别框架。利用姿态估计算法训练抽油机识别模型，通过现场抽油机运转视频数据识别其运动过程中的关键关节，进一步表达出其不同点的实际运动轨迹。该方法为抽油机的轨迹识别与工况分析上提供了新的方式，在精度和效率上均取得了良好的效果。

中文摘要：抽油杆泵系统是油田开发中的主要生产工具。分析其工作条件为制定生产优化计划和调整设备参数提供了理论基础。现有的基于机器学习的条件分析方法依赖于动力计卡片，无法捕获抽油单元的实际运行轨迹。为了解决这个问题，本文提出了一种基于视频数据中无热图关节检测的姿态估计关键点检测方法。开发了适合检测抽油单元关键点的数据标注方案，并优化了这项任务的学习标准。使用端到端的无热图姿态估计算法处理抽油单元的图像，预测关键点位置，从而识别抽油单元的关键点运动轨迹。实验验证了所提出的方法，并与一般学习标准进行了比较。结果表明，这种方法能够准确捕获抽油单元的关键点位置，优化的学习标准模型比一般方法提高了5%以上，关键点对象关键点相似性（OKS）提高了30%以上。模型的结果可以用于实际运行轨迹的识别，自动计算光杆的运动参数，并智能评估抽油单元的平衡和工作条件分析。这实现了视频监控数据的智能应用，为抽油杆泵系统的动态研究做出了重要贡献。

SPE Journal涵盖了用于可持续石油和天然气勘探和生产的地下能源的基础研究和实践方面，同时扩大了对循环碳经济、能源转型和替代/可再生能源的关注。它涉及新颖的理论、新兴概念、基础/应用研究和开发、特邀综述论文、案例历史和现场应用研究，涵盖石油科学与工程的所有领域。包括：钻井和完井、生产和运营、油藏工程、地层评估、岩石物理学、地质学、地球物理学、地球化学、地质力学、数值模拟和建模、注入/生产设施、油田化学、水管理和处理、碳捕获、利用和储存 （CCUS）、氢气运输和储存、地热能、数字化、人工情报、数据分析、经济学、健康、安全、环境、可持续性和当前感兴趣的其他特殊主题。该期刊最新影响因子为3.2，近3年平均影响因子IF为3.467，JCR分区为Q1区，中科院工程技术大类3区。

文章链接：

https://doi.org/10.2118/223095-PA

引用格式：

Zhang K, Xia X, Song Z, et al. Trajectory Recognition and Working Condition Analysis of Rod Pumping Systems Based on Pose Estimation Method with Heatmap-Free Joint Detection [J]. SPE Journal, 2024:1-17.