DetSegNet:一种基于检测和分割的高精度水尺水位检测网络

为了克服传统水位测量方法中水位边缘粗糙和检测精度不足的问题,提出了一种高精度的水尺水位检测网络——DetSegNet。DetSegNet在网络结构、损失函数等方面对YOLOv4和DeepLabv3+算法进行了改进,并将水尺刻度识别、水体区域分割、水位线检测和水位值计算等模块进行有效结合,实现了对水尺与水体交界区域的高效定位和精确分割。实验结果表明,DetSegNet在水尺图像数据集上的检测精度和速度均优于传统的检测方法;现场测试表明,DetSegNet的水位检测误差小于1 cm,满足水文监测的精度要求。

智能化矿山通信接口与协议技术规范研究

目前矿山智能化建设存在接口协议不统一、易形成新的“信息孤岛”等问题,导致矿山数据融合共享难度大,难以实现智能化矿山高质量发展。分析指出矿山智能化建设的关键问题在于缺乏规范统一的数据采集、传输与共享标准;按照核心规范、应用规范、运维规范,设计了智能化矿山通信接口与协议技术体系;提出了智能化矿山通信接口与协议模型,定义了该模型的感知层、传输层、应用层;构建了智能化矿山设备模型,对通信接口进行形式化描述;将智能化矿山数据分为感知数据、文本数据和音视频数据,定义了3种数据的报文结构;根据目前矿山设备、技术应用情况和发展方向,将智能矿山数据采集方式分为设备直接采集、协议转换采集、系统中转采集,给出了3种数据采集方式的适用场景,并描述了感知数据、文本数据、音视频数据的采集和传输过程。智能化矿山通信接口与协议技术规范全域覆盖矿山数据融合通信的整个过程,旨在为智能化矿山数据采集、传输、融合、共享提供统一的接口方式和通信协议规范,实现矿山各系统之间的互联互通。

山西某矿煤层瓦斯涌出量预测研究

为了对山西某矿煤层瓦斯涌出量进行预测,采用理论分析与现场实践的方法对煤层瓦斯涌出量进行分析。结果表明2021年、2022年预测瓦斯涌出量数值与实际瓦斯涌出量基本一致。在对煤层瓦斯涌出量进行预测时,需从煤层埋藏深度、围岩、井田地质构造、地下动水、矿井瓦斯区分等多方面分析煤层瓦斯状况。

基于人工智能技术的煤矿探放水智能监测系统研发及应用

煤矿水害已成为威胁煤矿安全生产的重大灾害之一,是仅次于瓦斯灾害的第二大“杀手”。根据中国煤炭安全生产网数据,我国2000年以来的煤矿事故死亡人数与水害事故死亡人数如图1所示。2000年至今,全国煤矿水害事故共造成4818人死亡,其中近2年煤矿水害呈上升趋势,2020年发生7起水害事故,造成25人死亡。2021年全国煤矿重大事故均为水害事故,共发生4起,造成48人死亡。

煤矿探水卸杆动作识别研究

针对煤矿井下探水作业监工人员通过观看视频来监控卸杆作业的方式存在效率低下且极易出错的问题,提出利用三维卷积神经网络(3DCNN)模型对探水作业中的卸杆动作进行识别。3DCNN模型使用3D卷积层自动完成动作特征提取,通过3D池化层对运动特征进行降维,通过Softmax分类处理来识别卸杆动作,并使用批量归一化层提高模型的收敛速度和识别准确率。采用3DCNN模型对卸杆动作进行识别时,首先对数据集进行预处理,从每段视频中均匀抽取几帧图像作为某动作的代表,并降低分辨率;然后采用训练集对3DCNN模型进行训练,并保存训练好的权重文件;最后采用训练好的3DCNN模型对测试集进行测试,得出分类结果。实验结果表明,设置采样帧数为10帧、分辨率为32×32、学习率为0.0001,3DCNN模型对卸杆动作的识别准确率最高可达98.86%。

基于遗传算法优化小波神经网络的短期天然气负荷预测

天然气负荷预测对于燃气经营企业尤其重要,对保证天然气管网的用气量、优化管网的调度具有重要意义.传统的天然气预测模型预测精度低、模型泛化程度低.为了克服模型缺陷,提出了一种基于遗传算法优化小波神经网络的天然气负荷预测模型.通过遗传算法对小波神经网络的阈值以及网络连接权值等参数进行优化,从而建立预测效果最好的模型,通过企业提供的历史门站数据对预测模型进行验证.仿真结果表明,使用遗传算法优化网络参数的小波神经网络提高了模型的预测精度,具有一定的工程应用价值.

基于改进双流法的井下配电室巡检行为识别

井下配电室监控视频持续时间较长且行为类型复杂,传统双流卷积神经网络(CNN)法对此类行为识别效果较差.针对该问题,对双流CNN法进行改进,提出了一种基于改进双流法的井下配电室巡检行为识别方法.通过场景分析,将巡检行为分为站立检测、下蹲检测、走动、站立记录、坐下记录5种类型,并制作了巡检行为数据集IBDS5.将每个巡检行为视频等分为3个部分,分别对应巡检开始、巡检中和巡检结束;对3个部分视频分别随机采样,获取代表空间特征的RGB图像和代表运动特征的连续光流图像,并分别输入空间流网络和时间流网络进行特征提取;对2个网络的预测特征进行加权融合,获取巡检行为识别结果.实验结果表明,以Res Net152网络结构为基础,且权重比例为1∶2的空间流和时间流双流融合网络具有较高的识别准确度,Top-1准确度达到98.92%;本文方法在IBDS5数据集和公共数据集UCF101上的识别准确率均优于3D-CNN、传统双流CNN等现有方法.

煤矿事故案例命名实体识别方法研究

命名实体识别是自然语言处理的一项重要技术,也是问答系统、句法分析、机器翻译等下游工作的基本任务。煤矿事故案例命名实体识别是构建煤矿安全生产知识图谱的关键环节,其效率和准确率直接影响后期知识图谱的质量。针对传统命名实体识别方法训练时间长、识别率低的问题及煤矿事故案例的描述特点,以自构的标注语料集CoalMineCorpus为研究对象,基于深度学习算法,该文提出了一种结合ALBERT和迭代扩张卷积的命名实体识别方法。首先引入ALBERT预训练语言模型生成字向量,提升传统字向量的文本表示能力;然后将字向量序列输入改进的卷积神经网络中,其中卷积层采用四个三层结构的迭代扩张卷积模块完成特征抽取,采用RELU激活函数,取消池化层避免特征损失,使用Dropout和自适应矩估计对模型进行优化;最后使用条件随机场对标签序列结果进行合法性约束。实验结果表明,该模型在较大提升准确率、召回率和F值的同时可以有效缩短训练时间,可用于煤矿事故领域的命名实体识别工作。

基于RDB-YOLOv4的煤矿井下有遮挡行人检测

针对煤矿井下数字化人员检测过程中行人易被大型设备遮挡而导致的误检、漏检等问题,提出了一种基于RDB-YOLOv4网络的煤矿井下有遮挡行人检测方法。该算法以YOLOv4为基础网络架构,在CSPDarknet-53特征提取网络中加入了残差密集块(residual dense block,RDB),对不同层次的特征实现跨层传递和融合,连续的连接保证了低级和高级特征信息的存储和记忆,使得完整有效的局部特征能准确预测被遮挡行人的信息。对比当前主流目标检测算法和遮挡处理检测算法,该算法在PASCAL VOC 2007公开数据集和煤矿井下行人数据集下有效提升了测试的平均精度(average precision,AP),相比YOLOv4在两组不同数据集测试的平均精度分别提升了2.74个百分点和3.5个百分点(IoU=0.5)。

融合交叉熵损失的3DCNN探水作业动作识别

为解决矿井探水作业中人工验收效率低、耗时长等问题,提出一种融合交叉熵损失函数的3DCNN探水作业动作识别模型。使用ReLU非线性化函数和SoftMax交叉熵损失函数,将隐含的特征数据判断分类别后再进行学习,得到较为丰富的批次网络信息图;将批量归一化操作引入到网络结构中,弥补网络模型收敛速率慢的不足,提高模型的泛化能力和鲁棒性,达到有效提高验收效率的目的。经过与其它网络模型对比,实验结果表明,该方法有效解决了人工验收低效率的问题,提高了动作识别的准确率。

基于文本卷积的多因素煤炭产品推荐模型

为了向需求维度不同的买家科学地提供基于煤炭产品自身品质及其发售地区差异性推荐意见,文中提出了一种基于卷积神经网络与自然语言处理相结合的文本卷积推荐模型(text CNN recommendation model,TCRM)。该模型由各字段单词特征生成嵌入向量,在不同尺寸的卷积核上做卷积和最大池化,再通过全连接层合并所有特征分别得出用户及煤炭产品特征矩阵,将用户特征和煤炭产品特征作为输入,经过全连接的方式进行计算以产生评分预测值。在特征矩阵维数为32,经过20次迭代后模型损失固定在1.0附近,准确率维持在0.25左右,在模型损失率及健壮性上均优于传统数值比例特征运算计算评分时的模型。这样的推荐方式改善了以往由于单因素评分而带来的近邻相似度计算不准确和矩阵稀疏导致的推荐结果不理想的情况。在大量真实数据集上的实验结果显示,在此算法基础上的深层次煤炭产品推荐具有良好的效果。

基于离差最大化组合赋权的煤矿安全评价研究

针对组合赋权中权重分配不够客观准确的问题,提出基于离差最大化组合赋权的煤矿安全评价法。综合分析煤矿安全生产的风险原因,建立包含12个一级指标、50个二级指标的评价体系。采用熵权法与变异系数法计算各指标的客观权重,通过构建的离差最大化组合预警评价模型使两种赋权法的组合结果最佳,利用Spearman秩相关系数法检验其兼容度。以6所矿井为例进行实例验证,得到的风险等级量化值为{0.65,0.62,0.60,0.32,0.63,0.55},兼容度为0.8632。结果表明该模型充分融合了指标的权重信息,避免了主观分配法和平均分配法忽略指标数据实际意义的错误,验证了模型的可靠性与有效性。

基于煤矿井下传送带空载检测

煤矿井下传送带在无煤或煤量较少的状态下长时间高速运转,会耗费大量的电能.为了节省井下传送带造成的电能损耗,本文提出了一种边缘结构相似算法和YOLOv3结合的传送带空载判定方法.通过边缘结构相似算法将结构特征和边缘特征相融合,每相邻10帧比较图片的相似度,连续比较3次判断传送带的运行状态.若传送带运行,则运用自适应锚框机制的YOLOv3模型,检测传送带上的煤量,最后判断传送带是否空载.实验结果表明,该方法可以有效准确的判断传送带的空载状态,检测准确率达到96.85%.

融合图像去雾与Tiny-YOLOv3的护帮板状态检测研究

为解决液压支架工长时间作业过程中,因身体疲劳不能及时发现护帮板未护帮的问题,采用实时性高的Tiny-YOLOv3算法检测护帮板状态,但检测任务会受到综采工作面尘雾的影响。因此,提出一种融合图像去雾与Tiny-YOLOv3的目标检测算法,并在此基础上优化图像去雾算法的CUDA实现,首先将暗通道图像用RGB单通道图像代替,然后按列分组求大气光值,合并初始透射率的kernel函数并优化精细化透射率计算方式,提升图像去雾速度,保证算法的实时性。实验结果表明,在煤矿护帮板状态检测场景中,融合算法比Tiny-YOLOv3算法的准确率提高了22.8%,且满足实时检测的要求。

“煤矿大脑”人工智能技术在煤炭行业生产中的应用研究

作为一种新兴IT技术,人工智能已深入到社会影响的方方面面。煤炭行业作为国家能源的重要支柱,近些年来也在加速拥抱人工智能,企业发展以“安全保障、减人增效”为核心目标,利用云、边、端等技术架构“煤矿大脑”,融合了云计算、边缘计算和人工智能等众多新技术,通过AI技术保障煤炭企业安全、高效生产,优化企业安全生产管理过程,进而提升煤炭企业核心竞争优势,并为煤炭企业高质高效发展发挥着重要支撑作用。

基于井下轨迹数据的煤矿人员违规行为识别

当前有关井下人员轨迹数据的研究,缺乏针对煤矿领导带班下井的违规识别以及作业人员超时作业的违规识别。基于井下人员定位系数据,提出了判断煤矿领导是否带班下井及作业人员是否超时作业的识别方法,着重于识别煤矿领导是否带班下井、是否与上一班带班领导在井下交接班、是否存在安排他人代替下井(代打卡情况)、作业人员是否超时作业等4种场景。该方法的识别结果以图表方式直观地反应了煤矿领导带班下井情况,帮助煤矿发现隐患,促进煤矿提升管理水平,辅助煤矿安全生产。

山西省煤矿信息化相关标准解读

在信息化带动工业化浪潮的推动下,煤炭行业的信息化建设也日益普及。近日,山西省市场监督管理局批准发布了6项有关煤矿信息化建设的地方标准,其中前4项标准由山西省工业和信息化厅提出,山西精英科技股份有限公司等单位起草,标准将于2019年2月5日起正式实施。

基于粗糙集的特征选择系统设计与实现

人工智能、大数据技术日新月异,快速更迭,粗糙集是众多提供决策支持的方法之一。集成部分粗糙集属性约简算法,合并决策表预处理方法,设计了RSLibrary,在这个基础上实现了基于粗糙集的特征选择系统,包括不同度量条件下的基本约简和三类加速约简算法。

煤矿探放水智能监测系统的研究与应用

为解决煤矿水害防治中存在的问题,有效减少煤矿突(透)水事故的发生,为采掘工作提供可靠的地质保障,精英数智科技股份有限公司(以下简称精英数智)深入研究煤矿井下探放水作业场景,研发出煤矿探放水视频监控系统,真正实现了“一钻一孔一视频”,在地面通过视频对打钻现场的钻进、退杆进行实时监督。精英数智将人工智能赋能煤炭生产.

煤矿探放水智能监测系统

精英数智科技股份有限公司研发的煤矿探放水智能监测系统是以人工智能技术为核心,覆盖煤矿防治水过程中设计、计划、执行、验收、总结、分析等关键节点全流程智能化管理系统。系统从掘进开口处以图形化方式展示矿井掘进巷道及已形成回采工作面的探放水作业信息;以探放水里程为时间轴,快速查阅历次探放水作业数据、作业视频及探放水台帐;以图形方式展示和汇总掘进工作面的已掘进距离、允许掘进距离、超前距离和未探测距离,通过钻孔轨迹数据生成探水作业覆盖区域,辅助探水作业设计及生产分析。