项目背景
随着国家经济的快速发展,中国能源消费总量近年来一直呈现上升趋势。和几年前相比,虽然煤炭行业的安全事故已经下降很多,但安全生产依然是煤炭行业的首要任务。当下,煤炭行业仍普遍面临水害、瓦斯泄漏、上覆岩层失稳等多项安全隐患,皮带运输效率和人员安全意识等均有待提升,而导致矿难产生的原因大多仍是由于人员不安全行为、设备的不安全状态及环境的不安全因素等造成的。
行业痛点
当前,我国的煤矿生产所采用的技术仍相对落后,高的煤炭产量是以较高的投入、环境的污染、能源的浪费为代价,呈粗犷式增长态势的,煤矿生产安全难以保障:
1. 在皮带运输方面,煤矿管理人员不能及时识别出皮带是否发生偏移、撕裂、断带、大煤块堆积,以及是否存在异物(锚杆等)等情况,造成皮带的永久损耗和空转,影响煤矿的安全运行和整体效率。
2. 在危险气体预防方面,传统的气体抽采由于资料普遍纸质化等原因,往往抽采得不到位,量化程度低,一旦发生危险气体泄漏,将造成不可估量的损失。
在人员违章违规行为检测方面,由于监控设施不到位且设备智能化水平不足,无法对井下人员各种常见违章违规行为(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,进入危险地点、在危险地点、场所行走、乘车站点拥挤等)进行自动识别、图像抓拍、声音预警、和自动统计分析,从而造成的各类人员伤亡事故时有发生。
落地案例
中煤科工集团某研究院项目以多种巡检方式采集的数据为基础,以高精度计算机识别算法为核心,以圣瞳边缘计算设备和多端告警为支撑,以自动化管控为手段,打造一套适用于煤矿井下人员的安全监控系统,可有效解决人员违章行为检测、各类危险源识别等问题:
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. 人员聚集检测:检测画面中是否存在人员聚集的情况,对人数超过设定阈值的情况进行报警。
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. 人员摔倒检测:检测画面中摔倒人员情况,对画面下出现摔倒情况进行报警。
5. 风门检测:检测作业区域风门是否打开状态,如果发生异常关闭需要告警。
6. 有害烟雾识别:利用深度学习智能分析算法,可对监控区域的烟雾进行自动识别,若检测到有烟雾情况,则立即报警。
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,人员聚集,翻越皮带,人员摔倒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、人员聚集、皮带翻越和人员摔倒监测。
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,对异常告警、皮带跑偏、人员违规翻越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,降低了作业人员受到危险的概率,最终实现将紧急事件处理效率提升30% 以上:
- 适配已有设备,充分利旧,利用率达99%;
- 监管覆盖密度从60%提高至90%;
- 避免了70%安全隐患发生率;