陕西陕煤韩城矿业有限公司桑树坪二号井 陕西 渭南 715400
摘要:传统煤矿工业电视监视系统主要完成现场实时图像的采集、传输、存储、显示等功能,而随着煤矿智能化建设的不断推进,智能视频在煤矿安全监管监察和调度方面得到了越来越多的应用。智能视频监控系统除具备传统视频监视系统的功能外,还具有图像处理分析、报警触发、报警联动控制等功能。它依托AI人工智能实时分析,实现全程智能化运行,通过多维度、多角度的视频识别、分析及统计,及时发现隐患并提醒相关人员,保障煤矿安全生产制度落实,降低煤矿安全事故,从而为实现煤矿自动化的无人值守提供必要的条件。
关键词:煤矿开采;视频监控技术;安全生产
引言
煤矿打钻工程是瓦斯、冲击地压治理,探放水的关键环节之一,如何监管实际打钻进尺使其与设计一致同时考虑数据传输在地面远端进行监管,一直是困扰钻场管理的主要问题。本文提出了通过智能视频监控煤矿各采煤、掘进工作面、钻场工作面的现场情况能够有效预防煤矿突出事故,保障煤矿井下作业人员的人身安全。
1煤矿井下数字视频监控技术概述
随着科学技术的发展,数字矿山正在抓紧建设中。在数字矿山建设过程中,最重要的就是视频监控技术的应用。通过对煤矿井下关键的位置进行视频监控,从而实现矿山数字化。煤矿数字视频监控系统可以分为地面部分和井下部分。地面部分主要监测煤矿地面的一些生产情况,由于地面的情况比较简单,对选用的设备要求比较低。而井下部分主要是监测井下的一些生产情况,相对比较复杂,对选用的设备要求比较高。考虑到安全性,井下的设备都采用了本安型。为了便于进行视频信号的传输,可以采用无线摄像机。在进行地面与井下通信时,采用了光纤,极大地保证了数据传输的实时性。此外,数字视频监控技术的主要作用是在地面了解煤矿井下的一些情况,这有助于做出一些决策。例如:在发现工人出现违规操作时,可以及时地进行纠正,还可以进行取证予以罚款。在实际生产过程中,数字视频监控系统还要根据监控对象的不同做出相应的调整。随着计算机视觉技术的发展,可以利用一些图像处理技术来自动地对一些突发状况进行识别,这有助于保证煤矿开采的安全性。数字视频监控系统监测的对象不同,实现的功能也不同。
2煤矿智能视频应用现状
针对不同的煤矿井下视频分析需求,开发了较多的实际场景应用,但目前视频应用刚起步,还存在一定的局限。(1)井下设备环境适用性不好。不同作业环境场景对视频感知设备的可维护性、适用性、防护性能、接口类型等要求不同,目前的视频设备对于特殊环境的维护性不好,视频分析效果不佳。如在采掘工作面,环境中水汽灰尘较大,摄像仪镜头易受污染,严重影响视频成像效果,还需要依靠人工进行清洁维护。(2)视频分析算法通用性差、准确率低。通过上述智能视频主要应用场景分析,煤矿井下应用场景及需求多样,获取样本数据有限,特别是设备出现故障时的异常样本数据更难获取,已有的智能视频分析算法识别准确率和精度不高,不同矿井作业场景适应性差,识别算法通用性不好。即使是同样的识别算法,不同的应用环境也存在不适用的问题,还需重新提交样本集进行针对性训练。这也导致了大部分应用场景在识别到报警事件后只起到了报警提示作用,后续报警联动控制功能未真正启用。
3智能视频在煤矿安全监控方面的应用
3.1巷道变形监测
在煤矿井下生产中,巷道是一种重要的设施。为了保证巷道使用的安全性,需要对巷道的变形量进行监测。在现场已经采用顶板离层仪对锚杆的应力进行实时监测。但是顶板离层仪监控的范围十分有限,存在一定的死角,而且只能监测支护体是否出现失效的情况,这不利于对巷道变形的有效监测。为此,现在很多煤矿在巷道的顶板上安装了视频监控设备。通过煤矿安全数字视频监控系统,工程师可以在井上实时查看巷道表面的破坏情况,例如表面出现的裂纹、脱皮、凸起以及漏水等。及时地发现这些问题并进行处理,可以有效地避免由于巷道局部破坏而引起的巷道大面积破坏情况。对于顶板出现的破碎情况,可以及时地进行清理,避免冒顶引起的人员伤亡事故。
3.2视频AI识别的煤矿胶带运输智能控制系统
煤矿利用视频AI分析技术,对主煤流运输系统的皮带煤量、异物、堆煤及跑偏进行识别和分析,对实时煤量进行识别,进行智能调速和运量统计,对危险区域闯入、皮带轴承及滚筒超温进行监测,实现全煤流管控区域的视频检测、隐患的智能报警闭锁,提高系统响应速度,提升煤矿安全智能化管理水平。系统将视频识别分析、工业联动控制等功能集成为一体,利用矿用本安型图像处理摄像仪、AI控制主机、远程控制设备等组成一个智能化、多功能、全天候的动态视频智能识别系统。通过将机器视觉分析识别与工业控制相结合,实现对矿井环境及物品(设备)状态等的识别,并能联动煤矿井下运输皮带等主要生产设备进行自动保护停机、智能调速控制等。此外,系统可以精确识别皮带的煤量变化,统计皮带的实时运煤量,对皮带进行精准调速,减少设备磨损并能够降低能耗。
3.3矿井人员监测
为提高煤矿安全生产监督能力,将煤矿安全管理由事后追责变为事前预警,需要对工作人员的不安全行为、重点区域人员入侵等现象进行准确识别,从而对这些异常行为进行及时预警,这对于减少事故的发生起着重要作用。为了对矿工不安全行为进行识别,仝泽友提出了一种双层光流运动历史图检测方法,引入了高斯金字塔,利用空间梯度对矿工运动信息进行获取,采用深层迁移学习方法实现对矿工行为识别模型的训练,满足了皮带区矿工不安全行为检测的需要。在YOLOv3模型的基础上融入了注意力机制,设计了一种提取特征能力更强、参数更少的轻量化网络,具有较快的检测速度。针对由于标注数据样本不足导致网络模型性能下降的问题,赵亮设计的深度神经网络提取并融合图像显著特征,实现了基于弱监督深度学习的选煤生产过程不安全行为检测。将注意力机制引入到YOLOv4-tiny网络中,采用局部跨信道交互策略和自适应选择一维卷积核大小的方法,从而提高了轻量型网络的检测性能。石永恒等对自建安全帽数据集进行预处理后,使用YOLOv3模型进行训练,获得一个较稳定的模型,能够对矿井作业人员是否佩戴安全帽进行有效检测,检测精度以及检测速度均能满足实际的需求。为防止煤矿作业人员吸入过量粉尘而导致职业性尘肺病的情况,将YOLOv4算法、MTCNN和FaceNet构成的人脸识别算法相结合,对煤矿工人佩戴防尘口罩情况进行检测,验证了该方法的适用性和有效性。
结束语
随着煤矿智能化建设的逐步落地,AI视觉识别作为智能化建设的一个重要组成部分,越来越被煤矿企业重视,其模拟人的神经网络映射特征和信息传递特点进行AI视觉识别,能够完全实现人员行为、设备状态的各种场景识别,及时发现违规行为,设备事故等,帮助煤矿企业发现问题、消除隐患,保障煤矿安全生产,是创建智慧煤矿重要的重要技术手段。
参考文献
[1]许志,李敬兆,张传江,姚磊,王继伟.轻量化CNN及其在煤矿智能视频监控中的应用[J].工矿自动化,2020,46(12):13-19.
[2]叶群.浅谈智能视频监控技术在煤矿安全生产中的应用[J].电脑知识与技术,2020,16(15):241-242.
[3]李阳阳.煤矿安全自动智能视频系统的设计与应用[J].机械管理开发,2020,35(03):183-185.
[4]褚颢.利用煤矿智能视频监控自动化系统提高生产质量[J].中国石油和化工标准与质量,2019,39(14):28-29.
[5]许风志.煤矿井下视频运动目标的检测与识别研究[D].西安科技大学,2019.
作者姓名:李永红,1987.4--,男,汉,陕西韩城人,2012年6月毕业于济南大学,材料科学与工程专业,本科学历,助理工程师职称;现在陕西陕煤韩城矿业有限公司桑树坪二号井,从事煤矿安全监察管理工作。
工作单位:陕西陕煤韩城矿业有限公司桑树坪二号井
研究方向:安全管理
单位邮编:715400