一种基于深度学习煤矿井下不安全行为人工智能识别系统技术方案

本发明专利技术公开了一种基于深度学习煤矿井下不安全行为人工智能识别系统,包括矿井现场实例素材收集、训练数据集、AI训练平台、算法模型、控制平台等，通过基于深度学习技术的AI训练平台，加载由矿井现场实例素材收集生成的训练数据集，对煤矿井下不安全行为进行训练，得到算法模型后，通过控制平台或直接导入到AI摄像机或NVR，AI摄像机或NVR通过对实时视频流进行人工智能分析，识别出所训练的不安全行为，将推理结果推送给控制平台，控制平台将不安全信息推送给管理员，对不安全信息进行审核，并与现场进行通讯联络，确认制止不安全行为，推送给管理员的同时向不安全地点推送，使现场声光警示；实现减少事故发生，适用范围广。

An artificial intelligence recognition system of unsafe behavior in Coal Mine Based on deep learning

【技术实现步骤摘要】
一种基于深度学习煤矿井下不安全行为人工智能识别系统
本专利技术涉及一种基于深度学习煤矿井下不安全行为人工智能识别系统，属于人工智能领域。
技术介绍
我国绝大多数煤矿具有地质条件复杂、开采难度大、灾害类型多、分布面广等特点，人的不安全行为和物的不安全状态等隐患众多，导致煤矿安全生产事故时有发生，致使人身伤亡。因煤矿井下点多面广环节多，现场安监员不可能面面俱到，也不可能24小时一刻不离地盯在某一地点，照成安全监管盲点多、风险点多，煤矿安全管理成本增加。
技术实现思路
本专利技术的目的在于提供一种基于深度学习煤矿井下不安全行为人工智能识别系统，以解决上述
技术介绍
中提出的问题。为实现上述目的本专利技术采用以下技术方案：一种基于深度学习煤矿井下不安全行为人工智能识别系统，包括：矿井现场实例素材收集（S1）、训练数据集（S2）、AI训练平台（S3）、算法模型（S4）、控制平台（S5）、现场声光警示（S6）、AI摄像机／NVR（S7）、不安全行为信息审核（S8）、通讯联络（S9）；AI训练平台（S3）是基于深度学习的人工智本文档来自技高网...

【技术保护点】
1.一种基于深度学习煤矿井下不安全行为人工智能识别系统，其特征在于，包括：矿井现场实例素材收集（S1）、训练数据集（S2）、AI训练平台（S3）、算法模型（S4）、控制平台（S5）、现场声光警示（S6）、AI摄像机／NVR（S7）、不安全行为信息审核（S8）、通讯联络（S9）；/nAI训练平台（S3）是基于深度学习的人工智能训练平台，通过矿井现场实例素材收集（S1）收集煤矿井下不安全行为，并生成训练数据集（S2），然后上传至AI训练平台（S3），AI训练平台（S3）通过加载训练数据集（S2）对煤矿井下不安全行为素材进行分类训练，通过对煤矿井下不安全素材的训练、校验，可以得到煤矿井下不安全算法模...

【技术特征摘要】
1.一种基于深度学习煤矿井下不安全行为人工智能识别系统，其特征在于，包括：矿井现场实例素材收集（S1）、训练数据集（S2）、AI训练平台（S3）、算法模型（S4）、控制平台（S5）、现场声光警示（S6）、AI摄像机／NVR（S7）、不安全行为信息审核（S8）、通讯联络（S9）；
AI训练平台（S3）是基于深度学习的人工智能训练平台，通过矿井现场实例素材收集（S1）收集煤矿井下不安全行为，并生成训练数据集（S2），然后上传至AI训练平台（S3），AI训练平台（S3）通过加载训练数据集（S2）对煤矿井下不安全行为素材进行分类训练，通过对煤矿井下不安全素材的训练、校验，可以得到煤矿井下不安全算法模型（S4）；
通过控制平台（S5）可以控制AI摄像机／NVR（S7）、控制现场声光警示（S6）、发起不安全行为信息审核（S8），可以读取AI摄像机／NVR（S7）实时视频流及录像，通过控制平台（S5）可以对算法模型迭代训练。

...

【专利技术属性】
技术研发人员：张柳，赵德伟，康亚伟，齐卫东，白文信，万召田，孟建，
申请(专利权)人：枣庄矿业集团有限责任公司蒋庄煤矿，
类型：发明
国别省市：山东;37