陳芳

摘要：在煤礦傳統(tǒng)的現(xiàn)場安全管理中存在反應(yīng)速度慢、跟蹤處理不及時，對環(huán)境、設(shè)備、人員的隱患和違章的處理不精準(zhǔn)等問題，本文試圖利用AI技術(shù)構(gòu)建礦井智能監(jiān)控和安全保障分析平臺，對礦井各個區(qū)域的安全生產(chǎn)過程進(jìn)行智能識別，旨在實現(xiàn)礦井安全實時跟蹤分析、科學(xué)預(yù)警、數(shù)據(jù)深度分析、智能化決策和安全信息智能化互聯(lián)互通。

Abstract： In the traditional field safety management of coal mine， there are some problems， such as slow response speed， untimely tracking processing， and inaccurate handling of hidden dangers and violations of the environment， equipment， personnel， etc.， this paper attempts to use AI technology to build an intelligent monitoring and security analysis platform for the intelligent identification of the safety production process in each area of the mine， aiming to realize the real-time tracking and analysis of mine safety， scientific early warning， data in-depth analysis， intelligent decision-making and intelligent interconnection of security information.

關(guān)鍵詞：煤礦;安全管理;智能預(yù)警

Key words： coal mine;safety management;intelligent early warning

中圖分類號：X936? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2020）32-0187-03

0? 引言

近年來云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、人工智能等先進(jìn)技術(shù)飛躍發(fā)展，但在煤礦現(xiàn)場安全管理中，仍然依賴人的經(jīng)驗進(jìn)行現(xiàn)場管控，“腿到、眼到、腦到”的傳統(tǒng)管理方式效率低、投入人力大、成本高。為加快推進(jìn)煤炭行業(yè)供給側(cè)結(jié)構(gòu)性改革，推動智能化技術(shù)與煤炭產(chǎn)業(yè)融合發(fā)展，提升煤礦安全生產(chǎn)水平，推進(jìn)企業(yè)安全生產(chǎn)由被動接受監(jiān)管向主動加強(qiáng)管理轉(zhuǎn)變，推動企業(yè)安全管理智能化、現(xiàn)場管理可視化，強(qiáng)化企業(yè)落實安全生產(chǎn)主體責(zé)任、提升安全生產(chǎn)綜合治理能力，全面提升企業(yè)本質(zhì)安全水平，“煤礦安全管理智能化預(yù)警平臺”項目建設(shè)勢在必行。

目前，眾多現(xiàn)代化礦井，井下作業(yè)人員眾多、開采地質(zhì)條件復(fù)雜、工作面煤層和圍巖應(yīng)力變化大、裝備體積、功率和系統(tǒng)復(fù)雜性大幅提高、控制系統(tǒng)運(yùn)行不穩(wěn)定、信息交流不協(xié)調(diào)等問題突出，嚴(yán)重制約了礦井安全生產(chǎn)與環(huán)保工作發(fā)展。因此，本文旨在通過以智能化視頻為分析，以人員定位、安全監(jiān)測、頂板壓力監(jiān)測等系統(tǒng)數(shù)據(jù)采集為基礎(chǔ)，通過利用FusionCube邊緣數(shù)據(jù)計算、存儲和處理的能力，對全礦井安全生產(chǎn)過程進(jìn)行智能識別，實現(xiàn)井下傳感數(shù)據(jù)、探水作業(yè)、違規(guī)作業(yè)等環(huán)節(jié)實時監(jiān)控與AI計算分析。本文的研究將對提升煤礦裝備信息獲取能力、安全保障能力，探索符合新形勢、新時期煤炭特色的發(fā)展模式、行業(yè)標(biāo)準(zhǔn)和服務(wù)平臺;建設(shè)可視化、智慧化的建設(shè)遠(yuǎn)程執(zhí)法管理模式具有指導(dǎo)意義。

1? 研究技術(shù)路線

調(diào)研→總體方案設(shè)計→總體方案論證→分系統(tǒng)設(shè)計→分系統(tǒng)方案優(yōu)化→AI和業(yè)務(wù)系統(tǒng)開發(fā)→系統(tǒng)整合→實驗室測試調(diào)整→現(xiàn)場部署→測試調(diào)整→驗收。

1.1 調(diào)研、總體方案設(shè)計、總體方案論證

到煤礦井下現(xiàn)場實地考察，充分了解國內(nèi)外的有關(guān)技術(shù)發(fā)展水平，為整體方案設(shè)計提供依據(jù)和參考。根據(jù)煤礦現(xiàn)場攝像頭和網(wǎng)絡(luò)部署情況以及攝像頭性能，設(shè)計整體方案，確定總的工作目標(biāo)，總的實施步驟和方法。

1.2 分系統(tǒng)設(shè)計、分系統(tǒng)方案優(yōu)化

智能預(yù)警系統(tǒng)從層級上分為基礎(chǔ)設(shè)備層、采集層、算法層、應(yīng)用服務(wù)層。算法層由綜采傳感器監(jiān)測設(shè)備位置同步類，綜采工作面擅自移動、移除、更換回風(fēng)隅角傳感器監(jiān)測設(shè)備類，炮掘進(jìn)工作面施工時前探梁計數(shù)監(jiān)測，炮掘工作面未安裝前探梁違章空頂作業(yè)四類監(jiān)測算法構(gòu)成。業(yè)務(wù)層分視頻設(shè)備適配服務(wù)、采集服務(wù)、存儲服務(wù)、消息服務(wù)、算法分析服務(wù)、告警服務(wù)模塊。采用理論計算、實驗室試驗、數(shù)值模擬仿真、經(jīng)驗類比分析、技術(shù)經(jīng)濟(jì)對比分析等方法驗證各分系統(tǒng)方案的可行性和可靠性，實現(xiàn)系統(tǒng)最優(yōu)。系統(tǒng)總體設(shè)計見圖1。

2? 智能預(yù)警體系的主要研究內(nèi)容

2.1 智能監(jiān)察安全管控理論與應(yīng)用研究

迄今為止，礦井現(xiàn)場智能監(jiān)控安全管理在很大程度上仍為基于規(guī)范和經(jīng)驗的專業(yè)工作。即使在初步實現(xiàn)了智能監(jiān)察可視化之后，煤礦安全技術(shù)人員在規(guī)范和經(jīng)驗基礎(chǔ)上形成的“專業(yè)直覺”仍將在日常及應(yīng)急安全管理中占有不可替代的重要地位。與此同時，在肯定煤礦安全管理中“經(jīng)驗”重要作用的同時，也必須清醒地看到，缺乏有效信息強(qiáng)力支持的直覺管理難度極大，費工費時，弊端明顯，難以實現(xiàn)優(yōu)化應(yīng)對，甚至有可能造成決策失誤，因而有必要跟進(jìn)信息化技術(shù)的飛速發(fā)展，充分利用智能化、智慧化技術(shù)的最新成果，有效提升礦井煤礦安全監(jiān)測監(jiān)控管理的科學(xué)性與實效性。

2.2 智能監(jiān)察系統(tǒng)核心計算能力建設(shè)與“中樞神經(jīng)”構(gòu)建

在科學(xué)的計算分析模型基礎(chǔ)上構(gòu)建礦井智能場景的判斷、決策與統(tǒng)調(diào)能力，形成統(tǒng)管礦井業(yè)務(wù)場景安全監(jiān)控、分析、優(yōu)化、管理的“神經(jīng)中樞”，即智能化中央處理單元，實現(xiàn)以智能決策及智能化決策輔助為重要特征的智能監(jiān)察管理。

2.3 智能監(jiān)察系統(tǒng)業(yè)務(wù)場景及狀態(tài)模型的構(gòu)建

根據(jù)煤礦現(xiàn)有的監(jiān)察制度設(shè)計本系統(tǒng)監(jiān)察機(jī)制，針對煤礦網(wǎng)絡(luò)環(huán)境和視頻設(shè)備設(shè)計合理系統(tǒng)架構(gòu);收集綜采工作面?zhèn)鞲衅鞅O(jiān)測設(shè)備位置同步類，綜采工作面擅自移動、移除、更換傳感器檢測設(shè)備類，炮掘進(jìn)工作面施工時前探梁計數(shù)，炮掘工作面未安裝前探梁違章空頂作業(yè)的視頻，建立業(yè)務(wù)場景下的模型和異常狀態(tài)模型并進(jìn)行分類和標(biāo)識然后建立對應(yīng)的標(biāo)準(zhǔn)庫;使用人工智能技術(shù)對井下安全生產(chǎn)視頻進(jìn)行計算分析。

2.3.1 綜采工作面回風(fēng)隅角傳感器監(jiān)測設(shè)備位置同步識別（見圖2）

科學(xué)分析煤礦綜采工作面回風(fēng)隅角傳感器監(jiān)測設(shè)備安全需求，針對傳感器監(jiān)測設(shè)備存在位置安放不準(zhǔn)確，以及在割煤時沒有與液壓支架設(shè)備同步位移影響安全生產(chǎn)的問題，建立綜采工作面回風(fēng)隅角傳感器監(jiān)測設(shè)備位置模型，完成識別及監(jiān)察工作。

①傳感器監(jiān)測設(shè)備位置同步監(jiān)控視頻分析。

準(zhǔn)確判定設(shè)備是否隨著傳感器監(jiān)測設(shè)備同步移動。通過傳感器監(jiān)測設(shè)備圖像切割、圖像相對大小計算、錨定物比較、三維重建等手段判斷出傳感器監(jiān)測設(shè)備的絕對高度與其和監(jiān)測攝像頭的相對距離。圖像切割有邊緣監(jiān)測、閾值切割等算法，能快速從圖像中勾選出傳感器監(jiān)測設(shè)備的輪廓;通過其尺寸與實際大小做比例計算，可得到傳感器監(jiān)測設(shè)備離上隔板和上邦的相對距離;通過圖大小與正常情況的錨定圖像比例計算傳感器監(jiān)測設(shè)備與監(jiān)測攝像頭的距離是否發(fā)生較大變化，判斷傳感器監(jiān)測設(shè)備是否與液壓支架設(shè)備同步。最終實現(xiàn)識別率99%。相對位置判斷錯誤不超過10cm。

②傳感器監(jiān)測設(shè)備位置同步類技術(shù)參數(shù)優(yōu)化設(shè)計。

在生產(chǎn)環(huán)境運(yùn)行異物識別模塊，通過工作人員對識別判斷結(jié)果進(jìn)行評判，獲取新的數(shù)據(jù)。基于人工智能神經(jīng)網(wǎng)絡(luò)相關(guān)技術(shù)建立多層神經(jīng)網(wǎng)絡(luò)模型，使用新的數(shù)據(jù)對模型進(jìn)行訓(xùn)練，調(diào)整模型相關(guān)參數(shù)，提高識別準(zhǔn)確率，最終實現(xiàn)識別率99%。相對位置判斷錯誤不超過10cm。

2.3.2 擅自移動、移除、更換傳感器監(jiān)測設(shè)備類（見圖3）

針對傳感器監(jiān)測設(shè)施存在被人為移動、移除、更換等情況，建立綜采工作面回風(fēng)隅角傳感器監(jiān)測設(shè)施位置模型，完成識別及監(jiān)察工作。通過全景攝像頭對上回風(fēng)隅角周圍的情況進(jìn)行圖像識別，判斷區(qū)域內(nèi)是否有壓風(fēng)等干擾氣流的設(shè)備;同時，密切關(guān)注傳感器的數(shù)字變化頻率，視其上下99%分位數(shù)之間的變化頻率為正常區(qū)間。

通過與系統(tǒng)業(yè)務(wù)流進(jìn)行關(guān)聯(lián)，觸發(fā)算法分析的瞬時判斷結(jié)合業(yè)務(wù)狀態(tài)，建立持續(xù)性數(shù)據(jù)分析結(jié)果獲取，綜合過程中數(shù)據(jù)，最終獲得時間流的信息，判斷在規(guī)定時間內(nèi)（暫定10分鐘）移動監(jiān)測設(shè)備是否正常。若當(dāng)監(jiān)測攝像頭超過10分鐘未能捕捉到傳感器圖像，視為異常移動監(jiān)測設(shè)備的行為。

2.3.3 炮掘進(jìn)工作面前探梁計數(shù)（見圖4）

通過對棗泉煤礦炮掘工作面和工藝流程的實地調(diào)研，結(jié)合安全生產(chǎn)規(guī)范，建立安全生產(chǎn)算法模型，對炮掘工作面視頻進(jìn)行分析計算，通過現(xiàn)場情況，可配置識別數(shù)量的要求，達(dá)到炮掘工作面未安裝或安裝前探梁數(shù)量不符合規(guī)定的情況發(fā)生。通過ResNet，Inception V4等的圖像識別模型，可以準(zhǔn)確從監(jiān)測視頻中找到前探梁，通過前探梁與錨定物比較，進(jìn)一步確認(rèn)識別物為前探梁。對視頻幀中識別到的前探梁計數(shù)，去除重復(fù)識別區(qū)域，獲取前探梁真實數(shù)量，識別準(zhǔn)確率超過99%。當(dāng)前探梁數(shù)目較多，可通過CSRNet，直接估計前探梁數(shù)量。

2.3.4 炮掘進(jìn)工作面無臨時支護(hù)進(jìn)行空頂違章作業(yè)（見圖5）

在炮掘工作面施工中，確保作業(yè)人員在支護(hù)完好區(qū)域施工，使用活體檢測算法、人臉識別算法，在該區(qū)域建立監(jiān)控區(qū)，同時對人員施工進(jìn)行人員確認(rèn)，實現(xiàn)禁區(qū)施工作業(yè)監(jiān)察及報警同時關(guān)聯(lián)施工作業(yè)人員，實時知道作業(yè)人員信息。通過算法設(shè)置防區(qū)，及人員信息核定，獲取監(jiān)控畫面中施工作業(yè)人員信息，同時判斷是否在支護(hù)完好區(qū)域進(jìn)行作業(yè)。通過Fast-RCNN，YOLO等算法，可快速對監(jiān)測畫面中的人體、區(qū)域進(jìn)行識別。

3? 結(jié)語

傳統(tǒng)安全管理依靠人員經(jīng)驗、人海戰(zhàn)術(shù)，投入大量人力物力，存在反應(yīng)速度慢、跟蹤處理不及時等問題，對環(huán)境、設(shè)備、人員的隱患和違章的處理不精準(zhǔn)，導(dǎo)致效率低，風(fēng)險消除緩慢，無法滿足安全、綠色、高效礦井建設(shè)需求。通過構(gòu)建基于智能視頻分析的智能預(yù)警體系，可以有效降低對人員經(jīng)驗、人工檢查、人海戰(zhàn)術(shù)的依賴，同時利用視頻分析的24小時運(yùn)行，有效提升安全管理效率，降低事故發(fā)生幾率，且具有較高的推廣價值和實用價值。

參考文獻(xiàn)：

[1]田國文.視頻監(jiān)控系統(tǒng)在煤炭安全生產(chǎn)中的智能化應(yīng)用[C]//煤礦自動化與信息化——第28屆全國煤礦自動化與信息化學(xué)術(shù)會議暨第9屆中國煤礦信息化與自動化高層論壇論文集.2019.

[2]王學(xué)琛，郭昕曜，李墨瀟，等.基于物聯(lián)網(wǎng)的煤礦安全風(fēng)險預(yù)警平臺的研究及應(yīng)用[J].武漢理工大學(xué)學(xué)報（信息與管理工程版），2016（6）.

[3]郭佳，楊洋.基于遠(yuǎn)程監(jiān)測模式的煤礦安全生產(chǎn)預(yù)警系統(tǒng)研究[J].中國煤炭，2007，033（009）：69-71.

[4]李世波.煤礦事故預(yù)警管理的探索與應(yīng)用[J].中國煤炭，2011（06）：120-122，134.

[5]王其軍，程久龍.人工智能及其在煤礦安全技術(shù)中的應(yīng)用探討[J].礦業(yè)安全與環(huán)保，2005.