张瑞庭
(国家矿山安全监察局黑龙江局，黑龙江 哈尔滨 150007)
为贯彻落实党中央、国务院关于加强安全生产工作的决策部署，加快建立全国性的安全隐患排查治理体系和风险预防控制体系，完善煤矿行业各级安全监管部门的信息化手段。本文立足突出煤矿企业主体责任，强化监管、监察、执法的精准性、有效性，遏制重特大事故的发生，着力提升煤矿安全风险分级管控和事故预测预警能力，提升煤矿行业企业的动态监管和风险防控能力水平[1-3]，利用人工智能和机器学习技术，不断积累优化模型知识库，对煤矿风险进行迭代和推理，构建了符合煤矿安全风险指标体系和风险预警模型[4，5]；
针对不同煤矿的特点，构建了自适应的煤矿风险预警分析模型，自主动态评估煤矿风险[6]；
利用AI视频分析技术对井上、井下诸多工作场景进行智能监控，自动发现隐患并报警，有效提高海量视频大数据的使用价值[7-9]，同时利用数据及AI手段对安全隐患进行管理，防患未然。
1.1 开发平台架构
煤矿智能视频预警系统开发平台架构遵循J2EE或.NET技术规范，采用分层设计，应用支持层能为上层应用提供全面有效的基础功能服务，如图1所示。系统B/S结构遵循通用Web浏览器规范，支持HTML、DHTML等通用的浏览器标准。系统按照高内聚低祸合原则进行模块化、组件化开发设计，模块间提供相应接口；
系统主要对象属性提供参数化配置，架构具有较强的功能扩展性[10，11]。
开发平台采用MVC架构，实现业务定义与业务实现的剥离，各模块之间统一接口进行交互，快速实现业务切换。接口针对不同具体业务编写不同的实现类，且对其他模块的影响和波及最小，实现松耦合[12]、高内聚的目标。应用系统的集成通过单点登录系统和综合门户来统一实现。
1.2 业务应用架构
煤矿智能视频预警系统业务应用架构主要包含基础服务层、GIS服务层、智能算法服务层、业务基础数据服务层、用户权限管理、业务应用层管理五个部分，如图2所示。基础服务层，具有平台消息、任务调度、日志等基本服务管理等能力；
GIS服务层，主要通过GIS平台，提供基于二维GIS的图层图纸、区域绑点、实时数据接入等服务能力，实现基于GIS服务的缩放聚合、图层切换、实时数据查询等业务应用；
智能算法服务层，主要基于图像处理、深度学习等人工智能技术实现烟火、安全帽佩戴、胶带跑偏、轨道站人、胶带空载识别等异常状态的识别，并将识别结果发送至业务应用层；
业务基础数据服务层主要包括视频监控、人员定位的数据接入[13-15]，并提供语音广播系统的接入接口，地质图纸资源统一汇总管理，为联动分析提供服务能力；
用户权限管理主要实现矿区不同层级组织机构用户分配不同系统角色权限；
业务应用层管理主要实现数据推送、预测防控。
2.1 预警分析指标体系
煤矿安全生产风险指标体系是建立企业和行业两个层次的安全生产风险分析模型，分别为煤矿企业风险分析模型和煤矿行业风险分析模型，针对各层次的安全生产风险分析模型建立相应的风险指标体系、风险分析评估模型[16-18]。
风险预警分析模型通过建立安全、有效的风险信息发布能力的风险预警发布系统，同时具有发布信息录入、审批、发布渠道管理和接入认证、发布、反馈等主要功能。风险预警发布系统的构成主要包含预警信息发布系统、预警发布反馈评估系统、预警一张图系统的建设三个方面。
2.2 预警与防控方法
建设政府端煤矿企业风险预警与防控系统。该系统可以实现煤矿区域安全风险分级评判与预警、安全风险预警信息展现、安全风险预警信息发布等功能，便于政府部门进行管理，并实现与省煤矿安全监察综合信息平台、国家级风险预警与防控系统数据共享交换。
建设企业端煤矿企业风险预警与防控系统。利用煤矿已有的硬件环境，同时根据实际情况配备相应软硬件设备，采集煤矿企业静态、动态指标数据，通过煤矿风险指标体系和风险分析模型，实现以煤矿为最小单元“点”的预警与防控。
2.3 建立安全生产统一信息平台
以中心数据库、集团公司安全监测联网系统、OA系统、人力资源系统、计划统计系统、供应管理系统、营销管理系统、财务系统业务系统为支撑，采用“后台平台化，前台应用化，同类型用户功能聚合”的思路，建设面向集团公司领导、各业务部门、子公司、矿井四类用户的安全生产统一信息门户。
以视频图像数据为依托，综合各个信息源，GIS地图动态全景展示煤矿作业安全分布。GIS地图上可以标注矿井作业场景，并实时展示各个场景的负压值、温度值、一氧化碳浓度、甲烷含量、粉尘浓度等重要检测数据。GIS地图的报警模式主要依靠自动评估处置模型，当无报警时，GIS地图无监控视频展示；
当有报警事件发生时，系统自动进行语音提醒、GIS地图展示报警点、报警原因、报警级别、报警视频等报警信息，并且实现报警联动和监控查询功能。实时接收各个业务监控点上报的报警信息并进行相应的处理，实现报警信息接收、报警信息GIS呈现、报警信息推送、实时监控、报警历史查询等功能。
视频预警系统主要通过人工智能、计算视觉及深度学习技术，对视频图像中的物体及行为进行智能分析，根据不同场景，实现对煤矿井下7种煤矿常见严重“三违”隐患识别分析，实时发现井下作业人员的违章行为及其它安全隐患。
3.1 工作区规范佩戴安全帽
系统利用目前安装的矿用隔爆摄像仪，对矿井中各生产环境进行实时监控，通过计算机视觉、视频分析和人工智能技术，自动检测人员及车辆相关的各种异常行为并报警，进而降低矿井生产安全隐患。系统主机置于井上，井下环网将井下监控视频数据传输到井上进行集中分析处理，支持35路1080P的视频接入，以不减帧、降低分辨率、取子码流等方式进行实时智能分析。同时支持向下兼容对D1标清视频流的智能视频分析。
对工作区规范佩戴安全帽功能的实现主要基于深度学习的目YOLO系列目标检测方法，如图3所示。以YOLOv3-Darknet53作为基线，在此基础上进行了改进，生成YOLOX结构。所有组件全平台可部署，与检测的下游任务实现更深层次的结合，鲁棒性强。视频预警系统利用覆盖井上、井下生产环节的工业视频系统，对日常工作场景进行训练及建模、从而通过人工智能技术实时对监控场景进行视频分析，识别生产过程中的异常实体、行为及场景。
3.2 轨道站人识别
系统通过视频检测人员，并监测人员是否站在轨道上或行走在轨道中间。首先通过监控视频获取图像帧，划定轨道区域后，利用目标检测模型检测行人，并计算行人检测框与轨道区域的交并比，以及停留时长，根据预设的停留时间阈值及交并比阈值，确定行人是否站在轨道上停留，如果是则发出报警信号并推送给相关人员处理。
采用行人识别技术主要采用双流神经网络，通过两条路径分别提取视频行为的时空信息，而后采用恰当的方式进行融合，如图4所示。摄像头通过将监测到的轨道图像输入到Faster R-CNN行人识别网络中，通过该网络从而准确地识别出行人，在轨道区域设置警戒区域，也就是所谓阈值，当存在运动目标越过事先设置的警戒线进入警戒区域时，将报警信息传回至监控平台，并发出警报信息。
3.3 趴蹬运输车行为识别
系统可对井下运输车运输过程中的作业人员违规趴蹬运输车辆行为进行检测，若检测到趴蹬车行为，则立即发送报警，并将趴蹬运输车行为过程保存为视频，以供回放和查证，通过行为注意力机制和深度学习的方法实现相关功能。
采用I3D模型来实现趴蹬运输车行为识别技术，通过数据预处理、运动特征提取、行为归类等步骤可以有效提取到行人动作特征，如图5所示。通过数据预处理将与行为信息无关的图像内容去除，在数据预处理中主要包括的内容有图像去噪、背景去除等步骤；
通过运动特征提取从图像信息中提取出可以表征人体动态特点的信息，这些信息应能够在既表现人体动态的同时又能提供可以区分于其他不同种类行为的信息。最终，通过I3D模型可以有效地提取出行人行为模型，并通过推理模块判断是否有扒车行为。
3.4 重点岗位人员脱岗识别
系统可以对煤矿调度室等重点岗位进行人员检测，支持选定检测区域和设置要求分析人员是否在岗。当检测到人员离岗时长超过一定时长，则触发报警，并将脱岗行为过程保存为视频，以供回放和查证。首先划定岗位区域，然后采用目标检测模型实时检测识别岗位区域内是否有人在岗，当目标岗位检测到无人在岗时，开始统计脱岗时间，当脱岗时间大于一定阈值时，发送脱岗报警。
采用Faster RCNN网络、YOLO网络和SSD网络来实现重点岗位人员脱岗识别技术。该算法可以直接预测目标类别和边界框，针对不同大小的目标检测，可以实现对多个人的检测识别，通过相应真值的算法比较可以实现重点岗位人员脱岗识别。
3.5 胶带跑偏检测
系统通过在带式输送机胶带上方安装的隔爆型摄像仪，通过计算机视觉技术，检测运行中的带式输送机胶带运行状态，如有跑偏及时报警。系统通过地面主机接收井下视频数据进行集中处理和分析，一台主机能够同时对多路摄像头进行检测；
能检测并且识别检测胶带运行位置，检测到胶带运行位置偏离设定值，通过高亮的颜色显示，上位机平台立即显示报信息，并立即发出语音警报提醒值班人员进行核实和处理；
对检测到的胶带跑偏持截图存照或保存为视频数据，方便查证；
对检测到的胶带跑偏时间点存储到数据库，便于统计分析；
同时依托图像及人工智能技术，胶带跑偏检测结果准确，也便于后续更新改进。
采用HRNet网络来实现胶带跑偏检测功能，通过HRNet网络获得实时的胶带边缘，然后计算预测结果图中边缘中心线相对标签图中心线的偏移量，当偏移量波动超出某一阈值，视作传送带跑偏。
3.6 胶带空载检测
系统通过在带式输送机胶带上方安装的隔爆型摄像仪进而获取胶带实时运行情况，借助机器视觉技术检测运行中带式输送机胶带的空载状态并报警，通过地面主机接收井下视频数据进行集中处理和分析，一台主机能够同时对多路摄像头进行检测[19]；
同时系统还可以检测并且识别检测区域煤量的大小，如果检测到一段时间内煤量为零，通过高亮的颜色显示，上位机平台立即显示报信息，并立即发出语音警报提醒值班人员进行核实和处理；
同时对检测到的胶带空载支持截图存照或保存为视频数据，方便查证，对检测到的胶带空载时间点存储到数据库，便于统计分析。
采用SegNet网络实现胶带空载检测，如图6所示。SegNet网路中最后一个卷积层会输出胶带检测结果类别，空载和非空载，网络最后加上一个softmax层，由于是端到端，通过softmax求出所有每一个像素在所有类别最大的概率，最为该像素的标签，最终完成图像像素级别的分类，进而对胶带空载情况进行判别。
3.7 井下烟火检测
系统利用热成像识别技术对胶带、电机等工作环境进行实时温度检测，最大限度减少火灾隐患。系统通过地面主机接收视频数据进行集中处理和分析，检测到监控画面中出现温度过高时，上位机平台立即显示该报警信息，并立即发出语音警报提醒值班人员进行核实和处理。上位机平台可对温度过高报警信息进行即时处理以及在线查看回放视频，查询报警信息。
采用基于特征增强的图像分割方法PSPNet来对热成像图进行区域分割和增强，如图7所示。该模型提出的金字塔池化模块能够聚合不同区域的上下文信息，从而提高获取全局信息的能力。通过PSPNet输出烟火区域特征增强后的图像，上位机平台可对温度过高报警信息进行即时处理以及在线查看回放视频，查询报警信息。
1)以煤矿等高危行业企业风险预警与防控系统为切入点，构建煤矿智能视频预警系统，智能监控井上、井下诸多工作场景，自动发现隐患并报警，有效提高海量视频大数据的使用价值，利用人工智能和海量数据机器学习的视频分析技术，动态自动评估煤矿风险，提升安全隐患管理水平。
2)构建煤矿安全生产风险指标体系，并建立行业和企业两个层次的安全生产风险分析模型，以及相应的风险指标体系；
通过安全生产统一信息平台、预警一张图系统，实现预警信息发布、反馈、评估。
3)详细分析了煤矿井下7种典型智能视频预警的应用场景，通过GIS地图动态全景展示报警信息，并实现报警联动、监控查询、信息推送，实时监控，报警历史查询等功能，更加立体直观展示风险预警信息。
4)下一步将构建煤矿智能视频分析系统，通过海量数据的机器AI算法训练，有效挖掘风险防控、预警信息的海量数据潜在价值，进而分析应用更多典型场景。
猜你喜欢 胶带报警预警 预警型智能包装在食品安全中的应用和设计包装工程(2022年1期)2022-01-26超级秀场 大风预警意林原创版(2021年7期)2021-08-03纸胶带随身笔学苑创造·B版(2019年8期)2019-08-09有趣的胶带画幼儿教育·父母孩子版(2017年5期)2017-06-192015款奔驰E180车安全气囊报警汽车维护与修理(2016年10期)2016-07-102014款奥迪Q5车发动机OBD灯报警汽车维护与修理(2016年3期)2016-02-28死于密室的租住者小学生·多元智能大王(2015年3期)2015-05-25方便胶带中学科技(2015年2期)2015-04-282014款奔驰S65AMG车辅助蓄电池报警汽车维护与修理(2015年2期)2015-02-28预警个啥小说月刊(2014年11期)2014-04-18