楊衛(wèi)兵，陳 博

(1.山西三元福達(dá)煤業(yè)有限公司， 山西 長治 046000；2.太原科技大學(xué)， 山西 太原 030024)

煤礦井下單軌吊機(jī)車承擔(dān)著運(yùn)輸設(shè)備和物料的重要任務(wù)，由于井下工作由多個部門協(xié)同完成，人員流動頻繁，極易發(fā)生人車相撞的事故。為此，學(xué)者們設(shè)計了多種報警閉鎖系統(tǒng)，如人員定位和絞車聯(lián)動閉鎖控制系統(tǒng)，無線視頻、綜采雷達(dá)感應(yīng)控制絞車及安全語音報警系統(tǒng)等[1-2]，然而這些系統(tǒng)存在反應(yīng)不及時，甚至遺漏、誤認(rèn)等情況。本文所設(shè)計的礦用單軌吊運(yùn)輸巷全封閉無線預(yù)警系統(tǒng)相對于無線視頻預(yù)警系統(tǒng)優(yōu)勢為可以依靠圖像識別技術(shù)判斷是否有單軌吊車經(jīng)過巷道口，不需要人力監(jiān)控；攝像機(jī)由傳感器控制，可以有效控制能耗，無需全天候錄像；不僅可以識別巷道中是否有人員與車輛，還可以確定人員與車輛的相對位置，自動辨識巷道中人員的安全等級，實(shí)現(xiàn)分級預(yù)警功能。

1 主要技術(shù)及算法設(shè)計

1.1 SVDD算法

與之前的SVM算法相比，SVDD算法是一種非監(jiān)督式的算法。它是指在訓(xùn)練集中只存在唯一類別的數(shù)據(jù)，通過對樣本數(shù)據(jù)集進(jìn)行學(xué)習(xí)，確定樣本的邊界，通過判斷待分類數(shù)據(jù)在分界面內(nèi)外的位置來進(jìn)行分類。具體如下：

設(shè)置訓(xùn)練樣本集X={x1,x2，…，xn}，其中xi∈Rd(1≤i≤n)為列向量，而SVDD所求的最小超球面F(R,c,ε}=R2+C∑iεi即為其優(yōu)化結(jié)果。使它滿足‖x-i-c‖2≤R2+εi?i,εi≥0. 因此，該優(yōu)化問題描述為：

s.t.‖xi-c‖2≤R2+εi,εi≥0,1≤i≤n

其中，εi是引入的松弛項(xiàng)，C>a是控制參數(shù)。同時，找一個合適的映射φ將樣本特征空間O映射到更高維的特征空間?. 給定正定核函數(shù)K:Rd×Rd∈R，用該正定核誘導(dǎo)下的內(nèi)積表示?空間中的內(nèi)積形式,則在?空間中的SVDD模型為：

s.t.‖φ(xi)-cφ‖2≤R2+εi,εi≥0,1≤i≤n

上述模型所對應(yīng)的超球面記為F(R,cφ,ε)，用拉格朗日乘子法求解該最優(yōu)解可以將該問題變形為：

再利用SOM算法求解上式。

給定一個未知樣本x∈Rd，通過決策函數(shù)進(jìn)行判斷是否屬于目標(biāo)類別，決策函數(shù)如下：

f(x)=R2-‖φ(x)-c?‖2

當(dāng)f(x)≥0時，則該樣本屬于目標(biāo)樣本。

再根據(jù)KKT定理得：

f(x)=R2-‖φ(x)-c?‖2，R2=K(xk,xk)-

將其回代到?jīng)Q策函數(shù)可得最終的判決函數(shù)[3].

1.2 深度學(xué)習(xí)

深度學(xué)習(xí)關(guān)鍵技術(shù)是建立一個模擬人腦神經(jīng)元工作的神經(jīng)網(wǎng)絡(luò)。深度學(xué)習(xí)可以認(rèn)為是傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的開發(fā)，二者都有著分層結(jié)構(gòu)，深度學(xué)習(xí)的優(yōu)勢是可以將特征提取與分類結(jié)合在一個框架中，這樣的結(jié)構(gòu)與傳統(tǒng)機(jī)器學(xué)習(xí)方法相比，不需要人工提取特征，因?yàn)樯疃葘W(xué)習(xí)采用深層網(wǎng)絡(luò)結(jié)構(gòu)，其高度非線性使得該網(wǎng)絡(luò)可以擬合一些較為復(fù)雜的函數(shù)，從而可以直接從圖片數(shù)據(jù)中提取抽象特征。

2 系統(tǒng)設(shè)計

2.1 軟件設(shè)計

單軌吊運(yùn)輸裝置預(yù)警系統(tǒng)由系統(tǒng)主程序及各單元子程序等構(gòu)成。系統(tǒng)各單元初始化后，在沒有物體經(jīng)過超聲波測距儀的探測區(qū)域時，系統(tǒng)處于低能耗模式，在超聲波測距儀檢測到有物體出現(xiàn)在探測區(qū)域內(nèi)時，閃光燈配合攝像頭進(jìn)行圖片抓拍，抓拍到照片后，經(jīng)過AD轉(zhuǎn)換，傳輸?shù)奖O(jiān)控分站進(jìn)行圖像預(yù)處理，識別有用信息進(jìn)行初步判別。當(dāng)識別到圖片內(nèi)有單軌吊車時，發(fā)出信號控制語音報警器進(jìn)行語音警示“單軌吊車正在通行請勿走出巷道”，同時發(fā)出紅色燈光警示。當(dāng)巷道口前的超聲波測距儀在后續(xù)的10 s內(nèi)沒有檢測到有導(dǎo)軌吊車經(jīng)過時，警報解除。系統(tǒng)軟件流程見圖1.

圖1 系統(tǒng)軟件運(yùn)行流程圖

2.2 系統(tǒng)硬件結(jié)構(gòu)設(shè)計

系統(tǒng)整體以平臺層和監(jiān)控層為主，其中監(jiān)控層的主要結(jié)構(gòu)如下：首先在各個巷道口分別布置一組數(shù)據(jù)采集組，進(jìn)行實(shí)時監(jiān)控，采集到的數(shù)據(jù)經(jīng)由交換器傳輸?shù)奖O(jiān)控總站，監(jiān)控總站在SVDD分類器的支持下，對信息進(jìn)行預(yù)處理及分類。當(dāng)?shù)玫揭伤茊诬壍踯嚱?jīng)過時，傳輸信息到平臺層進(jìn)行分析和處理，進(jìn)行最后的判別；若確認(rèn)信息準(zhǔn)確，則傳回信號啟動預(yù)警系統(tǒng)?；趯?shù)據(jù)傳輸?shù)姆€(wěn)定性和抗干擾性的要求，監(jiān)控層與平臺層的數(shù)據(jù)傳輸由工業(yè)以太網(wǎng)來保障[4]，具體見圖2.

圖2 全封閉無線預(yù)警系統(tǒng)結(jié)構(gòu)圖

2.2.1 平臺層

平臺層以地面控制總站為主，負(fù)責(zé)對監(jiān)控分站傳回的信息進(jìn)行最后判別，預(yù)警信息存貯、人機(jī)交互等。

1) 數(shù)據(jù)交互。

為實(shí)現(xiàn)礦井智能化管理，該系統(tǒng)可與控制總站的管理系統(tǒng)實(shí)現(xiàn)數(shù)據(jù)互通，譬如與福達(dá)煤業(yè)的巷道柵欄門系統(tǒng)等數(shù)據(jù)整合到管理系統(tǒng)的巷道安全分支，實(shí)現(xiàn)數(shù)據(jù)互通以及總體控制，從而可以提前關(guān)閉巷道支路柵欄門，防止巷道支路有人闖出。地面控制總站可以遠(yuǎn)程操作實(shí)現(xiàn)所有功能，同樣可以遠(yuǎn)程監(jiān)控巷道的具體情況，從而實(shí)現(xiàn)智慧礦山。

2) 信息存儲。

信息存儲主要分為兩部分，一部分空間存儲各個形態(tài)的單軌吊車圖片，作為數(shù)據(jù)識別特征對比的數(shù)據(jù)庫，另一部分存儲工作運(yùn)行時拍攝的工作日志，經(jīng)圖像識別系統(tǒng)確認(rèn)后，有單軌吊車的圖片并入到數(shù)據(jù)庫中提高圖像識別系統(tǒng)的辨識能力，同時也可進(jìn)行后期的人工檢測，查看是否有識別錯誤等問題對系統(tǒng)進(jìn)行及時的調(diào)整以及事故判責(zé)等。

2.2.2 監(jiān)控層

1) 信息采集。

信息采集部分由測距傳感器、攝像機(jī)、閃光燈組成，其中測距傳感器采集的信息主要是分辨是否有物體經(jīng)過，攝像機(jī)采集的信息主要用來辨別經(jīng)過物體是否為單軌吊機(jī)車。而閃光燈的作用是輔助攝像機(jī)進(jìn)行工作。傳感器選取超聲波測距傳感器，相對于其它類型的傳感器，超聲波測距傳感器對于環(huán)境要求是最低的，超聲波的測量距離在20～500 cm，該測距范圍對于巷道來說最為合適；此外超聲波測距儀探測的扇形范圍可以在60°～120°適當(dāng)調(diào)整，相對來說超聲波的測量區(qū)域更廣。

2) 警示器。

警示部分由語音警示和燈光警示兩部分組成。當(dāng)接收到信號時，及時進(jìn)行語音播報以及燈光警示。該裝置常見尺寸約為d90 mm，高67 mm，質(zhì)量約260 g, 功率為15 W，工作溫度為-40 ℃～-70 ℃(不凝結(jié))。其燈光有多色可設(shè)定，閃爍方式有爆閃與頻閃兩種可供選擇。報警語調(diào)可設(shè)定9種，最長可錄制30 min的語音提示，喇叭分貝在0～120 dB可調(diào)節(jié)，并能借助RS-485通信端口實(shí)現(xiàn)同上位機(jī)或井下其他作業(yè)分站的互聯(lián)通訊[5-6].

3 結(jié)果與分析

該系統(tǒng)主要依靠圖片識別作為基礎(chǔ)，故對其準(zhǔn)確度加以數(shù)據(jù)分析。首先以非單軌吊車∶單軌吊車為2∶1的比例采集3 000張圖片。取其中400張無任何目標(biāo)的圖像作為SVDD算法的訓(xùn)練集，對圖像進(jìn)行預(yù)處理后計算求解得到分類超球面。其中預(yù)處理指降維與變形，使其轉(zhuǎn)換為一個特征向量，以更方便地輸入SVDD算法進(jìn)行訓(xùn)練。將所有樣本圖像隨機(jī)分為訓(xùn)練集2 500張、驗(yàn)證集200張和測試集300張。使用訓(xùn)練集對圖像進(jìn)行迭代訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，每迭代300次利用驗(yàn)證集測試該模型的損失率和準(zhǔn)確率，見圖3. 圖3中損失率為代價函數(shù)的擬合誤差，實(shí)曲線指的是驗(yàn)證集準(zhǔn)確度，虛曲線是驗(yàn)證集上的損失。

圖3 迭代數(shù)據(jù)圖

通過測試集驗(yàn)證識別結(jié)果，識別框與真實(shí)框的交并比大于0.95的識別準(zhǔn)確率高達(dá)97.67%，由于測試樣本取樣時單軌吊車與攝像頭距離較近，其分類準(zhǔn)確率高達(dá)99.73%. 為了進(jìn)一步測試系統(tǒng)的有效性，采集了3組視頻對其識別的最遠(yuǎn)距離進(jìn)行測試，判斷該視頻識別系統(tǒng)在遠(yuǎn)距離識別中的有效性。采集了3段單軌吊車進(jìn)入視頻監(jiān)控的畫面，將算法識別到目標(biāo)時第一幀畫面單軌吊車與攝像頭的距離作為測試結(jié)果。測試結(jié)果見表1.

表1 距離測試結(jié)果表 /m

針對不同情況設(shè)計不同的報警等級，見表2，提高預(yù)警系統(tǒng)的有效性。其中，在人車距離判別上，當(dāng)車的框?qū)⑷说目虬鼑鷷r，則判定人在車上，表示正常，當(dāng)人的框與車的框出現(xiàn)交疊等情況，則判別為人在車下，啟動二級報警[7]. 表2中得到SVDD算法相對識別的距離較短，適合巷道較短或交叉巷道口進(jìn)行預(yù)判處理，對于較長巷道，直接使用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行判斷。利用深度神經(jīng)網(wǎng)絡(luò)識別結(jié)果見圖4. 由于圖像數(shù)據(jù)集中的裝置是有限的，而井下情況是復(fù)雜的，如安裝新的軌道車輛、長期運(yùn)行粘煤后車輛變黑等情況也會影響神經(jīng)網(wǎng)絡(luò)的識別精度。因此，使用SVDD算法進(jìn)行識別也是有必要的。

表2 預(yù)警等級劃分表

圖4 識別效果圖

4 結(jié) 論

整體設(shè)計結(jié)束后，在山西三元福達(dá)煤業(yè)進(jìn)行了相應(yīng)的試驗(yàn)與應(yīng)用。該系統(tǒng)攝像頭每次連抓3張照片同時識別，每張照片識別率可達(dá)97.67%. 經(jīng)實(shí)踐表明，該系統(tǒng)中的超聲波測距儀自動識別范圍在100°左右，橫向范圍1～1.5 m，可以確保在單軌吊車經(jīng)過時及時反饋信號；配備的閃光燈配合攝像機(jī)經(jīng)過預(yù)先調(diào)焦以后可以得到清晰的照片；通過視覺識別分類技術(shù)可以實(shí)現(xiàn)多級警報，報警器聲音洪亮且燈光的爆閃模式會起到強(qiáng)調(diào)效果。

該系統(tǒng)的視覺識別裝置圖像識別技術(shù)具有很高的可靠性，并且隨著使用過程中不斷抓拍到的單軌吊車圖片存儲于數(shù)據(jù)庫，其可靠度還會進(jìn)一步加強(qiáng)；SVDD與深度神經(jīng)網(wǎng)絡(luò)識別技術(shù)，不僅可以實(shí)現(xiàn)對煤礦現(xiàn)有設(shè)備的精準(zhǔn)分類，還可以準(zhǔn)確識別引進(jìn)的新設(shè)備，更加穩(wěn)定可靠地對人員和車輛進(jìn)行預(yù)警。該系統(tǒng)的應(yīng)用避免了人力資源的消耗，同時可以起到比傳統(tǒng)無線視頻監(jiān)控更快捷、更安全、更有效的監(jiān)督作用。