项目背景
煤矿行业是我国国民经济的支柱产业，在全国能源结构和一次能源消费中占有很大的比重。煤矿井下是一个环境多变复杂、工作环节较多、作业人员操作水平参差不齐、设备庞大集中的综合性高危险系数的产业集群。至今，煤矿企业的事故发生总数以及人员伤亡的数字依然非常庞大。因此，国家在2020年印发出《关于加快煤矿智能化发展的指导意见》，意见里强调加快推进煤炭行业供给侧结构性改革，推动智能化技术与煤炭产业融合发展，提升煤矿智能化水平。
行业痛点
1. 安全隐患识别种类多、难度大，平台需要对井下设备的不安全状态、异常情况进行实时甄别，如针对皮带跑偏、堆煤、撕裂、皮带上的大煤块、锚杆的识别及报警，此外，还需识别工作面支架护帮是否到位、风窗风门闭合状态、岔道红绿灯是否工作等安全隐患，并进行广播告警。
2. 人员违章违规行为监测不及时，需针对井下人员各种常见违章违规行为的视频自动识别、图像抓拍、声音预警、实时自动统计分析，防止各类人员伤亡事故发生。如违章乘坐皮带、矿车、在轨道上行走、工作期间疲劳操作、打瞌睡、乘车时工具伸出车外，进入违禁区域、人员离岗、人员聚集等。
3. 环境的不安全因素管控不到位，面对井下巷道、工作面、掘进头等场所变形、偏帮、冒顶、落石、地鼓等环境不安全因素的实时识别检测不到位，当超过规定数值时，由于系统没有及时记录报警，相关人员未能采取措施进行维修维护。
落地案例
宁夏某智慧煤矿项目结合已有的视频监控设备，以高精度计算机识别算法为核心，用自动化监控平台代替人工，将人工智能技术和计算机视觉技术有机融入煤矿安全生产各个环节，减少了井下作业员工违章行为数量，及时发现了设备和环境事故隐患，提高了煤矿安全生产的智能化管理水平，有效适应了国家安监总局对提高煤矿自动化应用程度的要求和我国煤矿安全高效生产的发展趋势。AI智能监测场景包含：
1. 安全帽识别：基于深度学习的目标检测、分类及分割算法，检测画面中安全帽工人数量和未佩戴安全帽工人数量，对违规情况进行报警。
2. 皮带跑偏检测：检测煤炭落料是否无规律的偏向输送带的任意一边。当发生煤炭落料偏移时，会导致皮带的重力作用不均，导致皮带两边的张力不同，从而造成皮带向左或向右跑偏。
3. 翻越皮带检测：无论皮带当前是运行中还是停止状态下，当有人员跨越皮带时，立即告警。
4. 大煤块检测：当传送带上的煤块超过常规尺寸大小的时候，系统自动识别大煤块数量，并告警。
5. 瞄杆检测：当煤炭皮带运输机运送物料时出现锚杆或其他异物，系统立即发出锚杆检测/异物告警。
6. 风门检测：风门长时间敞开或关闭不严，就会破坏矿井通风系统，造成风流紊乱，使有害气体聚集，给矿井安全带来危险隐患，瓦斯突出逆流波。当煤矿风窗风门没有关闭，系统可以自动预警。
解决方案
1 设计思路本项目通过监测井下区域，对已有的摄像头进行利旧，将视频源引入视频分析设备，自动对安全帽、大煤块识别、皮带翻越、风门检测和皮带异物等情况进行实时视频分析，获取分析结果，并将结果传送给安全感知平台，感知平台根据推送情况，进一步决定是否要远程启停皮带，通过声光报警立即疏散相关人员。
2 系统详细设计基于上述设计思路，本方案设计的煤炭人员安全监控智能巡检系统包含如下算法功能：安全帽、大煤块识别、皮带翻越、风门检测和皮带异物监测。
本项目通过将智能分析服务接入圣瞳安全感知平台，实现了视频图像智能分析，为安全监控部门提供有力数据支撑。平台强化了视频图像的智能识别能力，不但深化发掘出视频图像的应用价值，还基于视频分析结果，对人员佩戴安全帽、大煤块识别计数、皮带翻越、风门检测和皮带异物等操作的结果进行复核，双重认证，保证信息的准确度，保障煤矿现场稳定运行。
方案价值
本方案打通了“平台-算法-设备”的智能交互，采用图像识别技术，将传输到监控平台的人员行为操作视频与图片在线分析。当出现人员未按要求佩戴安全帽、人员聚集和人员翻越皮带等危险因素时，进行报警并交由工作人员处理，大幅提高了煤矿安监人员的事件处理能力，最终实现将煤矿安全事故降低了60%，煤矿安全运维成本降低了50%，煤矿企业管理效率至少提高了60% 以上。