CN115394060A - 基于互联网的煤矿综采工作面ai视频智能监控*** - Google Patents

Abstract

本发明涉及煤矿综采工作技术领域，用于解决现有的对煤矿综采工作面的监控管理的方式，难以实现煤矿综采工作面的全局监控分析，也无法实现开采装备工作状态的准确判断、自适应调节以及协同工作，阻碍了煤矿行业的发展的问题，尤其公开了基于互联网的煤矿综采工作面AI视频智能监控***，包括云服务器，云服务器通信连接有数据采集单元、采煤机状态监测单元、危险区域监测单元、煤块状态监测单元、液压支架监测单元、预警分析单元和显示终端；本发明，通过多种处理方式从不同层面对煤矿综采工作面进行了分析，从而在实现了对煤矿综采工作面的全局监控分析的同时，也对开采装备工作状态进行了明确的预警，提高了煤矿作业的安全性。

Description

基于互联网的煤矿综采工作面AI视频智能监控***

技术领域

本发明涉及煤矿综采工作技术领域，具体为基于互联网的煤矿综采工作面AI视频智能监控***。

背景技术

采煤工作面作为煤炭的第一生产现场，具有作业空间狭小、机械设备多、视觉环境差、温度高的特点，是矿井事故的多发地点，而随着煤矿开采技术的发展，自动化和智能化综采的理念逐步深化，但在实际生产过程中，由于开采装备信息感知水平低以及智能化水平低，传统的对煤矿综采工作面的监控管理的方式仍以集中监控为主；

传统的对煤矿综采工作面的监控管理的方式，难以实现煤矿综采工作面的全局监控分析，也无法实现开采装备工作状态的准确判断、自适应调节以及协同工作，难以保证煤矿综采工作面稳定、高效的运行，无法实现提醒工作人员提前做好处置措施，增加了煤矿综采工作面停机的风险，阻碍了煤矿行业的发展；

为了解决上述缺陷，现提供一种技术方案。

发明内容

本发明的目的就在于为了解决现有的对煤矿综采工作面的监控管理的方式，难以实现煤矿综采工作面的全局监控分析，也无法实现开采装备工作状态的准确判断、自适应调节以及协同工作，难以保证煤矿综采工作面稳定、高效的运行，阻碍了煤矿行业的发展的问题，通过不同的处理方式从不同层面对煤矿综采工作面进行了判定分析，从而在实现了对煤矿综采工作面的全局监控分析的同时，也实现了开采装备工作状态的预警分析，降低了煤矿综采工作面停机的概率，保证了煤矿综采工作面的稳定、高效的运行，提高了煤矿作业的安全性，促进了煤矿产业的发展，而提出基于互联网的煤矿综采工作面AI视频智能监控***。

本发明的目的可以通过以下技术方案实现：

基于互联网的煤矿综采工作面AI视频智能监控***，包括云服务器，云服务器通信连接有数据采集单元、采煤机状态监测单元、危险区域监测单元、煤块状态监测单元、液压支架监测单元、预警分析单元和显示终端；

所述数据采集单元用于采集煤矿综采工作面的采煤机工作状态信息、危险区域信息、刮板输送机煤块运输尺寸信息以及液压支架状态信息，并将其分别发送至云服务器中进行存储；

所述采煤机状态监测单元用于从云服务器中获取采煤机工作状态信息，并进行采煤机工作状态跟踪分析，据此生成横向偏差正常信号、横向偏差较大信号、纵向偏差正常信号与纵向偏差较大信号，并将其均发送至预警分析单元；

所述危险区域监测单元用于从云服务器中获取危险区域信息，并进行工作区域危险等级判定分析，据此生成一级边缘危险信号、二级边缘危险信号和三级边缘危险信号，并将其均发送至预警分析单元；

所述煤块状态监测单元用于从云服务器中获取刮板输送机煤块运输尺寸信息，并进行煤块尺寸筛定分析，据此生成煤块小尺寸信号、煤块中尺寸信号和煤块大尺寸信号，并将其均发送至预警分析单元；

所述液压支架监测单元用于从云服务器中获取液压支架状态信息，并进行液压支架故障判定分析，据此生成轻微故障信号、中度故障信号和重度故障信号，并将其均发送至预警分析单元；

所述预警分析单元用于对接收的各类型判定信号进行预警反馈处理，并分别以文本描述和警报灯预警的方式发送至显示终端进行警示反馈。

进一步的，采煤机工作状态跟踪分析的具体操作步骤如下：

实时获取煤矿综采工作面采煤机的工作状态信息中滚筒位置坐标和支架护帮板位置坐标，并将其分别标定为(x_g，y_g)与(x_b，y_b)；

设置滚筒位置坐标的标准参照坐标(x1，y1)，并将滚筒位置坐标与预设的标准参照坐标(x1，y1)进行位置比较，当满足x_g＝x1且y_g＝y1时，则生成滚筒位置无偏差信号，反之，当满足x_g≠x1且y_g≠y1或x_g＝x1且y_g≠y1或x_g≠x1且y_g＝y1时，则均生成滚筒位置偏差信号；

设置支架护帮板位置坐标的标准参照坐标(x2，y2)，并将支架护帮板位置坐标与预设的标准参照坐标(x2，y2)进行位置比较，当满足x_b＝x2且y_b＝y2时，则生成支架护帮板位置无偏差信号，反之，当满足x_b≠x2且y_b≠y2或x_b＝x2且y_b≠y2或x_b≠x2且y_b＝y2时，则均生成支架护帮板位置偏差信号；

依据滚筒位置偏差信号与支架护帮板位置偏差信号，获取滚筒位置坐标和支架护帮板位置坐标进行数据作差分析处理，据此生成横向偏差正常信号、横向偏差较大信号、纵向偏差正常信号与纵向偏差较大信号。

进一步的，数据作差分析处理的具体操作步骤如下：

实时获取煤矿综采工作面采煤机的工作状态信息中滚筒位置坐标(x_g，y_g)与支架护帮板位置坐标(x_b，y_b)，依据公式pc1＝丨x_g－x_b丨，求得第一相对偏差系数，依据公式pc2＝丨y_g－y_b丨，求得第二相对偏差系数；

分别设置第一相对偏差系数与第二相对偏差系数的警示阈值Y1、Y2，并将第一相对偏差系数与第二相对偏差系数与对应的预设警示阈值Y1、Y2进行比较分析；

当第一相对偏差系数大于等于对应的预设警示阈值Y1时，则生成横向偏差较大信号，当第一相对偏差系数小于对应的预设警示阈值Y1时，则生成横向偏差正常信号；

当第二相对偏差系数大于等于对应的预设警示阈值Y2时，则生成纵向偏差较大信号，当第二相对偏差系数小于对应的预设警示阈值Y2时，则生成纵向偏差正常信号。

进一步的，工作区域危险等级判定分析的具体操作步骤如下：

实时获取煤矿综采工作面的各指定危险区域中识别目标的危距量值和移动速度，并将其分别标定为ls与sd，并将其进行公式化分析，依据公式

求得安全系数，其中，e1和e2分别为危距量值和移动速度的权重因子系数，且e1＞e2＞0，e1+e2＝4.5；

将安全系数代入预设的对比区间Q进行比较分析，当安全系数小于预设的对比区间Q的最小值时，则生成一级边缘危险信号，当安全系数处于预设的对比区间Q之内时，则生成二级边缘危险信号，当安全系数大于预设的对比区间Q的最大值时，则生成三级边缘危险信号。

进一步的，煤块尺寸筛定分析的具体操作步骤如下：

实时获取煤矿综采工作面刮板输送机上各煤块的尺寸量值，并将其标定为sz_i，设置尺寸量值的梯度尺寸参照值F1和F2，并将各煤块的尺寸量值代入预设的梯度尺寸参照值F1和F2内进行比较分析；

当尺寸量值小于梯度尺寸参照值F1时，则生成煤块小尺寸信号，当尺寸量值大于等于梯度尺寸参照值F1且小于梯度尺寸参照值F2时，则生成煤块中尺寸信号，当尺寸量值大于等于梯度尺寸参照值F2时，则生成煤块大尺寸信号。

进一步的，液压支架故障判定分析的具体操作步骤如下：

实时获取煤矿综采工作面各液压支架的展开量值，并将展开量值代入预设的展开区间Q1、Q2和Q3内进行比较；

当展开量值处于预设的展开区间Q1之内时，则生成完全展开状态信号，当展开量值处于预设的展开区间Q2之内时，则生成半展开状态信号，当展开量值处于预设的展开区间Q3之内时，则生成完全收起状态信号；

同时获取各液压支架的状态判定信号，若各液压支架的状态判定信号均为完全展开状态信号或完全收起状态信号时，则不生成指令，而若各液压支架的状态判定信号包含有完全展开状态信号与半展开状态信号或完全收起状态信号与半展开状态信号时，则生成支护状态异常指令；

依据支护状态异常指令，捕捉被标定为半展开状态信号的各液压支架，并将其归整到异常集合A中，获取异常集合A中各液压支架的伸敏量值、使用时长、杂质堆积量值和压力量值，并将其分别标定为sm_j、tc_j、du_j和ps_j，并将其进行公式化分析，依据公式

求得各支架的异常系数，其中，f1、f2、f3和f4分别为伸敏量值、使用时长、杂质堆积量值和压力量值的修正因子系数，且f1、f2、f3和f4均为大于0的自然数；

将各支架的异常系数与预设的异常限值X1进行比较分析，当异常系数小于预设的异常限值X1时，则生成轻微故障信号，当异常系数等于预设的异常限值X1时，则生成中度故障信号，当异常系数大于预设的异常限值X1时，则生成重度故障信号。

与现有技术相比，本发明的有益效果是：

(1)本发明，通过AI视频智能监控实现了对煤矿综采工作面的采煤机工作状态的跟踪分析，利用位置坐标的设定、分析比对以及作差分析的方式，从而实现了对采煤机的工作状态的准确跟踪识别，明确了采煤机滚筒与液压支架护帮板之间的位置故障状态；

(2)本发明，利用符号化的标定、公式化的处理以及数据区间的比较分析的方式，从而在实现了对煤矿工人的危险工作区域的预警警示的同时，也提高了煤矿工人在井下作业的安全性；

(3)本发明，利用梯度参照数据的设置和逐项比较分析的方式，从而在实现了对刮板输送机上大尺寸煤块进行高效识别的同时，也为后续煤矿工人对大尺寸煤块的处理预留了充裕的反应时间，降低了煤矿综采工作面停机的概率；

(4)本发明，利用逐层分析、集合分类规整以及数值比较的方式，实现了对液压支架故障状态的明确判定，并利用文本描述、警示灯预警以及语音警报预警的方式对煤矿综采工作面进行了准确的监控预警，从而保证了煤矿综采工作面的稳定、高效的运行，提高了煤矿作业的安全性，促进了煤矿产业的发展。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明；

图1为本发明的***总框图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，基于互联网的煤矿综采工作面AI视频智能监控***，包括云服务器，云服务器通信连接有数据采集单元、采煤机状态监测单元、危险区域监测单元、煤块状态监测单元、液压支架监测单元、预警分析单元和显示终端；

数据采集单元通过AI视频智能监控捕捉到煤矿综采工作面的采煤机工作状态信息、危险区域信息、刮板输送机煤块运输尺寸信息以及液压支架状态信息，并将其分别发送至云服务器中进行存储；

当采煤机状态监测单元从云服务器中获取采煤机工作状态信息时，并据此进行采煤机工作状态跟踪分析，具体的操作过程如下：

实时获取煤矿综采工作面采煤机的工作状态信息中滚筒位置坐标和支架护帮板位置坐标，并将其分别标定为(x_g，y_g)与(x_b，y_b)；

设置滚筒位置坐标的标准参照坐标(x1，y1)，并将滚筒位置坐标与预设的标准参照坐标(x1，y1)进行位置比较，当满足x_g＝x1且y_g＝y1时，则生成滚筒位置无偏差信号，反之，当满足x_g≠x1且y_g≠y1或x_g＝x1且y_g≠y1或x_g≠x1且y_g＝y1时，则均生成滚筒位置偏差信号；

设置支架护帮板位置坐标的标准参照坐标(x2，y2)，并将支架护帮板位置坐标与预设的标准参照坐标(x2，y2)进行位置比较，当满足x_b＝x2且y_b＝y2时，则生成支架护帮板位置无偏差信号，反之，当满足x_b≠x2且y_b≠y2或x_b＝x2且y_b≠y2或x_b≠x2且y_b＝y2时，则均生成支架护帮板位置偏差信号；

依据滚筒位置偏差信号与支架护帮板位置偏差信号，获取滚筒位置坐标和支架护帮板位置坐标进行数据作差分析处理，具体的操作过程如下：

实时获取煤矿综采工作面采煤机的工作状态信息中滚筒位置坐标(x_g，y_g)与支架护帮板位置坐标(x_b，y_b)，依据公式pc1＝丨x_g－x_b丨，求得第一相对偏差系数，依据公式pc2＝丨y_g－y_b丨，求得第二相对偏差系数；

分别设置第一相对偏差系数与第二相对偏差系数的警示阈值Y1、Y2，并将第一相对偏差系数与第二相对偏差系数与对应的预设警示阈值Y1、Y2进行比较分析；

当第一相对偏差系数大于等于对应的预设警示阈值Y1时，则生成横向偏差较大信号，当第一相对偏差系数小于对应的预设警示阈值Y1时，则生成横向偏差正常信号；

当第二相对偏差系数大于等于对应的预设警示阈值Y2时，则生成纵向偏差较大信号，当第二相对偏差系数小于对应的预设警示阈值Y2时，则生成纵向偏差正常信号；

并将生成的横向偏差正常信号、横向偏差较大信号、纵向偏差正常信号与纵向偏差较大信号均发送至预警分析单元进行进行预警反馈处理，具体的操作过程如下：

当接收到横向偏差正常信号或纵向偏差正常信号，则生成“采煤机的滚筒与支架护帮板之间的横向偏差或者纵向偏差在运行允许范围之内，无需进行停机检修操作”的文本字样发送至显示终端，并将采煤机以绿色警报灯进行警示；

当接收到横向偏差较大信号时，则生成“采煤机的滚筒与支架护帮板之间的横向偏差较大，亟需进行停机检修操作”的文本字样发送至显示终端，并将采煤机以红色警报灯进行警示；

当接收到纵向偏差较大信号时，则生成“采煤机的滚筒与支架护帮板之间的纵向偏差较大，亟需进行停机检修操作”的文本字样发送至显示终端，并将采煤机以红色警报灯进行警示；

当危险区域监测单元从云服务器中获取危险区域信息时，并据此进行工作区域危险等级判定分析，具体的操作过程如下：

实时获取煤矿综采工作面的各指定危险区域中识别目标的危距量值和移动速度，并将其分别标定为ls与sd，并将其进行公式化分析，依据公式

求得安全系数，其中，e1和e2分别为危距量值和移动速度的权重因子系数，且e1＞e2＞0，e1+e2＝4.5，权重因子系数用于均衡各项数据在公式计算中的占比权重，从而促进计算结果的准确性；

需要说明的是，危距量值指的是煤矿工人活动的区域位置距指定为危险区域位置距离大小的数据量值，当危距量值的表现数值越大时，则越说明煤矿工人的活动区域越安全，反之，当危距量值的表现数值越小时，则越说明煤矿工人的活动区域越危险，还需说明的是，当安全系数的表现数值越大时，则说明煤矿工人所在的工作区域的安全等级越高；

将安全系数代入预设的对比区间Q进行比较分析，当安全系数小于预设的对比区间Q的最小值时，则生成一级边缘危险信号，当安全系数处于预设的对比区间Q之内时，则生成二级边缘危险信号，当安全系数大于预设的对比区间Q的最大值时，则生成三级边缘危险信号；

并将生成的一级边缘危险信号、二级边缘危险信号和三级边缘危险信号均发送至预警分析单元进行进行预警反馈处理，具体的操作过程如下：

当接收到一级边缘危险信号时，则以“你处于危险等级较高区域，请紧急撤离”的警报声进行警示；

当接收到二级边缘危险信号时，则以“你处于危险等级中等区域，请紧急撤离”的警报声进行警示；

当接收到三级边缘危险信号时，则以“你即将进入危险等级较高的区域，请保持距离”的警报声进行警示；

当煤块状态监测单元从云服务器中获取刮板输送机煤块运输尺寸信息时，并据此进行煤块尺寸筛定分析，具体的操作过程如下：

实时获取煤矿综采工作面刮板输送机上各煤块的尺寸量值，并将其标定为sz_i，其中，i表示各煤块的数量，设置尺寸量值的梯度尺寸参照值F1和F2，并将各煤块的尺寸量值代入预设的梯度尺寸参照值F1和F2内进行比较分析，其中，梯度尺寸参照值F1和F2呈梯度增加；

当尺寸量值小于梯度尺寸参照值F1时，则生成煤块小尺寸信号，当尺寸量值大于等于梯度尺寸参照值F1且小于梯度尺寸参照值F2时，则生成煤块中尺寸信号，当尺寸量值大于等于梯度尺寸参照值F2时，则生成煤块大尺寸信号；

并将生成的煤块小尺寸信号、煤块中尺寸信号和煤块大尺寸信号均发送至预警分析单元进行预警反馈处理，具体的操作过程如下：

当接收到煤块小尺寸信号时，则不生成任何警示；

当接收到煤块中尺寸信号时，则生成“运输的煤块尺寸偏大，可能会影响刮板输送机输送煤块的效率，需要进行再粉碎处理”的文本字样发送至显示终端进行警示；

当接收到煤块大尺寸信号时，则生成“运输的煤块尺寸较大，严重影响刮板输送机输送煤块的效率，需要进行再粉碎处理”的文本字样发送至显示终端进行警示；

当液压支架监测单元从云服务器中获取液压支架状态信息时，并据此进行液压支架故障判定分析，具体的操作过程如下：

实时获取煤矿综采工作面各液压支架的展开量值，并将展开量值代入预设的展开区间Q1、Q2和Q3内进行比较；

当展开量值处于预设的展开区间Q1之内时，则生成完全展开状态信号，当展开量值处于预设的展开区间Q2之内时，则生成半展开状态信号，当展开量值处于预设的展开区间Q3之内时，则生成完全收起状态信号；

需要说明的是，展开量值指的是液压支架的支护展开程度大小的数据量值，当展开量值的表现数值越大时，则越说明液压支架的支护展开程度越大，当展开量值的表现数值越小时，则又说明液压支架的支护收缩程度越大；

同时获取各液压支架的状态判定信号，若各液压支架的状态判定信号均为完全展开状态信号或完全收起状态信号时，则不生成指令，而若各液压支架的状态判定信号包含有完全展开状态信号与半展开状态信号或完全收起状态信号与半展开状态信号时，则生成支护状态异常指令；

依据支护状态异常指令，捕捉被标定为半展开状态信号的各液压支架，并将其归整到异常集合A中，获取异常集合A中各液压支架的伸敏量值、使用时长、杂质堆积量值和压力量值，并将其分别标定为sm_j、tc_j、du_j和ps_j，并将其进行公式化分析，依据公式

求得各支架的异常系数，其中，f1、f2、f3和f4分别为伸敏量值、使用时长、杂质堆积量值和压力量值的修正因子系数，且f1、f2、f3和f4均为大于0的自然数，修正因子系数用于修正各项参数在公式计算过程中出现的偏差，从而使得计算更加准确的参数数据，其中，j表示异常集合A中的各液压支架；

还需指出的是，伸敏量值指的是的液压支架中的各液压支腿单位伸缩长度内伸缩所需的反应时间长短的数据量值，当伸敏量值的表现数值越大时，则越说明各液压支腿单位伸缩长度内伸缩所需的反应时间越大，故进一步说明液压支腿的伸缩灵敏度越低；

而杂质堆积量值指的是液压支腿表面堆积的杂质灰尘厚度大小的数据量值，当杂质堆积量值的表现数值越大时，则越说明液压支腿表面堆积的杂质灰尘越厚；

将各支架的异常系数与预设的异常限值X1进行比较分析，当异常系数小于预设的异常限值X1时，则生成轻微故障信号，当异常系数等于预设的异常限值X1时，则生成中度故障信号，当异常系数大于预设的异常限值X1时，则生成重度故障信号；

并将生成的轻微故障信号、中度故障信号和重度故障信号均发送至预警分析单元进行预警反馈处理，具体的操作过程如下：

当接收到轻微故障信号时，则生成“液压支架存在轻微支护异常现象，需要加强液压支架的监管力度”的文本字样发送至显示终端，并将液压支架以绿色警报灯进行警示；

当接收到中度故障信号时，则生成“液压支架存在明显支护异常现象，亟需进行检修操作”的文本字样发送至显示终端，并将液压支架以黄色警报灯进行警示；

当接收到重度故障信号时，则生成“液压支架存在严重支护异常现象，亟需进行检修操作”的文本字样发送至显示终端，并将液压支架以红色警报灯进行警示。

上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；

如公式：

由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的权重因子系数；将设定的权重因子系数和采集的样本数据代入公式，任意两个公式构成二元一次方程组，将计算得到的系数进行筛选并取均值，得到e1和e2取值分别为3和1.5；

系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的权重因子系数；只要不影响参数与量化后数值的比例关系即可。

本发明在使用时，通过AI视频智能监控对煤矿的综采工作面进行智能化的监控分析，通过获取煤矿综采工作面的采煤机工作状态信息，并进行采煤机工作状态跟踪分析，利用位置坐标的设定、分析比对以及作差分析的方式，从而在实现了对采煤机的工作状态的准确跟踪识别的同时，也明确了采煤机滚筒与液压支架护帮板之间的位置关系，降低了采煤机滚筒与液压支架护帮板之间的碰撞、割顶的故障情况；

通过获取煤矿综采工作面的危险区域信息进行工作区域危险等级判定分析，利用符号化的标定、公式化的处理以及数据区间的比较分析的方式，从而在实现了对煤矿工人的危险工作区域的预警警示的同时，也提高了煤矿工人在井下作业的安全性；

通过获取煤矿综采工作面的刮板输送机煤块运输尺寸信息进行煤块尺寸筛定分析，利用梯度参照数据的设置和逐项比较分析的方式，从而在实现了对刮板输送机上大尺寸煤块进行高效识别的同时，也为后续煤矿工人对大尺寸煤块的处理预留了充裕的反应时间，降低了煤矿综采工作面停机的概率；

通过获取煤矿综采工作面的液压支架状态信息进行液压支架故障判定分析，利用逐层分析、集合分类规整以及数值比较的方式，实现了对液压支架故障状态的明确判定，并利用文本描述、警示灯预警以及语音警报预警的方式对煤矿综采工作面进行了准确的监控预警，从而保证了煤矿综采工作面的稳定、高效的运行，提高了煤矿作业的安全性，促进了煤矿产业的发展。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (6)

1.基于互联网的煤矿综采工作面AI视频智能监控***，包括云服务器，其特征在于，云服务器通信连接有数据采集单元、采煤机状态监测单元、危险区域监测单元、煤块状态监测单元、液压支架监测单元、预警分析单元和显示终端；

所述数据采集单元用于采集煤矿综采工作面的采煤机工作状态信息、危险区域信息、刮板输送机煤块运输尺寸信息以及液压支架状态信息，并将其分别发送至云服务器中进行存储；

所述采煤机状态监测单元用于从云服务器中获取采煤机工作状态信息，并进行采煤机工作状态跟踪分析，据此生成横向偏差正常信号、横向偏差较大信号、纵向偏差正常信号与纵向偏差较大信号，并将其均发送至预警分析单元；

所述危险区域监测单元用于从云服务器中获取危险区域信息，并进行工作区域危险等级判定分析，据此生成一级边缘危险信号、二级边缘危险信号和三级边缘危险信号，并将其均发送至预警分析单元；

所述煤块状态监测单元用于从云服务器中获取刮板输送机煤块运输尺寸信息，并进行煤块尺寸筛定分析，据此生成煤块小尺寸信号、煤块中尺寸信号和煤块大尺寸信号，并将其均发送至预警分析单元；

所述液压支架监测单元用于从云服务器中获取液压支架状态信息，并进行液压支架故障判定分析，据此生成轻微故障信号、中度故障信号和重度故障信号，并将其均发送至预警分析单元；

所述预警分析单元用于对接收的各类型判定信号进行预警反馈处理，并分别以文本描述和警报灯预警的方式发送至显示终端进行警示反馈。

2.根据权利要求1所述的基于互联网的煤矿综采工作面AI视频智能监控***，其特征在于，采煤机工作状态跟踪分析的具体操作步骤如下：

实时获取煤矿综采工作面采煤机的工作状态信息中滚筒位置坐标和支架护帮板位置坐标，并将其分别标定为(x_g，y_g)与(x_b，y_b)；

设置滚筒位置坐标的标准参照坐标(x1，y1)，并将滚筒位置坐标与预设的标准参照坐标(x1，y1)进行位置比较，当满足x_g＝x1且y_g＝y1时，则生成滚筒位置无偏差信号，反之，当满足x_g≠x1且y_g≠y1或x_g＝x1且y_g≠y1或x_g≠x1且y_g＝y1时，则均生成滚筒位置偏差信号；

设置支架护帮板位置坐标的标准参照坐标(x2，y2)，并将支架护帮板位置坐标与预设的标准参照坐标(x2，y2)进行位置比较，当满足x_b＝x2且y_b＝y2时，则生成支架护帮板位置无偏差信号，反之，当满足x_b≠x2且y_b≠y2或x_b＝x2且y_b≠y2或x_b≠x2且y_b＝y2时，则均生成支架护帮板位置偏差信号；

依据滚筒位置偏差信号与支架护帮板位置偏差信号，获取滚筒位置坐标和支架护帮板位置坐标进行数据作差分析处理，据此生成横向偏差正常信号、横向偏差较大信号、纵向偏差正常信号与纵向偏差较大信号。

3.根据权利要求2所述的基于互联网的煤矿综采工作面AI视频智能监控***，其特征在于，数据作差分析处理的具体操作步骤如下：

实时获取煤矿综采工作面采煤机的工作状态信息中滚筒位置坐标(x_g，y_g)与支架护帮板位置坐标(x_b，y_b)，依据公式pc1＝丨x_g－x_b丨，求得第一相对偏差系数，依据公式pc2＝丨y_g－y_b丨，求得第二相对偏差系数；

分别设置第一相对偏差系数与第二相对偏差系数的警示阈值Y1、Y2，并将第一相对偏差系数与第二相对偏差系数与对应的预设警示阈值Y1、Y2进行比较分析；

当第一相对偏差系数大于等于对应的预设警示阈值Y1时，则生成横向偏差较大信号，当第一相对偏差系数小于对应的预设警示阈值Y1时，则生成横向偏差正常信号；

当第二相对偏差系数大于等于对应的预设警示阈值Y2时，则生成纵向偏差较大信号，当第二相对偏差系数小于对应的预设警示阈值Y2时，则生成纵向偏差正常信号。

4.根据权利要求1所述的基于互联网的煤矿综采工作面AI视频智能监控***，其特征在于，工作区域危险等级判定分析的具体操作步骤如下：

实时获取煤矿综采工作面的各指定危险区域中识别目标的危距量值和移动速度，并将其分别标定为ls与sd，并将其进行公式化分析，依据公式

求得安全系数，其中，e1和e2分别为危距量值和移动速度的权重因子系数，且e1＞e2＞0，e1+e2＝4.5；

将安全系数代入预设的对比区间Q进行比较分析，当安全系数小于预设的对比区间Q的最小值时，则生成一级边缘危险信号，当安全系数处于预设的对比区间Q之内时，则生成二级边缘危险信号，当安全系数大于预设的对比区间Q的最大值时，则生成三级边缘危险信号。

5.根据权利要求1所述的基于互联网的煤矿综采工作面AI视频智能监控***，其特征在于，煤块尺寸筛定分析的具体操作步骤如下：

实时获取煤矿综采工作面刮板输送机上各煤块的尺寸量值，并将其标定为sz_i，设置尺寸量值的梯度尺寸参照值F1和F2，并将各煤块的尺寸量值代入预设的梯度尺寸参照值F1和F2内进行比较分析；

当尺寸量值小于梯度尺寸参照值F1时，则生成煤块小尺寸信号，当尺寸量值大于等于梯度尺寸参照值F1且小于梯度尺寸参照值F2时，则生成煤块中尺寸信号，当尺寸量值大于等于梯度尺寸参照值F2时，则生成煤块大尺寸信号。

6.根据权利要求1所述的基于互联网的煤矿综采工作面AI视频智能监控***，其特征在于，液压支架故障判定分析的具体操作步骤如下：

实时获取煤矿综采工作面各液压支架的展开量值，并将展开量值代入预设的展开区间Q1、Q2和Q3内进行比较；

当展开量值处于预设的展开区间Q1之内时，则生成完全展开状态信号，当展开量值处于预设的展开区间Q2之内时，则生成半展开状态信号，当展开量值处于预设的展开区间Q3之内时，则生成完全收起状态信号；

同时获取各液压支架的状态判定信号，若各液压支架的状态判定信号均为完全展开状态信号或完全收起状态信号时，则不生成指令，而若各液压支架的状态判定信号包含有完全展开状态信号与半展开状态信号或完全收起状态信号与半展开状态信号时，则生成支护状态异常指令；

依据支护状态异常指令，捕捉被标定为半展开状态信号的各液压支架，并将其归整到异常集合A中，获取异常集合A中各液压支架的伸敏量值、使用时长、杂质堆积量值和压力量值，并将其进行公式化分析，求得各支架的异常系数；

将各支架的异常系数与预设的异常限值X1进行比较分析，当异常系数小于预设的异常限值X1时，则生成轻微故障信号，当异常系数等于预设的异常限值X1时，则生成中度故障信号，当异常系数大于预设的异常限值X1时，则生成重度故障信号。

Images