新疆天池能源杨志勇副院长：基于深度学习的露天矿安全生产智能识别系统

2025年09月15日 16:15 智能矿山杂志责编：戚金荣作者：智能矿山杂志

露天矿生产作业过程中的人工检测无法满足现场实际的使用要求，并且存在现场管理的安全隐患。采用机器视觉、AI智能识别等方式，结合露天矿工作过程中安全监测的具体工作，研发出露天矿安全生产智能识别系统，解决了生产安全监管监察能力与生产发展规模不适应等问题，并通过现场真实工况试验验证检测系统，试验结果表明:安全生产状态检测系统在各种工况下均可有效识别，准确报警率>90%，检测准确度>95%，环境鲁棒性强，具有较高工程应用价值，满足安全生产系统的建设要求。

文章来源：《智能矿山》2025年第8期“学术园地”栏目

第一作者：杨志勇，正高级工程师，现任新疆天池能源有限责任公司准东能源研究院副院长（主持工作），主要从事智能矿山建设相关研究工作。E-mail：yzy912@163.com

作者单位：新疆天池能源有限责任公司；新疆露天矿智能生产与管控重点实验室；新疆煤电产业创新研究院

引用格式：杨志勇，丁文宇，胡桂林，等.基于深度学习的露天矿安全生产智能识别系统[J].智能矿山，2025，6(8)：73-76.

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

露天煤矿开采在煤炭行业属于高风险生产，安全、环保压力大。随着人工智能技术的迅速发展，深度学习图像处理技术在露天矿生产中得到了广泛研究和应用。通过现场生产过程中的实际问题，构建集感知、监控、处理、预警及检测评估于一体的露天矿安全生产智能识别系统，用现代化技术手段替换人工检测，实现智慧生产监控。部分高校与企业合作开展露天矿智能识别领域的研究，推动矿山安全生产的数字化和智能化进程，基于深度学习技术，研制出用于露天矿智能识别的算法模型及三维智能安全监测系统，能够自动识别不安全因素，3D可视化监测露天矿的安全生产情况。

露天矿安全生产智能识别系统设计方案

露天矿安全生产检测系统采用非接触式检测方式，运用深度学习图像处理技术，针对人员劳保、除铁器附着、异物检测、堵料识别、脱落检测等露天矿安全相关问题进行研究，设计露天矿安全生产智能识别系统，系统由图像采集与预处理系统、故障检测系统、检测结果显示系统、报警系统、数据存储系统组成，检测系统组成如图1所示。

图1 检测系统组成

基于深度学习技术的检测露天矿生产系统，实现了全矿区工作区域安全状态智能识别。检测系统包括图像采集与预处理系统、检测装置、检测结果显示系统、报警系统和后台管理系统。

（1）图像采集系统采用工业触摸一体机、相机、补光灯、支架、千兆交换机等设备，保障图像信息全时输入系统。

（2）预处理系统提升数据质量并进行数据扩充，增加样本多样性。

（3）检测装置采用基于深度学习的目标检测算法，满足实时监测，并转换为图像目标类型、数量与位置的检测问题。

（4）检测结果显示系统实现人机交互，包括多路相机输入的监控图像、检测结果、系统功能按键。

（5）报警系统和后台管理系统是当处于非安全状态时，启动报警系统，并通过对讲机对现场工作人员远程指导，解除不安全状态，后台管理系统负责数据的处理、分析和管理。

露天矿安全生产智能识别系统关键技术

露天矿安全生产智能识别系统可实现自动高效识别、监测和预警煤矿安全生产过程中的各种风险，防范事故发生并提高煤矿安全生产水平，智能识别技术路线如图2所示。

图2 智能识别技术路线

露天矿安全生产智能识别系统的关键技术和关键工艺采用模块化设计，实现高内聚、低耦合，符合相关国家和行业标准，具备较强的适应能力和扩展能力，保证软件系统的稳定性、数据采集的质量，以及有效地处理错误输入，主要关键技术突破包括3个方面。

（1）采用面向服务体系结构实现不同功能单元封装，数据交换采用可扩展标记语言XML，信息安全根据分级、分层、分区域的原则保障，采用加密技术提高安全性。

（2）支撑平台支持主要操作系统，数据库产品选用国产数据库，同时具备跨数据库特性。

（3）针对多场景、多波形的工业场景理解技术，采用新型载波技术、极化编码调制方案、大规模MIMO技术，形成高精度、低漏报、低误报识别模型，实现多任务的有效迁移和适配技术，保证识别准确性的前提下，简化故障识别模型定制难度、缩短开发时间。

现场功能验证

露天煤矿视频监控整体技术框架使用TDetNet、TCNet和TSGAN等神经网络模型，结合特征选择、知识图谱、预测编码等技术构建了高清视频安全应用，包括人员劳保穿戴检查、除铁器附着识别、带式输送机回程面异物自动预警、机头堵料识别和挖掘机斗齿脱落自动预警等。

露天煤矿视频监控应用场景包括5个方面。

（1）头盔、口罩、工装等劳保穿戴是确保人员安全的基本手段，传统人工检查难以保障整个工作过程的覆盖检查。通过人员劳保穿戴视频安全检查，实时分析矿山生产区域的监控录像，自动检测人员劳保穿戴情况，并在发现穿戴不合格时，向安全矿山管控平台报警。

露天煤矿工作区域监控场景多，无法对2 000多个监控画面里面的人员逐一检查。在实际生产过程中，主要通过大量人员现场巡查，视频监控作为辅助监控手段。使用智能识别系统后，实现智能识别物体，更好地监控目标区域，人力成本降低70%，监控效率提升6倍。

（2）除铁器用于检测混入煤炭的铁质或者钢质物件，特别是由于“哑炮”导致未爆炸的雷管，如图3所示，视频系统分析煤炭传输设备（如传送带）的除铁器监控录像，自动化发现除铁器附着铁器，并向安全矿山管控平台报警。由于带式输送机线路长且除铁器数量多，传统巡检除铁器耗时长且无法保证巡检质量，使用智能识别系统后，人力成本降低30%，监控效率提升1.5倍。

图3 除铁器吸附识别

（3）带式输送机是煤炭运输的主要设备之一，回程面需保持净空，排除传送带被异物割裂风险，回程面异物自动预警应用分析矿山传输设备回程面监控录像，自动化发现回程面异物，并向安全矿山管控平台报警，传送带回程面异物识别如图4所示。由于带式输送机距离长以及回程面人眼检查困难等特点，传统巡检带式输送机耗时长且无法保证巡检质量，使用智能识别系统后，人力成本降低42%，监控效率提升2.3倍。

图4 传送带回程面异物识别

（4）带式输送机在输送煤炭过程中，经常会因物料粒度过大或其他原因，导致头部下料刮板输送机堵塞的情况，如果未能及时发现，会出现带式输送机头部大量积料，导致运输系统停产，严重情况输送带会由于物料导致损坏，造成不可弥补的损失，带式输送机堵料识别如图5所示。分析矿山带式输送机机头监控，自动化发现带式输送机机头堵料，并向安全矿山管控平台报警。

图5 带式输送机堵料识别

（5）挖机挖斗在作业中存在斗齿脱落风险，脱落斗齿可能造成后续生产流程中设备（例如碎煤机）的严重损坏。在边缘侧部署智能检测系统，使用物体检测网络，识别挖机驾驶舱前方摄像头捕捉画面，对斗齿脱落作出判断，向驾驶员及报警平台报警。挖机斗齿脱落识别如图6所示。

图6 挖机斗齿脱落识别

目前露天矿挖机开采作业过程中斗齿状态检测设备应用较少，主要依靠电铲司机通过监控设备人工观察，在每个挖掘周期中均需要观察1次或多次，大量重复性观察使得挖机司机视觉疲劳，增加工作压力，且存在因疏忽大意造成斗齿丢失不能及时发现的情况，若斗齿混入煤中进入破碎机，造成严重的安全隐患和经济损失。使用智能识别系统后，减少了现场挖机驾驶员的工作强度，斗齿脱落第一时间报警，达到挖掘全过程安全生产的效果。

总结

（1）安全生产智能识别系统实现了智能化监控和分析，具有对象识别能力、预测分析能力和数据处理效率，且安全可靠。

（2）采用高性能物体检测和图像分割深度神经网络作为基础预训练模型，通过训练模型实现智能识别物体，更好地监控目标区域，同时具备预测和分析功能。

（3）安全生产智能识别系统解决了矿山复杂场景下的安全生产监控及预测问题，基于高清视频AI技术，实现了5大业务场景的智能识别与预警。现场实地应用表明在各种工况下准确报警率>90%，检测准确度>95%，环境鲁棒性强，具有较高工程应用价值。

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）