首页 > 论文范文 > 工程工业论文 > 工程综合论文 > 矿业工程论文 > 浅析煤矿安全监控方面智能视频的应用效果

浅析煤矿安全监控方面智能视频的应用效果

2022-06-29 159 上传者：管理员

摘要：基于煤矿视频监控智能化的应用需求，提出了智能视频监控系统的架构及组成，分析了智能视频“云－边－端”协同架构的算法实现，总结了智能视频前端及后端实现方式及发展趋势，并对目前主流的智能视频应用场景进行了应用汇总，提出了存在问题及解决对策。

关键词：
“云－边－端”协同
前端分析
后端分析
煤矿智能视频
视频应用
加入收藏

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[1,2]。

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。

1、智能视频监控系统架构及组成

该系统包括前端图像采集设备、前端智能分析设备、传输网络、监控中心设备、后端智能分析设备、视频综合管控软件等部分，硬件上提供了视频接入和拓展接口，软件提供了图像的采集、存储、显示、分析、控制等功能。系统主要组成如图1所示。

前端采集设备包括各类型视频采集设备，包含隔爆摄像仪、本安摄像仪、本安球机、本安热像仪、智能摄像仪、多目拼接摄像仪、车载摄像仪、便携摄像仪等，其中智能摄像仪具备一定的智能分析功能，可自主完成视频的智能分析，并输出分析结果。前端智能分析设备为井下视频分析边缘服务器，实现井下视频接入和高实时性视频算法解析，提供了开关量、RS485、以太网等通信网络接口。

传输网络为煤矿工业以太光纤环网，提供满足摄像仪接入和视频信号实时传输的网络通道。

地面监控中心设备为中心管理及流媒体服务器、存储服务器或NVR硬盘录像机等，主要包括中心服务模块、存储服务模块、流媒体服务模块、电视墙服务模块、报警服务模块、配置客户端模块及操作客户端模块。

后端智能分析设备为智能分析服务器集成高性能GPU模块，可运行多项深度学习算法，集IPC接入、存储、管理、控制、智能分析于一体。

视频综合管控软件用于管理现场安装的视频监控设备，用于摄像仪添加、修改、布防项选择、报警语音配置、实时图像展示、报警事件推送、录像查询等智能视频管理功能以及智能化视频应用。

2、智能视频实现及应用分析

2.1 视频识别算法实现

智能视频识别的核心在于识别算法，通过收集大量样本数据，制作标签区分不同的状态，并通过反向传播不断迭代优化模型，最终达到收敛，形成神经网络模型。训练数据集的数量及质量是识别算法准确率的保障。为提高识别算法的准确率，需要根据不同的现场安装环境及使用场景，补充完善训练样本集，对识别算法进行持续优化训练。

由于在模型训练时需要大运算量硬件支持，所以模型训练一般在云端数据中心上完成。云端数据中心一般由专用AI服务器硬件和训练平台软件组成，是系统的中心管理节点，也是边缘计算的管控端。云端数据中心负责进行大量样本数据的采集、管理、标注等，然后对标注完成的数据进行训练，形成更新迭代的新模型，训练好的模型运行于边缘计算设备，如井下前端智能摄像仪、智能分析主机设备、地面视频分析服务器等。其前端设备为普通摄像仪，实现图像样本数据的采集感知。由此形成的“云-边-端”协同的系统架构，实现了样本数据持续增量上传，云端持续优化训练识别模型，新模型运行于边端验证准确率，保证了视频识别模型的完整闭环管理。“云-边-端”协同的系统架构如图2所示。

2.2 智能视频前端及后端实现方式对比

从智能视频分析算法运行设备所处位置分类，可分为前端实现与后端实现。

(1）前端实现方式。前端实现是指视频分析任务由前端智能摄像仪设备或智能分析主机设备就地完成。前端实现方式的优势在于视频信号无需通过网络传输，分析实时性较高。但受限于井下设备功耗及重量限制，前端设备计算能力有限，无法完成大型分析任务。

(2）后端实现方式。后端实现是指视频分析任务由地面视频分析服务器或云计算服务器完成。地面设备无功耗等条件限制，可运行大运算量的分析任务。但视频信号需要通过工业网络传输至地面分析，并且分析结果还要重新下发，存在一定的滞后性，实时性无法保证。

随着科技的不断发展进步，高算力、低功耗计算芯片也有突破性进展：如瑞芯微电子RV1126处理器芯片采用低功耗设计，内置2T算力NPU，最大功耗不超过2W，适合矿用本安型智能摄像仪产品使用。英伟达JetsonXavierNX系列硬件平台，其GPU最大支持21TOPS算力，最大功率为15W，可设计为矿用本安型或隔爆型分析主机设备[3]。前端视频分析因其高实时性的响应速度，将作为主要发展方向，得到越来越多的应用。

2.3 智能视频主要应用场景

从应用场景分类，煤矿智能视频主要应用于人员行为、设备状态、环境参数识别等3个大类。

(1）人员行为智能识别。人员安全行为是矿井安全高效运行的重要保障，目前通过智能视频分析完成了井下人员“三违”识别、标准化作业规范识别、危险区域人员入侵、人员违规穿越皮带及坐人识别、人脸识别、人数统计、追赶猴车识别、人员离岗、安全帽检测、吸烟检测、坐猴车检测、人员滞留、人员静止等各种场景的识别[4]。

(2）设备状态智能识别。主要应用于胶带运输机状态、矿车超挂、车辆计数、矿车顶风门、井底落煤堆煤、操作台放置杂物、设备启动运行、机械表读数、提升机收尾绳检测等场景。其中胶带运输机状态为目前应用广泛的场景，主要包括堆煤识别、皮带跑偏识别、皮带调速、煤量统计、皮带异物（大块、锚杆、水煤）识别、带面损伤检测、皮带自动张紧、超温、皮带启停等。

(3）环境参数智能识别。主要包括矿井突水水源识别、矿井水位标尺刻度识别、顶板垮落、火光、烟雾识别、信号灯识别、液压支架护帮状态等场景应用[5]。

上述识别场景在识别到异常情况后，系统能及时报警、抓拍照片、进行录像、记录日志，现场报警器语音报警提醒、联动控制输出等，同时还可与现场广播系统、自动化控制等系统联动，实现安全隐患监测异常自动锁定、识别与报警。

3、煤矿智能视频应用现状及发展对策

3.1 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。

3.2 发展对策

针对上述煤矿视频分析存在的局限，对后续的发展对策进行了总结。

一方面，前端图像感知设备还需要在维护性、补光措施、外壳防护性、工业设计精致化等方面进行不断改进提升，以适应煤矿井下复杂多变的应用环境，提高成像质量。而高质量的图像采集，是视频分析准确率的先决条件。

另一方面，借助云数据中心的数据管理等功能，通过不断扩大数据样本集，针对不同应用场合进行针对性的增强对抗训练等方式，不断提升视频识别算法准确率及通用性，减少误报、漏报情况的发生，使分析结果真正参与到决策控制中。

4、结语

随着煤矿智能化建设的不断推进，智能视频分析技术在多个监控场景中得到了应用，并取得了一定的应用效果。但同样也存在视频采集设备可维护性不好、成像质量不高、识别准确率无法保证等问题，还需要继续在设备环境适用性、成像效果、分析准确率等方面进行持续改进提升，使得分析结果真正起到决策控制作用。

参考文献:

[1]张立亚.矿山智能视频分析与预警系统研究[J].工矿自动化,2017,43(11):16-20.

[2]李敬兆,秦晓伟,汪磊:基于边云协同框架的煤矿井下实时视频处理系统[J].工矿自动化,2021,47(12):1-7.

[3]沈科,季亮,张袁浩,等.基于改进YOLOv5s模型的煤矸目标检测[J].工矿自动化,2021,47(11):107-111.

[4]杨景峰.基于AI视频识别技术的井下规范操作监控系统设计[J].陕西煤炭,2021,40(1):4-8.

[5]贵州省能源局.贵州省智能煤矿建设指引(试行)[EB/OL].2020-12-18/2021-12-25.