CN111126192A - 一种基于深度学习煤矿井下物体状态识别*** - Google Patents
一种基于深度学习煤矿井下物体状态识别*** Download PDFInfo
- Publication number
- CN111126192A CN111126192A CN201911259670.4A CN201911259670A CN111126192A CN 111126192 A CN111126192 A CN 111126192A CN 201911259670 A CN201911259670 A CN 201911259670A CN 111126192 A CN111126192 A CN 111126192A
- Authority
- CN
- China
- Prior art keywords
- coal mine
- state
- training
- object state
- abnormal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 239000003245 coal Substances 0.000 title claims abstract description 54
- 238000013135 deep learning Methods 0.000 title claims abstract description 17
- 238000012549 training Methods 0.000 claims abstract description 54
- 230000002159 abnormal effect Effects 0.000 claims abstract description 39
- 239000000463 material Substances 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于深度学***台、算法模型、控制平台等，通过基于深度学***台，加载由矿井物体状态实例素材收集生成的训练数据集，对煤矿井下物体状态进行训练，得到算法模型后，通过控制平台或直接导入到AI摄像机或NVR，AI摄像机或NVR通过对实时视频流进行人工智能分析，识别出所训练的物体异常状态，将推理结果推送给控制平台，控制平台将物体异常推送给管理员，对物体异常状态进行审核，并与现场管理者进行通讯联络，确认异常状态已经得到妥善处理。本发明避免安全事故的发生。可对物体状态进行记录，并现场对物体状态进行警示，适用范围广。
Description
技术领域
本发明涉及一种基于深度学习煤矿井下物体状态识别***，属于人工智能领域。
背景技术
我国绝大多数煤矿具有地质条件复杂、开采难度大、灾害类型多、分布面广等特点，人的不安全行为和物的不安全状态等隐患众多，导致煤矿安全生产事故时有发生，致使人身伤亡。因煤矿井下点多面广环节多，现场安监员不可能面面俱到，也不可能24小时一刻不离地盯在某一地点，照成***盲点多、风险点多，煤矿安全管理成本增加。
发明内容
本发明的目的在于提供一种基于深度学习煤矿井下物体状态识别***，以解决上述背景技术中提出的问题。
为实现上述目的本发明采用以下技术方案：一种基于深度学***台（S3）、算法模型（S4）、控制平台（S5）、AI摄像机／NVR （S6）、异常信息审核（S7）、异常状态处理（S8）；AI训练平台（S3）是基于深度学***台，通过矿井物体状态实例素材收集（S1）收集煤矿井下物体状态，并生成训练数据集（S2）然后上传至AI训练平台（S3），AI训练平台（S3）通过加载训练数据集（S2）对煤矿井下物体状态素材进行分类训练，通过对煤矿井下物体状态素材的训练、校验，可以得到煤矿井下物体状态算法模型（S4）；
通过控制平台（S5）可以控制AI摄像机／NVR（S6）、发起物体异常信息审核（S7），可以读取AI摄像机／NVR（S6）实时视频流及录像，通过控制平台（S5）可以对算法模型迭代训练。
作为本发明进一步的方案，通过AI训练平台（S3）得到煤矿井下物体状态算法模型（S4），通过控制平台（S5）导入到AI摄像机／NVR（S6）或直接导入到AI摄像机／NVR（S6），使AI摄像机／NVR（S6）具备智能识别所训练煤矿井下物体状态的能力。
作为本发明进一步的方案，当AI摄像机／NVR（S6）智能识别到所训练煤矿井下物体状态异常，通过向控制平台（S5）推送推理结果，控制平台（S5）收到推理结果，将物体状态异常信息推送给管理员进行物体状态异常信息审核（S7），管理员与现场管理者进行通讯联络，确保异常状态处理（S8），并反馈物体异常状态处理情况，避免煤矿井下因物体状态异常照成的安全事故。
与现有技术相比，本发明的有益效果是：本发明基于煤矿企业物体状态智能分析需求，利用基于深度学***台，构建煤矿井下物体状态识别方法，以期解决煤矿企业安全生产管理过程中遇到的困境，减少安全管理投入，提升安全生产智能化管理水平，最终减少事故发生；能够通过视频流检测煤矿井下物体状态异常，并发出警示信息，避免安全事故的发生。本发明可通过视频流智能识别物体状态，对物体状态进行记录，并现场对物体状态进行警示，适用范围广。附图说明
图1为本发明***原理框图。
图中：S1、矿井物体状态实例素材收集，S2、训练数据集，S3、AI训练平台，S4、算法模型，S5、控制平台，S6、AI摄像机／NVR，S7、异常信息审核，S8、异常状态处理。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的阐述。
一种基于深度学***台（S3）、算法模型（S4）、控制平台（S5）、AI摄像机／NVR（S6）、异常信息审核（S7）、异常状态处理（S8）；AI训练平台（S3）是基于深度学***台，通过矿井物体状态实例素材收集（S1）收集煤矿井下物体状态，并生成训练数据集（S2）然后上传至AI训练平台（S3），AI训练平台（S3）通过加载训练数据集（S2）对煤矿井下物体状态素材进行分类训练，通过对煤矿井下物体状态素材的训练、校验，可以得到煤矿井下物体状态算法模型（S4）；
通过控制平台（S5）可以控制AI摄像机／NVR（S6）、发起物体异常信息审核（S7），可以读取AI摄像机／NVR（S6）实时视频流及录像，通过控制平台（S5）可以对算法模型迭代训练。
通过AI训练平台（S3）得到煤矿井下物体状态算法模型（S4），通过控制平台（S5）导入到AI摄像机／NVR（S6）或直接导入到AI摄像机／NVR（S6），使AI摄像机／NVR （S6）具备智能识别所训练煤矿井下物体状态的能力。
当AI摄像机／NVR（S6）智能识别到所训练煤矿井下物体状态异常，通过向控制平台（S5）推送推理结果，控制平台（S5）收到推理结果，将物体状态异常信息推送给管理员进行物体状态异常信息审核（S7），管理员与现场管理者进行通讯联络，确保异常状态处理（S8），并反馈物体异常状态处理情况，避免煤矿井下因物体状态异常照成的安全事故。
本发明***的识别方法，包括如下步骤：
包括素材采集、物体状态模型训练、物体状态算法模型加载、物体状态识别。
1、素材采集；
首先确定需要识别的煤矿井下物体异常状态，如煤矿井下安全设施不复位、煤仓堆煤、皮带跑偏、水仓积水检测、密闭墙损坏等，然后跟据不同的煤矿井下物体状态进行现场实例素材收集，生成训练数据集。
2、物体状态算法模型训练；
首先，在基于深度学***台上加载训练数据集，对不同的物体状态进行分类，通过设置感兴趣区域，使算法训练只针对该区域进行训练。通多对煤矿井下物体状态素材的训练、校验，可生成煤矿井下物体状态算法模型。
3、物体状态模型加载；
物体状态模型训练完成后，通过AI训练平台对算法模型进行生成。算法模型部署和任务下发可以通过控制平台加载到前端AI摄像机或者NVR，或者直接加载到前端AI摄像机或者NVR，控制平台对算法模型进行迭代训练，以期达到最佳效果。
4、物体状态识别；
通过已经加载煤矿井下物体状态算法模型的前端AI摄像机或者NVR，人工智能的分析所拍视频中是否有物体异常状态，如果有物体异常状态，则将推理结果推送给控制平台，控制平台将物体异常状态信息推送给管理员，管理员现场管理者进行通讯联络，确保物体异常状态得到有效处理。
本发明工作原理：本发明设计适用于煤矿物体状态人工智能识别，通过基于深度学***台，对煤矿井下物体状态进行训练，得到算法模型后，通过导入到AI摄像机或NVR，AI摄像机或NVR通过对实时视频流进行人工智能分析，识别出所训练的物体状态，将推理结果推送给控制平台，控制平台将物体状态信息推送给管理员，对物体状态信息进行信息审核、通讯确认，同时向物体状态地点推送信息，促使现场声光警示。
以上所述为本发明较佳实施例，对于本领域的普通技术人员而言，根据本发明的教导，在不脱离本发明的原理与精神的情况下，对实施方式所进行的改变、修改、替换和变型仍落入本发明的保护范围之内。
Claims (3)
1.一种基于深度学***台（S3）、算法模型（S4）、控制平台（S5）、AI摄像机／NVR （S6）、异常信息审核（S7）、异常状态处理（S8）；AI训练平台（S3）是基于深度学***台，通过矿井物体状态实例素材收集（S1）收集煤矿井下物体状态，并生成训练数据集（S2）然后上传至AI训练平台（S3），AI训练平台（S3）通过加载训练数据集（S2）对煤矿井下物体状态素材进行分类训练，通过对煤矿井下物体状态素材的训练、校验，可以得到煤矿井下物体状态算法模型（S4）；
通过控制平台（S5）可以控制AI摄像机／NVR（S6）、发起物体异常信息审核（S7），可以读取AI摄像机／NVR（S6）实时视频流及录像，通过控制平台（S5）可以对算法模型迭代训练。
2.根据权利要求1所述一种基于深度学***台（S3）得到煤矿井下物体状态算法模型（S4），通过控制平台（S5）导入到AI摄像机／NVR（S6）或直接导入到AI摄像机／NVR（S6），使AI摄像机／NVR（S6）具备智能识别所训练煤矿井下物体状态的能力。
3.根据权利要求1所述一种基于深度学***台（S5）推送推理结果，控制平台（S5）收到推理结果，将物体状态异常信息推送给管理员进行物体状态异常信息审核（S7），管理员与现场管理者进行通讯联络，确保异常状态处理（S8），并反馈物体异常状态处理情况，避免煤矿井下因物体状态异常照成的安全事故。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911259670.4A CN111126192A (zh) | 2019-12-10 | 2019-12-10 | 一种基于深度学习煤矿井下物体状态识别*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911259670.4A CN111126192A (zh) | 2019-12-10 | 2019-12-10 | 一种基于深度学习煤矿井下物体状态识别*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111126192A true CN111126192A (zh) | 2020-05-08 |
Family
ID=70498143
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911259670.4A Withdrawn CN111126192A (zh) | 2019-12-10 | 2019-12-10 | 一种基于深度学习煤矿井下物体状态识别*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111126192A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112836648A (zh) * | 2021-02-05 | 2021-05-25 | 湖南嘿哈猫网络科技有限公司 | 一种基于深度学习下用户行为分析模型构建及***应用 |
| CN113763659A (zh) * | 2021-09-08 | 2021-12-07 | 山西华拓电气有限公司 | 一种基于视觉识别的矿井区域人员侵入监测*** |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102023617A (zh) * | 2009-09-17 | 2011-04-20 | 上海可鲁***软件有限公司 | 一种基于工业互联网的煤矿安全信息监控*** |
| CN103244188A (zh) * | 2013-05-14 | 2013-08-14 | 太原科技大学 | 一种基于物联网技术的煤矿井下综合监控*** |
| CN103487275A (zh) * | 2013-10-08 | 2014-01-01 | 中国矿业大学(北京) | 基于二维投射的煤矿设备状态识别和预警方法 |
| CN103916638A (zh) * | 2014-04-18 | 2014-07-09 | 山东科技大学 | 煤矿安全综合监控平台 |
| CN104632280A (zh) * | 2014-12-05 | 2015-05-20 | 中国矿业大学 | 一种基于无线传感器网络的井下设备监测***及方法 |
| CN106791719A (zh) * | 2017-03-01 | 2017-05-31 | 中国矿业大学(北京) | 基于图像跟踪监测设备的掘进机异常工作及灾害报警*** |
| CN107992836A (zh) * | 2017-12-12 | 2018-05-04 | 中国矿业大学(北京) | 一种矿工不安全行为的识别方法及*** |
| CN108564010A (zh) * | 2018-03-28 | 2018-09-21 | 浙江大华技术股份有限公司 | 一种安全帽佩戴的检测方法、装置、电子设备及存储介质 |
| CN109441548A (zh) * | 2019-01-03 | 2019-03-08 | 兖州煤业股份有限公司 | 智能综采设备 |
| CN110135289A (zh) * | 2019-04-28 | 2019-08-16 | 北京天地玛珂电液控制***有限公司 | 一种基于深度学***台 |
-
2019
- 2019-12-10 CN CN201911259670.4A patent/CN111126192A/zh not_active Withdrawn
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102023617A (zh) * | 2009-09-17 | 2011-04-20 | 上海可鲁***软件有限公司 | 一种基于工业互联网的煤矿安全信息监控*** |
| CN103244188A (zh) * | 2013-05-14 | 2013-08-14 | 太原科技大学 | 一种基于物联网技术的煤矿井下综合监控*** |
| CN103487275A (zh) * | 2013-10-08 | 2014-01-01 | 中国矿业大学(北京) | 基于二维投射的煤矿设备状态识别和预警方法 |
| CN103916638A (zh) * | 2014-04-18 | 2014-07-09 | 山东科技大学 | 煤矿安全综合监控平台 |
| CN104632280A (zh) * | 2014-12-05 | 2015-05-20 | 中国矿业大学 | 一种基于无线传感器网络的井下设备监测***及方法 |
| CN106791719A (zh) * | 2017-03-01 | 2017-05-31 | 中国矿业大学(北京) | 基于图像跟踪监测设备的掘进机异常工作及灾害报警*** |
| CN107992836A (zh) * | 2017-12-12 | 2018-05-04 | 中国矿业大学(北京) | 一种矿工不安全行为的识别方法及*** |
| CN108564010A (zh) * | 2018-03-28 | 2018-09-21 | 浙江大华技术股份有限公司 | 一种安全帽佩戴的检测方法、装置、电子设备及存储介质 |
| CN109441548A (zh) * | 2019-01-03 | 2019-03-08 | 兖州煤业股份有限公司 | 智能综采设备 |
| CN110135289A (zh) * | 2019-04-28 | 2019-08-16 | 北京天地玛珂电液控制***有限公司 | 一种基于深度学***台 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112836648A (zh) * | 2021-02-05 | 2021-05-25 | 湖南嘿哈猫网络科技有限公司 | 一种基于深度学习下用户行为分析模型构建及***应用 |
| CN113763659A (zh) * | 2021-09-08 | 2021-12-07 | 山西华拓电气有限公司 | 一种基于视觉识别的矿井区域人员侵入监测*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111126193A (zh) | 一种基于深度学习煤矿井下不安全行为人工智能识别*** | |
| CN108915771A (zh) | 云控矿山综合管理*** | |
| ZA202106289B (en) | Intelligent recognition and alert methods and systems | |
| CN110765848A (zh) | 基于人工智能图像处理算法的化工厂人员安全保障***及预警方法 | |
| CN110674702B (zh) | 一种矿井图像场景分类方法、装置及设备、*** | |
| CN111126192A (zh) | 一种基于深度学习煤矿井下物体状态识别*** | |
| CN110422589A (zh) | 一种煤矿转载机堆煤安全报警方法、装置、设备、介质 | |
| CN207909318U (zh) | 一种高风险区域内物品遗留智能检测预警*** | |
| CN104392464A (zh) | 一种基于彩***图像的人为入侵检测方法 | |
| CN113344882A (zh) | 基于计算机视觉的矿下钻机钻杆计数方法 | |
| CN214175107U (zh) | 一种煤矿ai智能视频识别控制*** | |
| CN113682763A (zh) | 一种煤流运输智能调速、异物识别*** | |
| CN106761928A (zh) | 一种煤矿安全监控***的数据采集方法及装置 | |
| CN104574729A (zh) | 一种报警方法、装置及*** | |
| CN109993055A (zh) | 一种基于神经网络的连续异常图像检测方法 | |
| CN113392754A (zh) | 一种基于yolov5行人检测算法减少行人误检测率的方法 | |
| CN106447240A (zh) | 一种基于模糊聚类的矿井安全评价方法 | |
| CN105094081A (zh) | 粉尘控制监测及报警设备 | |
| CN115019259A (zh) | 一种智慧矿山的ai图像识别监管方法及*** | |
| CN210514972U (zh) | 基于视觉ai的带式输送机安全监测及控制*** | |
| CN114466159A (zh) | 掘进面预警联动和标准化作业识别分析*** | |
| CN113507589A (zh) | 基于人工智能的安全监控装置 | |
| CN113256560A (zh) | 一种基于YOLOv5的掘进机炮头区域入侵检测方法 | |
| CN206710851U (zh) | 基于嵌入式技术的工业除尘设备智能监控*** | |
| CN112668535A (zh) | 基于YOLOv3模型的煤矿猴车违规检测与预警方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200508 |
|
| WW01 | Invention patent application withdrawn after publication |