Intelligent detection of thermal damage and mechanical failure in polycrystalline diamond compact bits for deep high-temperature geothermal drilling
Hyväksytty
Luokittelutiedot
OKM-julkaisutyyppi
A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä (vertaisarvioitu)
Julkaisun muoto
Artikkeli
Kohderyhmä
Tieteellinen
Vertaisarvioitu
Vertaisarvioitu
Artikkelityyppi
Alkuperäisartikkeli
Emojulkaisun tyyppi
Lehti
Julkaisukanavan tiedot
Lehden/sarjan nimi
Geoenergy science and engineering
ISSN-P (painettu)
2949-8929
ISSN-E (elektroninen)
2949-8910
ISSN-L (linking)
2949-8910
Kustantaja
Elsevier
Julkaisun JUFO ID
91115
Julkaisun JUFO-taso
1
Julkaisu on FT-listalla
Ei
Julkaisun SNIP-taso
1.44
Julkaisumaa
Alankomaat
Kansainvälisyys
Kyllä
Julkaisun tarkemmat tiedot
Julkaisuvuosi
2026
Bibliografinen julkaisuvuosi
2027
Ilmoitusvuosi
2026
Lehden/sarjan volyymi
268
Artikkelinumero
214809
DOI
10.1016/j.geoen.2026.214809
Julkaisukieli
englanti
Yhteisjulkaisutiedot
Kansainvälinen yhteisjulkaisu
Kyllä
Yhteisjulkaisu yrityksen kanssa
Ei
Saatavuustiedot
Verkkojulkaisun linkki
Linkki rinnakkaistallenteeseen
Luokitukset ja lisätiedot
OKM-tieteenalaluokitus
1171 Geotieteet, 214 Kone- ja valmistustekniikka
Avainsanat
Deep geothermal drilling; PDC bit failure; Object detection; Deep learning
Lisätietoja
Tämä rinnakkaistallennettu versio on avattu organisaation esilisensiointimallilla. Denna parallellpublicerade version har gjorts tillgänglig enligt organisationens modell för förhandslicensiering. This self-archived version has been made available under the organisation's prior license model.
Rahoittajatiedot
Rahoitustiedot julkaisussa
This work was supported by the Deep Earth probe and Mineral Resources Exploration-National Science and Technology Major Project (No. 2024ZD1003100).
Tutkimusaineistotiedot
Tutkimusaineistotiedot julkaisussa
The conventional-drilling images used in this study are from two publicly available Roboflow Universe projects, both released under the CC BY 4.0 licence (DATUM, https://universe.roboflow.com/datum-lfd61/bit-damage; Maged Mahmoud, https://universe.roboflow.com/maged-mahmoud/drill-bits-failure). The geothermal images extracted from the publicly available Utah FORGE End-of-Well Reports, accessible through the Geothermal Data Repository. The annotations, dataset splits, and trained models generated in this study are available from the corresponding author upon reasonable request.
Lähdetietokantojen tunnukset
WoS -tunniste
WOS:001874799700001
Scopus -tunniste
2-s2.0-105049630584