王春青

（開灤集團有限責任公司，河北唐山，063018）

0 引言

隨著國家智能制造要求的不斷提高，現(xiàn)代化的物料輸送現(xiàn)場、地質(zhì)、施工等條件的多元化對輸送帶的性能提出了更高的要求。煤礦運輸場景下因環(huán)境惡劣，工人無法實時在井下跟蹤每條皮帶情況，因此運輸巷道多在皮帶機頭、機尾等位置安裝高清攝像頭，以實現(xiàn)在井上實時監(jiān)控皮帶及相關場景的變化情況。但由于井下攝像頭數(shù)量較多，監(jiān)控室人員和設備有限，無法實時監(jiān)控到每個攝像頭，只能事后查看錄像，監(jiān)控使用效率極低。基于此，本文項目將AI技術應用在井下視頻實時識別和監(jiān)測上，可實現(xiàn)所有視頻流實時分析、異常及時報警，極大提升監(jiān)控使用效率，有效降低井下生產(chǎn)事故。

1 現(xiàn)狀分析

為了加強煤礦皮帶運輸?shù)陌踩芸?，我國煤炭企業(yè)按照煤礦安全規(guī)程，在皮帶運輸方面采取了大量的安全保護措施，如：大部分皮帶運輸系統(tǒng)都安裝了綜合保護裝置和安全護欄，并在一些具備條件的工作地點也建設工業(yè)視頻監(jiān)控系統(tǒng)，將所有監(jiān)控畫面上傳至地面調(diào)度室，監(jiān)控人員可以通過工業(yè)視頻系統(tǒng)對井下情況進行監(jiān)視、記錄。盡管如此，每年還是會發(fā)生很多運輸安全事故，如違章乘坐皮帶傷人、鐵器卷入皮帶滾筒傷人、皮帶撕裂等。

傳統(tǒng)的皮帶保護傳感器有其局限性，因其多為接觸式傳感器，易受煤塵、濕氣等外部環(huán)境影響，在潮濕環(huán)境下，傳感器容易發(fā)生短路，不能及時準確報警；部分傳感器無法實現(xiàn)全方位的高精度的測量，自身抗干擾能力較差，檢測效果差。綜上所述，傳感器雖然有一定可行性，但是仍有諸多不便［2］。

2 研究方案設計

■2.1 系統(tǒng)需求分析

為了滿足運輸皮帶保護系統(tǒng)的相關智能要求，實現(xiàn)對各類故障和隱患進行視、音頻分析，系統(tǒng)需求分析如下：

2.1.1 圖像AI訓練平臺

AI訓練需要相關服務器集群作為素材訓練的基礎硬件環(huán)境，核心要求包括：

（1）素材快速標定：方便快捷的素材標定的工具，可以自行進行數(shù)據(jù)標注或購買數(shù)據(jù)標注服務。

（2）模型快速訓練：能夠自行進行算法開發(fā)，實現(xiàn)零門檻算法模型訓練。

（3）能夠?qū)崿F(xiàn)應用快速落地和算法迭代，可持續(xù)提升算法性能，并與應用平臺進行快速打通。

2.1.2 智能硬件

AI訓練平臺訓練的算法，需要有相應的硬件設備承載，從而實現(xiàn)對隱患的智能實時分析。為了實現(xiàn)對隱患快速檢測分析，采用邊緣設備分析方式，包括AI相機和智能NVR兩類。AI相機可滿足一個場景的多維分析，安裝在井下的AI相機須克服井下環(huán)境問題；對于已經(jīng)安裝了井下普通相機，且滿足成像的基礎上，可充分利舊，使用智能NVR，實現(xiàn)多個點位的實時智能分析，且智能NVR可放置于井上機房。

除了視頻AI硬件，還包括音頻分析的AI硬件，實現(xiàn)對異常聲音的實時檢測和分析。

音視頻智能硬件含有各類信號輸出，便于分析到故障時，可立即輸出信號提醒現(xiàn)場人員。

2.1.3 系統(tǒng)平臺

系統(tǒng)需實現(xiàn)硬件的管理、模型加載、智能分析設置；具有智能分析報警的接收與處理等功能。

■2.2 設計原則

（1）先進性

本文中項目采用基于深度學習的視頻智能識別的技術，利用AI開放平臺進行算法快速訓練，實現(xiàn)皮帶故障的智能分析。

（2）穩(wěn)定性

根據(jù)各類環(huán)境選擇特定攝像機，在獲取清晰圖像的同時，采用了深度學習算法，對隱患進行識別，保證了系統(tǒng)長時間穩(wěn)定運行。

（3）實用性

以業(yè)務流程梳理為依據(jù)，選擇相應點位安裝智能相機，且平臺基于BS架構、CS架構開發(fā)的軟件平臺，便于不同人員根據(jù)權限查看不同結果。

（4）集成性

系統(tǒng)的高度集成一方面可以有效減少系統(tǒng)故障點，有利于系統(tǒng)的實施與運維；另一方面系統(tǒng)集成可以有效實現(xiàn)信息共享，實現(xiàn)一臺設備多種功能，提高信息處理效率，避免過度建設。

（5）可拓展性

平臺軟件可拓展性：采用模塊化設計，支持功能的模塊化升級，還可與其他平臺作數(shù)據(jù)對接［3］。

■2.3 系統(tǒng)總體構架

系統(tǒng)總體架構可分為四層，分別為：含智能分析相關設備的設備層；集成設備接入服務、存儲服務、事件報警服務等服務層；故障智能分析、視頻應用、算法模型管理、智能分析配置等功能的應用層；B/S、C/S客戶端的展示層。系統(tǒng)可提供相關數(shù)據(jù)接口，避免出現(xiàn)“信息孤島”的問題［4］。系統(tǒng)總體架構，如圖1所示。

圖1 系統(tǒng)總體架構圖

■2.4 系統(tǒng)各功能設計

皮帶不同的故障需采取不同的分析方式，比如圖像或聲音智能分析，又如采用檢測算法或分類算法。

（1）皮帶跑偏檢測

當皮帶未跑偏時，從上往下看皮帶兩側都能露出托輥，而皮帶跑偏時，將有一側皮帶托輥會被皮帶完成擋住。利用上述特性，將相機安裝在皮帶上方，通過AI開放平臺訓練托輥的識別。皮帶未跑偏時，托輥在畫面中的數(shù)量固定；當皮帶跑偏時，托輥數(shù)量減少。利用平臺設置數(shù)量規(guī)則，少于設置的數(shù)量時，產(chǎn)生跑偏報警。

（2）皮帶卡堵檢測

皮帶卡堵主要在皮帶轉(zhuǎn)載搭接、落煤點等位置，卡堵后會不斷有煤堆積。在可能卡堵的位置，安裝相機，搜集卡堵素材，訓練卡堵和未卡堵的分類算法，實現(xiàn)卡堵的檢測。

（3）皮帶起火檢測

利用熱成像對皮帶機頭、機尾等容易積灰的關鍵位置進行實時區(qū)域溫度檢測，克服傳統(tǒng)傳感器只能點測溫的缺點，實現(xiàn)溫度超標報警。

（4）托輥異常檢測

托輥磨損、軸承損壞等異常，通過圖像往往很難識別，該類異常的發(fā)生，往往伴隨“精銳”聲音的出現(xiàn)，與正常運行聲音相差較大，所以可以通過從一堆聲音中檢測異常聲音，實現(xiàn)該類故障的檢測報警。托輥運行較長時間后，托輥固定螺絲會松動，最終可能導致托輥掉落。為了實現(xiàn)托輥掉落檢測，利用AI開放平臺訓練托輥檢測算法，對畫面中所有托輥進行檢測，托輥掉落后，托輥數(shù)量會變化或檢測出托輥位置會有較大移動。

圖2 皮帶跑偏檢測示意圖

圖3 皮帶卡堵檢測示意圖

圖4 托輥異常聲音檢測原理

（5）皮帶異物檢測

皮帶運輸各類場景環(huán)境惡劣，特別是光線昏暗，皮帶速度又快，要實現(xiàn)皮帶錨桿、木塊、大塊矸等異物的檢測報警，檢測前提是要拍到清晰的畫面，從而作為素材訓練異物的檢測算法，實現(xiàn)皮帶上或落料口的異物檢測。

圖5 異物檢測識別安裝示意圖

（6）人員入侵檢測

利用AI開放平臺訓練人的檢測算法，實現(xiàn)畫面中皮帶周邊區(qū)域的人入侵檢測和報警。

（7）皮帶劃傷撕裂檢測

通過視頻圖像輸入到AI芯片，AI芯片中智能學習了皮帶撕裂的各種特征：邊緣分層特征、邊緣潰爛特征、反復開裂特征、鋼絲帶深度劃傷特征、鋼絲外漏特征、接頭縫隙特征、密集型劃痕特征、裙邊帶邊緣撕裂特征碼和纖維帶邊緣大尺度分層特征。與AI芯片皮帶撕裂的特征大數(shù)據(jù)推理分析，經(jīng)過識別推理模塊和輸出結果模塊，識別推理出皮帶是否有撕裂、撕裂的寬度和長度［5］。

3 應用效果

基于AI的深度學習平臺，實現(xiàn)模型的快速部署，減少部署成本和實施周期。隨著工業(yè)視覺監(jiān)測數(shù)據(jù)的積累，系統(tǒng)可不斷內(nèi)部校優(yōu)，實現(xiàn)“模型學習-檢測-模型豐富-檢測更精準-模型更豐富-檢測更精準”的良性循環(huán)。因此，運輸皮帶綜合保護系統(tǒng)對于保證設備的安全運轉(zhuǎn)愈發(fā)可靠。

4 結語

通過建立基于AI的運輸皮帶綜合保護系統(tǒng)，充分利用AI視覺分析技術，可達到皮帶故障提前預判的目的，減少事故的發(fā)生。同時，利用該系統(tǒng)可以避免因皮帶煤量并不飽和卻仍以全速功率運行導致整個皮帶運輸系統(tǒng)“空轉(zhuǎn)”的浪費現(xiàn)象，并且降低由此帶來的設備磨損和故障風險，提高煤礦企業(yè)的安全生產(chǎn)水平。應用AI技術對于推進煤礦智能化建設有著重要意義。