基于人工智能视频分析的选煤厂安全管理研究

doi:10.16265/j.cnki.issn 1003-3033.2021.S1.004

中国安全科学学报 ›› 2021, Vol. 31 ›› Issue (S1): 19-23.doi: 10.16265/j.cnki.issn 1003-3033.2021.S1.004

• 安全社会科学与安全管理 • 上一篇下一篇

基于人工智能视频分析的选煤厂安全管理研究

赵亮高级工程师, 孙魁元^** 工程师, 韩宝虎高级工程师, 安文利高级工程师, 李国强

国能宝日希勒能源有限公司, 内蒙古呼伦贝尔 021025

收稿日期:2021-09-10 修回日期:2021-11-18 出版日期:2021-12-30
作者简介:赵亮 (1972—),男,吉林辽源人,本科,高级工程师,主要从事机电工程、信息化、智能化方面的工作。 E-mail:741943@qq.com。

Research on safety management of coal preparation plants based on artificial intelligence video analysis

ZHAO Liang, SUN Kuiyuan, HAN Baohu, AN Wenli, LI Guoqiang

Baorixile Energy Co., Ltd., CHN Energy, Hulunbuir Inner Mongolia 021025, China

Received:2021-09-10 Revised:2021-11-18 Published:2021-12-30

摘要/Abstract

摘要： 为提高选煤厂安全监控的智能化水平,降低人力值守消耗,利用深度神经网络构建面向选煤厂安全管理的人工智能(AI)视频分析系统,首先,设计深度神经网络算法,实时检测分析典型场景视频目标,构建监控预警管理系统;然后,建立人、机、环的视频安全预警机制,实现对选煤厂现场作业人员不安全行为的视频分析、物的不安全状态的视频识别和环境危险因素的视频判断。结果表明:该系统通过对人、机、环信息的获取、处理和反馈,能够实现及时预警消除安全隐患,提高作业过程的安全系数。

关键词: 人工智能(AI), 视频分析, 选煤厂, 安全管理, 深度学习

Abstract: In order to improve intelligent safety monitoring in coal preparation plants, and to reduce manpower consumption, an AI video analysis system for safety management was developed by using deep neural network. Firstly, deep neural network algorithm was designed to detect and analyze video targets in typical scenes in real time, and a monitoring and early warning management system was established. Then, video security early warning mechanism for human, machines, and environment was developed for video analysis of workers' unsafe behaviors at the plants, video identification of unsafe conditions of objects, and video judgments of environmental hazards. The results show that the system can realize timely warning to eliminate potential safety hazards through acquisition, processing and feedback of human, machine, and environmental information, and improve safety factor of operation process.

Key words: artificial intelligence (AI), video analysis, coal preparation plants, safety management, deep learning

中图分类号:

X923

赵亮, 孙魁元, 韩宝虎, 安文利, 李国强. 基于人工智能视频分析的选煤厂安全管理研究[J]. 中国安全科学学报, 2021, 31(S1): 19-23.

ZHAO Liang, SUN Kuiyuan, HAN Baohu, AN Wenli, LI Guoqiang. Research on safety management of coal preparation plants based on artificial intelligence video analysis[J]. China Safety Science Journal, 2021, 31(S1): 19-23.

参考文献

[1] 周晨晖. 基于深度学习的煤矿复杂场景人员检测与统计分析方法研究[D]. 徐州: 中国矿业大学, 2019.
ZHOU Chenhui.Research on personnel detection and statistical analysis in coal mine complex scenes based on deep learning[D]. Xuzhou: China University of Mining and Technology, 2019.
[2] 孙继平. 煤矿自动化与信息化技术回顾与展望[J]. 工矿自动化, 2010,36(6) :26-30.
SUN Jiping.Review and prospect of technologies of automation and informatization of coal mine[J]. Industry and Mine Automation, 2010,36(6) :26-30.
[3] 杨军. 煤矿安全风险评价与预警研究[D]. 徐州: 中国矿业大学, 2013.
YANG Jun.Study on appraisal and eraly-waring of safety sisk of coal mines[D]. Xuzhou: China University of Mining and Technology, 2013.
[4] CHEN Hong,QI Hui, FENG Qun. Characteristics of direct causes and human factors in major gas explosion accidents in Chinese coal mines: case study spanning the years 1980-2010[J]. Journal of Loss Prevention in the Process Industries, 2013,26(1):38-44.
[5] 王龙康. 煤矿安全隐患层次分析与预警方法研究[D]. 北京: 中国矿业大学(北京), 2015.
WANG Longkang.The hierarchy analysis for hidden danger and research on early warning method in coal mine[D]. Beijing: China University of Mining and Technology (Beijing), 2015.
[6] 张海涛. 煤矿安全监控信息管理系统的设计与实现[D]. 兰州: 兰州交通大学, 2017.
ZHANG Haitao.Design and implementation of coal mine safety monitoring information management system[D].Lanzhou:Lanzhou Jiaotong University, 2017.
[7] 赵亮,韩宝虎,孙魁元,等. 基于累积图像特征点匹配的智能皮带测速方法[J]. 科学技术与工程, 2021,21(12):4 990-4 994.
ZHAO Liang, HAN Baohu, SUN Kuiyuan, et al. A method of intelligent speed measurement of coal conveyer belt based on accumulated feature point matching[J]. Science Technology and Engineering, 2021,21(12):4 990-4 994.
[8] GIRSHICK R, DONAHUE J, DARRELL T, et al. Rich feature hierarchies for accurate object detection and semantic segmentation [C].Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2014: 580-587.
[9] HE Kaiming, ZHANG Xiangyu, REN Shaoqing, et al. Spatial pyramid pooling in deep convolutional networks for visual recognition[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2015, 37(9): 1 904-1 916.
[10] GIRSHICK R. Fast r-cnn[C].Proceedings of the IEEE International Conference on Computer Vision, 2015: 1 440-1 448.
[11] 刘开南.基于递归卷积神经网络的煤矿智能监控安全生产管理平台关键技术研究[J]. 中国煤炭, 2018,44(12):84-87.
LIU Kainan.Research on key technology of coal mine intellgent monitoring and safety production management platform based on recursive convolution neural neteork[J].China Coal , 2018,44(12):84-87.
[12] 杨小彬,周世禄,李娜,等. 深度学习及其在煤矿安全领域的应用[J]. 煤矿安全, 2019, 50(1):253-256.
YANG Xiaobin, ZHOU Shilu, LI Na, et al. Deep learning and its application in coal mine safety[J]. Safety in Coal Mines, 2019, 50(1):253-256.
[13] 张梅,荣昆,张啸. 煤矿井下人员跟踪管理系统研究[J]. 煤矿机械, 2020, 41(12):172-175.
ZHANG Mei, RONG Kun, ZHANG Xiao.Research on personnel tracking management system for underground coal mine[J]. Coal Mine Machinery, 2020, 41(12):172-175.
[14] 朱光.改进RSSI加权质心算法在井下人员定位中的应用研究[J]. 中国矿业, 2018, 27(12) :198-201.
ZHU Guang.Application research of improved RSSI weighted centroid algorithm in downhole personnel positioning[J].China Mining Magazine, 2018, 27(12) :198-201.
[15] 徐桂涛.煤矿视频监控系统中人员目标跟踪算法的研究与实现[D]. 徐州: 中国矿业大学, 2019.
XU Guitao.Research and implementation of personnel target tracking algorithm for video surveillance system in coal mine[D]. Xuzhou: China University of Mining and Technology, 2019.

基于人工智能视频分析的选煤厂安全管理研究

Research on safety management of coal preparation plants based on artificial intelligence video analysis

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	许娜, 梁燕翔, 王亮, 赵丽丽, 周雪晴, 张博. 基于知识图谱的煤矿建设安全领域知识管理研究[J]. 中国安全科学学报, 2024, 34(5): 28-35.
[2]	魏德志, 杜志勇, 滕春阳, 辛吴天, 李泽坤. 露天矿破碎站链条断裂安全监测技术研究[J]. 中国安全科学学报, 2023, 33(S2): 170-175.
[3]	曹勇. 民用爆炸物品智能仓储系统研究[J]. 中国安全科学学报, 2023, 33(S2): 34-40.
[4]	廉凯. 基于拾音器的选煤厂噪声诊断系统设计[J]. 中国安全科学学报, 2023, 33(S2): 71-76.
[5]	周鹏, 张婷婷, 王宇. 大庆油田企业安全文化建设实践研究[J]. 中国安全科学学报, 2023, 33(S1): 20-24.
[6]	孙殿阁. 基于数字孪生技术的民用机场安全管理系统构建[J]. 中国安全科学学报, 2023, 33(S1): 222-227.
[7]	吴真真, 杨文涛, 王曦, 任遐. 社区安全发展评估体系研究[J]. 中国安全科学学报, 2023, 33(S1): 249-255.
[8]	邓勇亮, 张莹, 罗丽, 李扬, 林陵娜. 基于本体技术的地铁运营安全风险管理研究[J]. 中国安全科学学报, 2023, 33(S1): 35-41.
[9]	赵光辉, 赵鹏, 胡金良. 语义分割的传送带跑偏视频检测算法[J]. 中国安全科学学报, 2023, 33(S1): 81-84.
[10]	王秉, 王渊洁, 张志宏. 压电安全管理及其模型[J]. 中国安全科学学报, 2023, 33(9): 1-9.
[11]	林青, 姚俊名, 梁伟, 杨放, 廖春燕, 王有春. 基于深度学习的燃气发电机组剩余寿命预测[J]. 中国安全科学学报, 2023, 33(9): 113-121.
[12]	佟瑞鹏, 王彪, 孙宁昊, 胡向阳, 王乾. 行为追溯安全培训法(ACT)理论构建与应用[J]. 中国安全科学学报, 2023, 33(8): 24-29.
[13]	王小俊, 张礼敬, 杨鹏. 机械制造企业安全生产标准化与工伤事故关系[J]. 中国安全科学学报, 2023, 33(8): 45-50.
[14]	张利亚, 孙宁昊, 丁俊刚, 佟瑞鹏. 立足文化自信的油气管道行业特色安全管理研究[J]. 中国安全科学学报, 2023, 33(6): 35-40.
[15]	郭进平, 马卓远, 孙寅峰, 韩欣亚. 基于FRAM的煤矿生产系统应用[J]. 中国安全科学学报, 2023, 33(6): 73-79.