煤矿带式输送机异常状态视频AI识别技术研究

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。

煤矿安全生产视频AI识别关键技术研究综述

煤矿安全生产视频分析与识别技术是保障我国煤矿智能化建设和煤炭工业高质量发展的核心技术支撑。为及时对煤矿井下安全隐患进行实时监测和预警,视频AI(Artificial Intelligence,人工智能)识别关键技术已经成为煤矿安全生产领域的研究热点。阐述了我国煤矿智能化建设过程中安全监测与监控的发展现状,分析了当前矿井视频监控与安全隐患识别预警存在的效率低、响应慢、效果差等问题,结合计算机视觉、边缘计算、大数据处理、云服务、智能终端等先进技术手段、进行了煤矿安全生产视频AI识别的顶层设计,提出了煤矿“人-机-环”全域视频AI感知的“云-边-端”协同计算系统架构,构建了视频识别端节点传感器、边缘计算设备、视频识别场景云服务应用体系,明确了智能识别与预警联动控制响应机制,打通了“云-边-端”信息交互感知与联动控制数据链,实现了数据共享联动和预警协同。同时,围绕矿山“人-机-环”全域AI视觉信息智能感知和全息泛化景象平台的构建,梳理了矿井安全隐患视觉感知及识别预警的技术处理流程,归纳了AI识别过程中的各类预处理-增强-重建-检测-识别方法的优点和缺点,明确了煤矿安全生产视频AI识别关键技术发展的主流方向和趋势。其次,结合王家岭煤矿、鲍店煤矿等代表性矿井的应用案例,示范展示了煤矿安全生产过程中实际典型应用场景等方面的最新进展和应用效果。最后,针对煤矿安全生产视频AI识别关键技术的特点,总结了现有煤矿安全生产视频AI识别系统存在技术理论薄弱、智能终端规格不一且应用场景混乱、数据兼容性及联动闭环能力较差、数据库安全性较弱、评价机制不统一、应用标准不完善等问题,指明了未来的发展方向是加强对视频AI识别关键技术及理论的研究,建立健全智能终端硬件规格及适用体系,构建标准统一、机制完善、实时互联、动态预测、协同控制、安全可靠的煤矿信息多维度主动感知新模式和工业互联网应用平台,逐步形成全矿井全息泛化的高精度智能感知场,实现对井下“人-机-环”全域视频信息的精准感知和危险源协同管控。

无人机AI识别应用于水电站泄洪时下游人车的检测

目前水电站的安全防护大多数依然处于人工巡检或者半自动巡检中,存在日常巡检难度大、强度高、效率低下,紧急情况下无法快速响应,且存在一些人员无法到达的巡视观测盲区等问题。随着近几年无人机和AI引擎在智慧城市、智慧工地、光伏、电网等行业的深入发展和应用,建立水电站无人机AI全自动人车检测系统尤为迫切。本文通过无人机和AI引擎算法相结合,配以高空喊话系统等软硬件实现水电站泄洪时下游人车的检测。

基于AI识别的尾矿库干滩监测方法

干滩长度是反映尾矿坝安全稳定性的一个重要参数,但目前的尾矿库安全检测项目存在干滩水面距离计算不准确、操作困难的问题。提出一种AI识别的监测方法,基于干滩图像的采集、AI方法识别干滩边沿和水面区域,从而测算出干滩距离。该方法部署简单,成本较低,且不依赖于人工,监测精度有保障。

山区光伏防火AI识别系统的设计与实施研究

针对山区光伏电站防火监管的难题,本文通过对光伏电站运行管理现状进行分析,提出一种基于AI识别的山区光伏防火监测系统的设计与实施方案,详细介绍系统设计的总体架构、软硬件配置、智能视频识别模块和系统功能等内容,本系统能够实现对光伏电站运行状态的实时监控和远程监管。该系统可在发生火灾时迅速识别出光伏电站的异常运行情况,及时预警和通知现场工作人员进行处理。通过在某山区光伏电站的实际应用,验证了该方案的可行性和可靠性,对山区光伏电站的安全高效运行具有积极作用。

AI识别技术在输配电网络故障诊断中的应用

常规方法分割图像中输配电网络像素点时,选择的分割点梯度不一致,使导线故障和器件故障定位范围较大,为此提出AI识别技术在输配电网络故障诊断中的应用方法。获取输配电网络机巡数据,转换红外图像像素点颜色,去除噪音像素点,根据灰度值选择种子像素点,将梯度幅值和方向一致的种子点作为分割点,分割输配电网络像素区域,输入AI识别网络,提取分割图像特征进行分类学习,输出故障诊断结果。实验结果表明,设计方法减小了导线故障点标记距离、器件元件故障区域标记面积,提高了故障位置定位精度。

视频AI识别预警在水环境管控中的应用探讨

智慧环保作为智慧城市的重要一环,现已进入了全面快速发展阶段,其中视频监控在水环境管控中的应用越来越广泛。文章阐述了视频监控和AI识别预警技术的发展历程,总结AI识别预警的优势,分析在水环境管控方面的应用方案及场景,并提出发展和提升方向。

基于AI识别技术的拆回计量器具自动化分拣方法

针对拆回计量器具自动化分拣效率低的问题,设计基于AI识别技术的拆回计量器具自动化分拣方法。输出拆回计量器具特征参数空间,并利用AI处理技术固定识别半径,利用Petri网格内的并发关系,建立分拣流程逻辑关系,固定分拣流程顺序,编码变量在逻辑关系中产生的转移概率,结合输出的拆回计量器具特征,构建一个基于特征的拆回计量器具自动化分拣算法,实现拆回计量器具自动化分拣方法设计。固定自动化分拣测试平台运行参数,设定AI识别空间坐标系。对比测试结果表明:该方法的分拣速度较快,分拣效果较佳。

AI识别技术应用在输配电网络故障诊断中的实践路径

随着人工智能技术的快速发展,AI识别技术逐渐应用于输配电网络故障诊断领域,为电力系统的安全和可靠运行提供全新的路径。AI技术不仅能够自动识别电网中的故障,还能够实现对大量数据的高效处理和分析,从而提高故障诊断的准确性和效率。基于此,对AI识别技术应用在输配电网络故障诊断中的实践路径进行研究,分析AI识别技术应用在输配电网络故障诊断中的实践问题,并给出有效的解决办法,以期为电力系统的故障诊断提供可行的解决途径。

基于视频AI识别的智能变电站安全智能巡视方法分析

智能变电站中,现阶段对智能安全巡视措施利用率较低,并且每次开展的周期较长。而AI智能识别技术能够有效提升巡视效率,可被广泛应用到变电站各安全监控环节中。基于此,本文详细介绍了变电站应用AI智能识别技术的具体方式,并提出在实际应用中所需运维模式以及操作技术,以此为智能变电站提供一些帮助。

基于音视频AI识别的多模态智能分析模型创建和应用

本文针对广播电视节目的多模态语料库标注存在的问题,采用深度学习框架,结合音视频识别和自然语言分析等技术创建多模态智能分析模型,实现智能化标注和语料库构建。最后,本文将该模型应用到IPTV播出的英语口语会话修补多模态语料库(MCCECSER)的建库实践,说明多模态智能分析模型具备一定技术创新性和实用性。

基于AI识别技术的造价编制一体化系统

石油天然气工程投资高、工期长、风险大,其工程造价管理已成为项目管理的核心内容。目前,石油天然气工程造价管理工作中无系统规范性的设计专业资料交接模板,造价工作流程都较传统,信息化程度弱,缺乏造价数据库的动态积累。造价编制一体化系统利用人工智能(Artificial Intelligence,AI)识别技术可实现设计资料的自动导入和定额及设备材料价格的自动套用组价,并逐步积累完善造价数据库,具有石油天然气行业造价编制工作的创新性特点,能对国内造价行业前沿发展提供参考。

基于AI识别的天然气净化厂管理模式探讨

随着计算机技术的不断完善和发展,AI识别也获得了巨大的进步。在净化厂的日常巡护工作中,大量仪表的读数都需要靠人来完成,既耗费了人力,取得的实效也不突出。本文就天然气净化厂日常巡护工作的现状及局限性进行总结,结合AI识别技术,提出利用智能巡检系统实现表计智能识别与生产应急快速协同的解决思路。系统通过工业视频对生产区域关键部位压力、温度、液位图像进行自动采集并通过AI算法将图像信息转换成易于利用的数字信号,以便进行二次处理,更好的辅助员工进行科学判断,实现减少员工工作量、降低人工成本、提升工作效率、管控安全隐患的目的。

基于图像处理的煤炭量AI识别系统的设计

为了降低带式输送机传统恒定功率工作模式下的功耗,采用图像处理的方法对带式输送机实时煤炭量检测技术进行了研究,并设计了基于图像处理的煤炭量AI识别系统。研究表明:该系统可以实现常规煤量检测的需求,并能够配合输送带进行功率调节,同时具有体积小、成本低、准确度高、安装便捷的优点,为当前的煤量检测提供了新的自动化解决方案。

基于视频AI识别的智能变电站安全智能巡视方法研究

智能变电站安全智能巡视方法巡视效率低,所耗时间长,为此,本文提出基于视频AI识别的智能变电站安全巡视方法。通过视频AI识别技术对采集的视频图像进行灰度化处理,根据AI的算法获取视频图像关键的目标,并且对目标的特征点进行匹配,最后将匹配好的目标数据传输到变电站工作人员主机上,完成无人化的自动巡视。通过对比实验得知,相比较于传统方法,新设计的变电站安全巡视所耗时间更短,上述结果表明,基于视频AI识别的智能安全巡视方法可以被广泛应用到变电站的安全监控中,减少变电站的风险。

基于AI识别的高速公路能见度预警平台

山区高速公路因海拔较高、昼夜温差较大等原因,容易形成团雾、造成能见度较低,对行驶在高速公路上的车辆产生安全隐患。基于AI识别技术,创新建设高速公路能见度自动预警平台,并通过该平台的建设与运行实现高速公路能见度的可视化监测管理,能够及时、准确地对低能见度路况采取相应的处置措施,有力保障高速公路畅通及安全运行。

技术赋能下的视频网站用户体验——以爱奇艺“奇观”AI识别为例

视频网站长久以来都以“内容为王”作为着力点吸引网络用户,随着技术兴起与资本介入,如何利用播放渠道优势形成跨媒介产品生态,对视频网站来说既是压力也是机遇。本文以爱奇艺的“奇观”AI识别为例,通过分析应用的核心技术,梳理其整合信息的逻辑,进一步研究视频网站为提高用户体验感所开发的功能,及其在影视作品创造价值的动态过程中发挥的作用。最后,探讨该应用的潜在价值,指出技术创新与产业链融合对激发视频网站平台活力的意义。

基于煤矿视频AI识别技术应用研究

目前,视频监控系统正向着数字化、智能化发展,在矿井生产中,引入智能化的视频监控系统,可以更好地保障矿井的正常生产。而在将智能视频监控系统应用于煤矿之中的时候,必须要掌握其关键技术,煤矿智能视频监控系统的关键技术主要包括尘雾图像清晰化技术、运动目标检测技术以及单目标跟踪技术等,在本文的研究中,主要就煤矿智能视频监控系统的关键技术进行了相应分析。

AI识别技术在肺小结节诊断中的临床应用研究

目的:探究AI识别技术在肺小结节诊断中的临床价值,进而为相关医疗人员提供一定的参考价值。方法:选取本院2020年12月—2021年4月接收的50例肺小结节患者作为本次研究对象,将这50例患者的CT影像导入到AI识别分析软件之中,对识别出的数据做好相关的记录,并且将这些记录和诊断报告进行相关对比,了解AI识别技术在肺小结节诊断中的临床应用价值。结果:人工读片的灵敏度为79.17%,特异度为80.77%,准确性为80.00%;均显著低于AI识别技术读片的灵敏度100.00%,特异度96.15%,准确性98.00%(P<0.05)。A I识别技术读片总时长远远低于人工读片,仅有(33.23±0.24)s。差异有统计学意义(P<0.05)。结论:AI识别技术在肺结节诊断中表现基本等同影像诊断医师,在5 mm以下结节诊断中灵敏度更高、速度更快,AI判断为高风险的结节多于人工诊断,在肺小结节的临床诊断过程中,我们可以应用AI识别技术协助患者和医生判断患者肺内结节的数量及性质,从而能够帮助医生快速做出判断,为患者的后续治疗打下坚实的基础。

特种承压设备仪表AI识别算法研究

本研究的主要目的是分析人工智能(AI)对当前特种承压设备仪表的识别、数据采集、处理的具体算法。目前特种承压设备仪表通过人工读数、监控的方法容易产生误差,以及劳动力资源利用不充分的问题,且存在对作业人员自身的安全威胁。Hough直线检测算法是人工智能(AI)中的一种图像识别算法,依赖于卷积神经网络(CNN)和循环神经网络(RNN)能够在经过预处理的图像中,将仪表指针的位置坐标以及水平夹角计算出来,之后根据仪表自身的参数来计算当前仪表显示数值。采用人工智能(AI)算法对特种承压设备仪表进行机器识别,能实时监控仪表状态,且保证读数准确性,消除了作业人员自身的安全隐患,同时能自动进行数据统计、分析,使用户和管理机构能够及时把握设备当前运行情况,主动调整设备相关参数,保证承压设备的正常、高效运作。