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。作为本专利技术进一步的方案，通过AI训练平台（S3）得到煤矿井下不安全算法模型（S4），通过控制平台（S5）导入到AI摄像机／NVR（S7）或直接导入到AI摄像机／NVR（S7），使AI摄像机／NVR（S7）具备智能识别所训练煤矿井下不安全行为的能力。作为本专利技术进一步的方案，当AI摄像机／NVR（S7）智能识别到所训练煤矿井下不安全行为，通过向控制平台（S5）推送推理结果，控制平台（S5）收到推理结果，将不安全信息推送给管理员进行不安全行为信息审核（S8），管理员与不安全行为发生现场地点进行通讯联络（S9），确保不安全行为已经得到有效制止，控制平台向管理员推送不安全行为信息的同时，向不安全行为发生地点推送现场声光警示（S6），不安全行为发生现场通过声音和灯光警示，达到制止不安全行为的目的。与现有技术相比，本专利技术的有益效果是：本专利技术基于煤矿企业不安全行为智能分析需求，利用基于深度学习的AI开放平台，构建煤矿井下不安全行为人工智能识别系统，能够通过视频流检测煤矿井下不安全行为，并发出警示信息，解决了煤矿企业安全生产管理过程中遇到的困境，减少安全管理投入，提升安全生产智能化管理水平，最终实现减少事故发生。同时本专利技术可通过视频流智能识别不安全行为，对不安全行为进行记录，并现场对不安全行为进行警示，适用范围广。附图说明图1为本专利技术系统原理框图。图中：S1、矿井现场实例素材收集，S2、训练数据集，S3、AI训练平台，S4、算法模型，S5、控制平台，S6、现场声光警示，S7、AI摄像机／NVR，S8、不安全行为信息审核，S9、通讯联络。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的阐述。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。通过AI训练平台（S3）得到煤矿井下不安全算法模型（S4），通过控制平台（S5）导入到AI摄像机／NVR（S7）或直接导入到AI摄像机／NVR（S7），使AI摄像机／NVR（S7）具备智能识别所训练煤矿井下不安全行为的能力。当AI摄像机／NVR（S7）智能识别到所训练煤矿井下不安全行为，通过向控制平台（S5）推送推理结果，控制平台（S5）收到推理结果，将不安全信息推送给管理员进行不安全行为信息审核（S8），管理员与不安全行为发生现场地点进行通讯联络（S9），确保不安全行为已经得到有效制止，控制平台向管理员推送不安全行为信息的同时，向不安全行为发生地点推送现场声光警示（S6），不安全行为发生现场通过声音和灯光警示，达到制止不安全行为的目的。本专利技术的识别方法，包括如下步骤：包括素材采集、不安全行为模型训练、不安全行为算法模型加载、不安全行为识别。1、素材采集；首先确定煤矿井下不安全行为，如煤矿井下未戴安全帽、未佩戴矿灯、未佩戴防尘口罩、不穿上衣、不正确穿胶靴、登高未佩戴安全带、行车不行人、设备操作工离岗监测等，然后跟据不同的煤矿井下不安全行为进行矿井现场实例素材收集，生成训练数据集。2、不安全行为算法模型训练；首先，在基于深度学习技术的AI训练平台上加载训练数据集，对不同的不安全行为进行分类，通过设置感兴趣区域，使算法训练只针对该区域进行训练。通多对煤矿井下不安全行为素材的训练、校验，可生成煤矿井下不安全行为算法模型。3、不安全行为模型加载；不安全行为模型训练完成后，通过AI训练平台对算法模型进行生成。算法模型部署和任务下发可以通过控制平台加载到前端AI摄像机或者NVR，或者直接加载到前端AI摄像机或者NVR，控制平台对算法模型进行迭代训练，以期达到最佳效果。4、不安全行为识别；通过已经加载煤矿井下不安全行为算法模型的前端AI摄像机或者NVR，人工智能的分析所拍视频中是否有不安全行为，如果有不安全行为，则将推理结果推送给控制平台，控制平台将不安全行为信息推送给管理员，管理员与不安全行为发生现场地点进行通讯联络，确保不安全行为已经得到有效制止，控制平台向管理员推送不安全行为信息的同时，根据设备关联信息，向不安全行为发生地点的声光报警器推送警示信息，现场对不安全行为声光警示。本专利技术工作原理：本专利技术设计适用于煤矿不安全行为人工智能识别，本专利技术通过基于深度学习技术的AI训练平台，对煤矿井下不安全行为进行训练，得到算法模型后，通过导入到AI摄像本文档来自技高网...

【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型（S4）；/n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。/n

【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