视角·观点┃中煤集团武建军教授级高工：矿山“人-机-环”全域视觉感知与预警技术研发与应用
目前，国内煤矿普遍采用人工方式对工业视频进行监测或事后回放，存在效率低、对各类突发事件反应不及时等问题，随着煤矿智能化建设的不断推进，以深度学习模型为代表的机器视觉技术得到了快速发展，通过建立云-边-端体系的煤矿视频智能分析处理系统，替代人工识别方式，已成为新一代煤矿工业视频监控系统的发展方向。
文章来源：《智能矿山》2025年第6期“视角·观点”栏目
第一作者：武建军，教授级高级工程师，现任中煤集团山西华昱能源有限公司副总监，主要从事采矿工程的研究工作。E-mail：13903586956@139.com
作者单位：中煤集团山西华昱能源有限公司；中国矿业大学；中煤华晋集团有限公司
引用格式：武建军，钱建生，朱若军，等.矿山“人 - 机 - 环”全域视觉感知与预警技术研发与应用[J].智能矿山，2025，6(4)：11-20.
点击文末左下角阅读原文，免费下载阅读pdf全文
关注微信公众号，了解更多矿山智能化建设进展
融合机器视觉、边缘计算、大数据分析、云服务和嵌入式智能终端等先进技术，建立矿山“人-机-环”全域视觉感知与预警系统，实现人员、设备和环境精准感知、实时分析和协同预警，提高煤矿安全生产保障能力和灾害监测预警水平。
全域视觉感知与预警系统架构
煤矿安全生产需要全面感知矿井人员、设备和环境的各类信息，并对感知信息进行深入融合分析，结合安全监测系统、生产自动化系统进行联动和预警，实现煤矿安全生产主动闭环管理。构建矿山“人-机-环”全域视觉感知与预警体系，形成多参量、多层次、多尺度的跨系统数据感知策略，提供煤矿安全生产的数据支撑。
矿山“人-机-环”全域视觉感知与预警系统应用架构如图1所示，分为感知层、边缘分析层、云服务层和应用层。
图1 矿山“人-机-环”全域视觉感知与预警系统应用架构
（1）感知层
通过高速、低速、红外光谱、双目和雷达测速等多种类型的矿用本安型AI摄像仪进行视频信息采集，实现人员、设备、环境信息感知；通过嵌入式AI分析模块，进行实时分析、就地控制。
（2）边缘分析层
基于边缘计算的视频分析装置，部署深度学习模型，完成视频数据的过滤、清洗，以及分布式边缘计算和处理，对关键、异常数据在边缘端就地处理并上传至云服务平台，同时接收来自云服务平台调优后的模型，实现边缘分析装置自动迭代升级。
（3）云服务层
AI赋能平台，融合汇聚感知层终端和边缘分析层计算数据，实现全系统的数据分析、预测和预警决策，实现对异常分级处置，提供预警与应急处置方案，构建实时分析、动态预测、预警决策、生产协同和闭环管理的管控优化新模式。
（4）应用层
针对不同应用进行细分和场景化的AI视频识别预警，实现人员的不安全（规范）行为识别、设备不安全状态识别和环境不安全隐患识别，提升煤矿安全生产的全场景防范能力和煤矿安全防范的整体联动预警水平。
全域视觉感知与预警视频检测
2.1 视频图像预处理
煤矿井下环境复杂、粉尘和雾气严重、低照度，采集的图像存在对比度和分辨力低、细节模糊、高噪声等问题，图像关键信息准确识别和提取难，影响视频分析结果。通过视频图像预处理技术消除图像中的干扰因素，提升视频图像质量，图像预处理技术主要包括图像增强和超分辨率重建。
（1）图像增强
图像增强可改善矿井视频图像光照不均匀、对比度低等问题。基于双边滤波和多尺度Retinex算法的图像增强方法流程如图2所示。基于深度学习的图像增强方法利用矿井低质图像数据集进行端到端神经网络模型训练，构建出高效图像增强网络，学习并捕获从低光照图像到高质量参考图像的复杂映射关系。
图2 双边滤波和多尺度Retinex算法的图像增强方法流程
基于反注意块的生成式对抗网络，双判别器从全局和局部2个维度生成图像，反注意力模块减少黑暗区域噪声干扰，基于反注意块的生成式对抗网络如图3所示。采用卷积神经网络构建煤矿井下低光照图像增强网络，提升矿井低光照图像的对比度和亮度，与原始低光照图像相比，增强图像的峰值信噪比提升约54%，结构相似性提升约140%。
图3 基于反注意块的生成式对抗网络
（2）超分辨率重建
视频图像在井下受环境影响，分辨率较低。采用基于深度学习的超分辨率重建技术，提高图像的重建精度和质量。轻量级的超分辨率重建网络，级联残差块充分利用浅层特征和深层特征，利用1×1卷积核减少模型参数量，提高网络的效率。基于锚定邻域回归的超分辨率重建技术，融入颜色恢复与边缘保持机制，增强低照度图像的特征表现能力，基于颜色恢复和边缘保持的低照度图像超分辨率重建方法如图4所示。
图4 基于颜色恢复和边缘保持的低照度图像超分辨率重建方法
2.2 视频识别场景模型
煤矿关键视频场景智能识别与检测主要用于人员行为、机器状态、环境参数识别与检测，融合多维度分析矿山数据，对矿山生产业务及规则进行结构化特征建模，提出了全流程生产风险管控的云边协同视频结构化分析平台模型如图5所示，识别场景主要包括以下3个方面。
图5 云边协同视频结构化分析模型
（1）人员不安全（规范）行为监管主要针对瓦检员作业不规范、乘车不规范、区域限员、乘坐输送带、人员脱岗、人员入侵、行人乘车不规范、钻场管理、危险区域监测、井下车辆超速抓拍等。
（2）设备不安全状态检测包括综采工作面、掘进工作面、主运输系统、辅助运输系统、辅助驾驶系统、供电与排水系统、风门等。
（3）环境不安全隐患监测包括围岩裂缝、煤壁片帮、烟雾明火、积水涌水、粉尘浓度、顶板变形、温度异常等。
全域视觉感知与预警技术的典型应用
中煤华晋集团有限公司王家岭煤矿（简称王家岭煤矿）是国家首批智能化示范建设煤矿，2022年联合中国矿业大学建设了工信部、应急管理部第一批安全应急装备应用试点示范工程，建设了矿山“人-机-环”全域视觉感知与预警系统，通过云-边-端多级AI视频识别体系，构建了覆盖矿山安全生产全域的典型场景库和模型算法群，实现3大类36种典型场景的智能识别，典型场景隐患识别方法准确率≥95%，隐患识别时间≤300 ms，目前，矿山“人-机-环”全域视觉感知与预警系统已在王家岭煤矿得到常态化应用，成效显著。矿山AI视觉智能识别管理平台界面如图6所示。
图6 矿山AI视觉智能识别管理平台界面
3.1 综采工作面
基于AI视频识别技术，建立综采工作面安全生产管理及预警体系，提高生产系统的可靠性和生产作业的安全性。场景包括采煤机的状态识别与跟踪、跟机移架工序识别、刮板输送机断链、拉斜和推直识别、液压支架护帮状态监测和机尾刮板运行状态监测等。综采工作面AI视频识别与预警场景界面如图7所示，综采工作面AI视频识别与预警场景应用见表1。
图7 综采工作面AI视频识别与预警场景界面
表1 综采工作面AI视频识别与预警场景应用
3.2 掘进工作面
基于AI视频识别技术，建设掘进工作面安全生产管理及预警体系，实现对掘进工作面关键作业的工艺过程进行监管，对人员不安全行为进行监控预警。对掘进工作面敲帮问顶、前探梁安装、背板结顶等关键作业工艺过程进行智能识别监管，对钻杆工作状况实时监测。掘进工作面AI视频识别与预警场景界面如图8所示，掘进工作面AI视频智能识别场景应用见表2。
图8 掘进工作面AI视频识别与预警场景界面
表2 掘进工作面AI视频智能识别场景应用
3.3 主运输系统
基于AI视频识别技术，建立主运输系统安全生产管理及预警体系，对主煤流运输系统的异物、跑偏、撕裂和转载点堆等进行异常情况分析和识别，提升煤流运输系统的生产效率并增强系统运作的安全性。精确识别输送带煤量变化，实时统计运煤量，主运场景AI视频识别与预警场景界面如图9所示，主运场景AI视频识别与预警场景应用见表3。
图9 主运场景AI视频识别与预警场景界面
表3 主运场景AI视频识别与预警场景应用
3.4 辅助运输系统
基于AI视频识别技术，建立辅助运输系统安全生产管理及预警体系，实现车辆及信号灯状态检测、车辆计数、超速监测、乘车规范性检测等，强化运输现场管理，确保辅助运输过程精准高效，辅助运输场景AI视频识别与预警场景界面如图10所示，辅助运输场景AI视频智能识别场景应用见表4。
图10 辅助运输场景AI视频识别与预警场景界面
表4 辅助运输场景AI视频智能识别场景应用
3.5 人员规范行为
建立多维度、多角度、全场景的人员不安全行为视频识别，主要包括矿工不安全操作设备行为识别、危险区域入侵识别、人员不安全行为识别和巡检轨迹识别等，人员不安全行为AI视频识别与预警场景界面如图11所示，人员不安全行为AI视频智能识别场景应用见表5。
图11 人员不安全行为AI视频识别与预警场景界面
表5 人员不安全行为AI视频智能识别场景应用
3.6 环境异常隐患
通过AI视频识别与分析技术，实现煤矿安全生产过程中内外环境的风险预测、预警和灾害防治，主要应用于煤矿火灾感知、粉尘识别等，环境异常隐患AI视频识别与预警场景界面如图12所示，环境异常隐患AI视频智能识别场景应用见表6。
图12 环境异常隐患AI视频识别与预警场景界面
表6 环境异常隐患AI视频智能识别场景应用
全域视觉感知与预警系统面临的挑战
（1）复杂多变的环境条件
矿山环境复杂多变，受井下光照不足、阴暗、潮湿、粉尘等多种因素的影响，对视觉感知设备成像质量和稳定性造成干扰，对智能算法的识别精度和可靠性产生影响。在复杂多变的环境条件下，实现稳定、可靠的视觉感知与预警是技术面临的重要挑战。
（2）多样化的矿山设备和人员行为
矿山设备和人员行为的多样化给视觉感知与预警技术带来了挑战。不同设备和人员的外观、运动轨迹、行为特征等，实现准确识别和区分差异是精准预警的关键，设备和人员的交互行为也是干扰预警系统准确性的重要因素之一。
（3）实时性和准确性
矿山生产对实时性和准确性要求高，若发生异常情况，预警系统必须迅速、准确做出反应，以避免或减少事故发生，在保证实时性的同时提高预警准确性，满足矿井安全生产的需求。
（4）环境不安全隐患的复杂性
煤矿地质灾害的复杂性、安全风险的多变性，导致矿井环境隐患识别和预警面临困难。巷道变形和煤壁外移等由于变化过程长且缓慢，难以有效识别；粉尘导致图片质量差，识别难度大等因素，对精准预警环境隐患提出更高要求。
全域视觉感知与预警系统发展对策
（1）加强矿井算法技术攻关
推动煤矿特殊照明环境下的工业视频图像特征增强和超分辨率重建方法研究。在“人-机-环”多领域场景提取人的不安全行为特征、机的不安全状态及环境的不安全因素，探索新的视觉感知技术和智能算法，利用深度学习等人工智能技术，提高矿井智能算法的识别精度和可靠性。
（2）推动“人-机-环”多源数据融合与协同
推动矿山环境、设备状态和人员行为多源数据融合，实现风险监测预警与联动控制。融合视频、图像、声音等多媒体数据以及传感器数据等，形成自感泛联、数驱智采的矿井多维度主动感知及智能化开采新模式。
（3）提高预警系统的实时性
利用边缘计算技术，将部分计算任务转移到井下边缘设备处理，减少数据传输时延、提高处理速度，实现本地独立工作进行安全隐患分析及预警，形成高速视频感知、实时识别、动态协同预警的煤矿安全智能监管新模式。
（4）加强环境不安全隐患应用研究
对于难以直接识别的隐患，可通过特定物识别。例如：识别锚杆端部空间坐标变化反演巷道变形；通过对特定标定物的图像质量评价，判断粉尘浓度是否超限；加强环境隐患数据集建设和共享。
结 语
矿山“人-机-环”全域视觉感知与预警技术，从人员不安全行为、设备不安全状态和环境不安全隐患多维度精准感知、实时分析和协同预警，形成多参量、多层次、多尺度的跨系统数据的感知策略，推动煤矿智能化建设全覆盖、自感知、边计算的新理念。
全域视觉感知与预警技术在“人-机-环”多个监控场景中取得了应用，并取得一定的应用效果，但部分场景受工况环境的影响局限性强，无法精准有效联动预警。下一步将构建煤矿通信联络、生产自动化、安全监控多系统的联动与协同，实现高水平的智能矿山数据分析与智能决策，推动煤矿行业向更高效、更安全的方向迈进。
编辑丨李莎
审核丨赵瑞
煤炭科学研究总院期刊出版公司拥有科技期刊21种。其中，SCI收录1种，Ei收录5种、CSCD收录6种、Scopus收录7种、中文核心期刊9种、中国科技核心期刊11种、中国科技期刊卓越行动计划入选期刊4种，是煤炭行业最重要的科技窗口与学术交流阵地，也是行业最大最权威的期刊集群。
《智能矿山》
Journal of Intelligent Mine
月刊CN 10-1709/TN，ISSN 2096-9139，聚焦矿山智能化领域产学研用新进展的综合性技术刊物。
主编：王国法院士
投稿网址：www.chinamai.org.cn（期刊中心-作者投稿）
联系人：李编辑 010-87986441
往期荐读
往期特刊
中国煤科特刊
陕煤集团特刊
神东专栏
重大进展特刊
露天矿特刊
理事单位特刊
红柳林煤矿特刊
创新技术特刊
创刊号
版权声明
本刊对已出版文章持有电子版、网络版及进行网络技术交流和与各网络数据库合作的权利，稿酬一次性付清，版权归本刊与作者共同所有，如不同意，请在投稿时声明。
声明：本文系转载自互联网，请读者仅作参考，并自行核实相关内容。若对该稿件内容有任何疑问或质疑，请立即与铁甲网联系，本网将迅速给您回应并做处理，再次感谢您的阅读与关注。
不想错过新鲜资讯？
微信"扫一扫"
