基于高清视频的AI开采场景识别与监控方法与流程

本发明属于煤矿管控，具体涉及一种基于高清视频的ai开采场景识别与监控方法。

背景技术：

1、煤炭能源是我国工业化进程中的基础能源，且以煤为主的能源结构将长期存在，煤矿安全生产视频分析监控与识别技术是保障我国煤矿自动化建设和煤炭工业高质量发展的核心技术支撑。为了及时对煤矿井下安全隐患进行实时监控和预警，基于视频ai识别关键技术已经成为煤矿安全生产领域的研究热点。

2、近年来，虽然有大量的视频al分析与识别方法被提出并被应用在日常生活与生产中，但是煤矿井下人工环境昏暗、采掘工作面粉尘大、图像/视频采集终端成像分辨率模糊、色彩辨识度低，前后景对比度差、电磁环境复杂等因素，导致经常出现少检、漏检等现象。同时，现有的煤矿安全生产视频al识别系统构架不清，识别算法及模型在煤矿井下复杂环境适用性不明等问题又致使煤矿企业所构建的安全生产视频监控系统架构混乱功能不全、模式单一。此外，在出现告警及紧急异常情况时，工作人员的反应速度也严重影响了煤矿应急处理的速度和安生生产效率。再者现有煤矿安全生产视频ai识别系统存在技术理论弱，操作终端规格不一，开采环境复杂，开采场景数据兼容性及联动闭环能力较差，数据库安全性较弱、评价机制不统一、应用标准不完善、矿井视频监测与安全隐患识别预警存在效率低、响应慢、效果差等情况，严重影响矿井开采中效率低下的问题。

技术实现思路

1、本发明的目的是提供基于高清视频的ai开采场景识别与监控方法，解决了现有技术中矿井视频监测与安全隐患识别预警存在效率不高、进而可能影响矿井开采效率的问题。

2、本发明所采用的技术方案是；

3、基于高清视频的ai开采场景识别与监控方法，具体按照如下步骤进行：

4、步骤1：图像采集单元采集到被测物的图像后将其上传至工控机和机器视觉软件；

5、步骤2：工控机和机器视觉软件中配置有基于机器视觉深度学习的ai场景识别系统，基于机器视觉深度学习的ai场景识别系统将图像采集设备采集的数据进行数据构建，制备成数据集；

6、步骤3：基于机器视觉深度学习的ai场景识别系统将数据集基于数据库进行深度学习，确定被测物的类型和坐标，得到识别网络模型；

7、步骤4：识别网络模型对数据集进行识别和处理，得到预测结果；

8、步骤5：工控机和机器视觉软件根据预测结果进行综合管控和预警。

9、本发明的特点还在于；

10、步骤1中，图像采集单元包括摄像仪和光源。

11、步骤2具体为：将采集的数据进行图像的预处理，并对完成预处理的图像进行标注来制备数据集。

12、步骤2中，图像预处理包括有灰度转换、图像滤波以及边缘监测。

13、步骤3具体为：以目标监测算法为基础框架，构建井下工作面设备，环境数据集，搭建设备及异常问题模型库，并对模型库不断更新，依据井下环境设计数据增强手段，对图像训练与测试。

14、步骤3中，数据库包括有来自煤矿井下工作面的图像库,图像库内采集了不同光照下及不同矿井,在工作面设备不同方位拍摄的图像集，并对工作面设备进行标注。

15、步骤2-4中，基于机器视觉深度学习的ai场景识别系统具体为：

16、利用计算机语言表述的算法逻辑让机器自主学习、不断进步；通过对采煤机的工况监测数据和预期规划数据进行学习分析，利用数学算法实现数据的修正和更新；具体数学算法表述如下：

17、历史数据：y1＝{x1,1,1,h１,h2},x1为推进方向，y1为切眼方向，ｚ1为采高方向，h1为采高，h2为卧底；

18、规划数据：y2＝{ｘ2,2,2,h3,h4},x2为推进方向，y2为切眼方向，z2为采高方向，h3为采高，h4为卧底；

19、数学表达式：

20、预期采高值h5＝h1-h3+1，其中，b1为数据损失补偿值；

21、预期卧底值h6＝h4-h2+2，其中，b2为数据损失补偿值；

22、预测结果f(h)＝×h+b，其中，a为经验参数调整倍数，b为补偿值。

23、步骤5具体为：工控机和机器视觉软件发出指令至输出继电器，输出继电器控制执行机构，进而控制电机开关；工控机和机器视觉软件根据预测结果选择控制声光报警装置是否报警。

24、本发明的有益效果是，本发明基于高清视频的ai开采场景识别与监控方法，以基础功能为参考构建了视频识别端节点传感器，边缘计算设备，视频识别场景云服务应用体系，提出了自动化开采场景识别与预警联动控制响应机制，在一定程度上打通了人与设备间交互感知与联动控制数据链，实现了数据共享联动和预警协同，形成了全面感知，实时互联、决策分析、自主学习、动态预测、协同控制的煤矿安全监管多维度主动感知新模式和工业互联网应用平台，具有一定的实用意义。

技术特征：

1.基于高清视频的ai开采场景识别与监控方法，其特征在于，具体按照如下步骤进行：

2.根据权利要求1所述的基于高清视频的ai开采场景识别与监控方法，其特征在于，步骤1中，图像采集单元包括摄像仪和光源。

3.根据权利要求1所述的基于高清视频的ai开采场景识别与监控方法，其特征在于，步骤2具体为：将采集的数据进行图像的预处理，并对完成预处理的图像进行标注来制备数据集。

4.根据权利要求3所述的基于高清视频的ai开采场景识别与监控方法，其特征在于，步骤2中，图像预处理包括有灰度转换、图像滤波以及边缘监测。

5.根据权利要求1所述的基于高清视频的ai开采场景识别与监控方法，其特征在于，步骤3具体为：以目标监测算法为基础框架，构建井下工作面设备，环境数据集，搭建设备及异常问题模型库，并对模型库不断更新，依据井下环境设计数据增强手段，对图像训练与测试。

6.根据权利要求5所述的基于高清视频的ai开采场景识别与监控方法，其特征在于，步骤3中，数据库包括有来自煤矿井下工作面的图像库，图像库内采集了不同光照下及不同矿井，在工作面设备不同方位拍摄的图像集，并对工作面设备进行标注。

7.根据权利要求1所述的基于高清视频的ai开采场景识别与监控方法，其特征在于，步骤2-4中，基于机器视觉深度学习的ai场景识别系统具体为：

8.根据权利要求1所述的基于高清视频的ai开采场景识别与监控方法，其特征在于，步骤5具体为：工控机和机器视觉软件发出指令至输出继电器，输出继电器控制执行机构，进而控制电机开关；工控机和机器视觉软件根据预测结果选择控制声光报警装置是否报警。

技术总结本发明公开了基于高清视频的AI开采场景识别与监控方法，步骤1：图像采集单元采集到被测物的图像后将其上传至工控机和机器视觉软件；步骤2：工控机和机器视觉软件将图像采集设备采集的数据进行数据构建，制备成数据集；步骤3：工控机和机器视觉软件将数据集基于数据库进行深度学习，确定被测物的类型和坐标，得到识别网络模型；步骤4：工控机和机器视觉软件根据识别网络模型对数据集进行识别，得到预测结果；步骤5：工控机和机器视觉软件根据预测结果进行综合管控和预警。本发明方法提升了矿井场环境的自动化监护，降低固定值守和巡检人员的工作强度，降低安全风险，提高了生产效率，具有较好的实用意义。技术研发人员：李旭,董博,党恩辉,史云,杨位,孔蹦蹦受保护的技术使用者：西安合智宇信息科技有限公司技术研发日：技术公布日：2024/7/29