煤矿带式输送机异常状态视频AI识别技术研究

摘要：

传统的带式输送机异常状态识别采用人工巡检或机械综合保护系统进行检测,人工巡检劳动强度大、效率低、难以准确发现故障等,机械综合保护系统易造成误判,识别效果不佳,已无法满足煤炭行业智能化需求.随着机器视觉、深度学习和工业以太网技术发展,视频AI技术成为煤矿带式输送机异常状态智能识别的研究热点.分析了采用视频AI技术识别煤矿带式输送机输送带跑偏、托辊故障、人员入侵、人员不安全行为、堆煤及异物等异常状态的研究现状,指出目前煤矿带式输送机异常状态视频AI识别技术存在视频图像数据集构建耗时长、异常状态识别精度不高、视频信息传输延时大3个主要问题.针对视频图像数据集构建耗时长问题,提出加强基于半监督、无监督及小样本学习的视频AI识别算法研究、基于生成模型等方式扩充数据集的解决思路;针对异常状态识别精度不高问题,提出加强数据去模糊方法研究、利用生成对抗网络等算法均衡正负样本和改进AI识别算法的解决思路;针对视频信息传输延时大问题,提出构建"云-边-端"协同的带式输送机异常状态视频AI识别系统架构,合理部署高带宽、低延时的网络通信系统的解决思路.从高性能视频AI识别算法,高带宽、低延时视频通信技术,"云-边-端"高效协同的视频AI识别系统和健全视频AI识别技术标准4个方面展望了带式输送机异常状态视频AI识别技术的发展趋势.

关键词：煤矿带式输送机、异常状态识别、视频AI识别、胶带跑偏检测、托辊故障检测、人员异常状态检测、堆煤检测、异物检测

所属期刊栏目：49

分类号：TD528/634(矿山运输与设备)

资助基金：陕西省煤矿带式输送机智能测控技术研究与应用科学家+工程师队伍项目2023KXJ-238

在线出版日期：2023-10-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：36-46