【技术实现步骤摘要】
一种基于云
‑
边智能的井下危险源检测方法
[0001]本专利技术涉及矿井安全监控
,特别是涉及一种基于云
‑
边智能的井下危险源检测方法。
技术介绍
[0002]矿井火灾是煤矿安全领域的重点防治的灾害之一,近年来关于矿下失火事件居高不下,这不仅带来了财产损失,还威胁到了工人的生命安全,煤矿安全事故分为瓦斯、顶板、运输等8大类别,从2007
‑
2017年的事故统计分析,发现火灾/瓦斯事故每起平均死亡人数高达21/5人。
[0003]因此采取有效的监控措施,预防火灾的发生极为重要,现阶段,煤矿井下监测外因起火的方法主要采用气体、温度、烟雾等传感器,通过将大量传感器部署在矿道的上方来监视设备运行情况。然而这种方法存在许多不足之处,首先,部署大量的传感器不仅耗时、耗力、耗资金,而且后期还需要不断地定期检查维护,当部署的传感器较少时,远离传感器较远的火源则不能被及时的检测到,这也是目前使用传感监测矿下火灾发生面临的最主要问题。
[0004]人工智能(AI)的发展为安全监控系统的设计带来了新思路,基于AI的安全监控系统主要有两种部署方法:基于云的架构和基于边缘的架构,基于云的方法是通过互联网将大量采集到数据传输到云中,在云中进行一系列数据处理,如果受到攻击,将导致隐私泄露,另外,随着终端设备收集的数据量不断增加,基于云的方法给网络带来了巨大的数据传输压力,无法满足安全监控系统的实时要求;基于边缘架构的安全监测系统通过使用边缘计算,可以在边缘设备上处理数据而 ...
【技术保护点】
【技术特征摘要】
1.一种基于云
‑
边智能的井下危险源检测方法,其特征在于,包括以下步骤:步骤1、云边参数优化选用SSD网络模型作为检测模型,并将提取目标初步特征的VGG
‑
16网络换成MobileNet网络,SSD网络模型与MobilNet网络组成的MobilNet
‑
SSD目标检测模型,减少模型提取深度特征部分的网络深度,将数据集图片进行翻转、裁剪,去除多余物体,局部放大目标;步骤2、煤矿的云
‑
边检测体系:将摄像头及多传感器部署在边缘设备上,在边缘侧实现实时检测,多传感器包括温度传感器、烟雾传感器和CO传感器;步骤3、边缘侧多传感器融合的危险源感知对步骤2中摄像头及多传感器检测到的信息进行动态加权融合处理,判断是否有火焰产生;步骤4、多网络融合网络将步骤2、步骤3多设备检测的信息多网络融合无线传输到上位机。2.根据权利要求1所述的一种基于云
‑
边智能的井下危险源检测方法,其特征在于,所述步骤2具体按照以下步骤实施:S21、将步骤1中MobileNet
‑
SSD目标检测模型进行训练,并将训练好的模型移植在边缘摄像头上;S22、视频处理模块调用摄像头获取视频帧,然后将获取的图片传递给图像分析和检测模块;S23、将S22中获取的图片传输到Cambricon 1H8边缘智能设备的动态随机存取存储器中,程序调用嵌入在Cambricon 1H8边缘智能设备中的神经网络模型来处理图片并识别图片中的烟火,然后将烟火的位置传递到OSD检测目标叠加模块;S24、程序每0.5秒识别一次图像,仅当在三个连续的图片上识别出烟火时,才认为当前有火焰或者烟雾产生;S25、温度传感器、烟雾传感器和CO传感器辅助摄像头检测,实时检测异常情况。3.根据权利要求1所述的一种基于云
‑
边智能的井下危险源检测方法,其特征在于,所述步骤3具体按照以下步骤实施:S31、定义动态加权判决算法,如下所示:F=[a1,a2,a3,a4][b1,b2,b3,b4]
T
其中a1、a2、a3、a4分别为摄像头...
【专利技术属性】
技术研发人员:赵端,李涛,范春琲,马振华,刘春,周福宝,刘立锋,
申请(专利权)人:沃尔特电子苏州有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。