一种综采工作面异常预警方法、系统、电子设备及介质技术方案

本发明专利技术公开了一种综采工作面异常预警方法、系统、电子设备及介质，涉及综采工作面异常预警领域，该方法包括：采集井下综采工作面的实时视频；截取综采工作面的实时视频中的图像，得到综采工作面图像；对综采工作面图像进行去雾，得到去雾图像；构建改进的YOLOv5s的视觉异常检测模型；将去雾图像输入训练好的改进的YOLOv5s的视觉异常检测模型，得到检测结果；检测结果为人员正常状态、拖缆正常状态、人员异常状态和拖缆异常状态；当检测结果为人员异常状态或拖缆异常状态时，生成报警信号。本发明专利技术能够及时发现综采工作面的异常状况并及时进行报警，提高综采工作面的安全性。提高综采工作面的安全性。提高综采工作面的安全性。

【技术实现步骤摘要】
一种综采工作面异常预警方法、系统、电子设备及介质


[0001]本专利技术涉及综采工作面异常预警领域，特别是涉及一种综采工作面异常预警方法、系统、电子设备及介质。

技术介绍

[0002]煤炭是中国的基础能源，是我国能源中最经济、清洁、高效的资源。但煤矿综采工作面开采条件复杂，具有设备数量多、环境恶劣的特点，由于对设备、环境监测不到位导致煤矿综采工作面事故频发。传统的监测方法是在巡检机器人上安装图像传感器，采集井下综采工作面设备、环境及人员图像并上传至集控中心，由工作人员对图像数据进行集中处理，并审查工作面是否存在异常状况，但综采工作面所需监控场景众多，该方法存在监控盲点，且人工审查会出现遗漏和响应不及时的问题。

技术实现思路

[0003]本专利技术的目的是提供一种综采工作面异常预警方法、系统、电子设备及介质，能够及时发现综采工作面的异常状况并及时进行报警，提高综采工作面的安全性。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种综采工作面异常预警方法，所述方法包括：
[0006]采集井下综采工作面的实时视频；
[0007]截取所述综采工作面的实时视频中的图像，得到综采工作面图像；
[0008]对所述综采工作面图像进行去雾，得到去雾图像；
[0009]构建改进的YOLOv5s的视觉异常检测模型；
[0010]将所述去雾图像输入训练好的改进的YOLOv5s的视觉异常检测模型，得到检测结果；所述检测结果为人员正常状态、拖缆正常状态、人员异常状态和拖缆异常状态；
[0011]当所述检测结果为人员异常状态或拖缆异常状态时，生成报警信号。
[0012]可选地，所述对所述综采工作面图像进行去雾，得到去雾图像，具体包括：
[0013]获取井下空气光值；
[0014]计算所述综采工作面图像RGB三通道的最小值，得到灰度图像；
[0015]应用窗口对所述灰度图像进行滤波，得到暗通道图像；
[0016]根据所述暗通道图像，应用暗通道先验算法，计算初始透射率；
[0017]使用引导滤波对所述初始透射率进行优化，得到目标透射率；
[0018]根据所述目标透射率和所述井下空气光值，对所述暗通道图像进行复原计算，得到去雾图像。
[0019]可选地，所述根据所述目标透射率和所述井下空气光值，对所述暗通道图像进行复原计算，得到去雾图像，之前还包括：
[0020]根据所述灰度图像对所述目标透射率进行校正，得到校正后的目标透射率。
[0021]可选地，所述改进的YOLOv5s的视觉异常检测模型的训练过程，具体包括：
[0022]获取井下综采工作面的历史监控视频；
[0023]对井下综采工作面的历史监控视频进行截取，得到历史图像；
[0024]对所述历史图像进行去雾，得到去雾历史图像；
[0025]将所述去雾历史图像中的危险区域和综采工作面的检测目标进行标注，得到标注后的历史图像；所述综采工作面的检测目标包括人员和拖缆；
[0026]根据所述标注后的历史图像中，所述综采工作面的检测目标与所述危险区域的位置关系，确定历史图像的检测结果；
[0027]以所述去雾历史图像为输入，以所述历史图像的检测结果为输出，对所述改进的YOLOv5s的视觉异常检测模型进行训练，得到训练好的改进的YOLOv5s的视觉异常检测模型。
[0028]可选地，所述根据所述标注后的历史图像中，所述综采工作面的检测目标与所述危险区域的位置关系，确定历史图像的检测结果，具体包括：
[0029]当所述工作面的检测目标为人员，且所述综采工作面的检测目标与所述危险区域有重叠时，历史图像的检测结果为人员异常状态；
[0030]当所述工作面的检测目标为人员，且所述综采工作面的检测目标与所述危险区域没有重叠时，历史图像的检测结果为人员正常状态；
[0031]当所述工作面的检测目标为拖缆，且所述综采工作面的检测目标在所述危险区域内时，历史图像的检测结果为拖缆正常状态；
[0032]当所述工作面的检测目标为拖缆，且所述综采工作面的检测目标没有在所述危险区域内时，历史图像的检测结果为拖缆异常状态。
[0033]一种综采工作面异常预警系统，应用于上述的综采工作面异常预警方法，所述系统包括：
[0034]采集模块，用于采集井下综采工作面的实时视频；
[0035]截取模块，用于截取所述综采工作面的实时视频中的图像，得到综采工作面图像；
[0036]去雾模块，用于对所述综采工作面图像进行去雾，得到去雾图像；
[0037]构建模块，用于构建改进的YOLOv5s的视觉异常检测模型；
[0038]检测模块，用于将所述去雾图像输入训练好的改进的YOLOv5s的视觉异常检测模型，得到检测结果；所述检测结果为人员正常状态、拖缆正常状态、人员异常状态和拖缆异常状态；
[0039]报警模块，用于当所述检测结果为人员异常状态或拖缆异常状态时，生成报警信号。
[0040]一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的综采工作面异常预警方法。
[0041]一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述的综采工作面异常预警方法。
[0042]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0043]本专利技术提供的综采工作面异常预警方法，包括：采集井下综采工作面的实时视频；截取综采工作面的实时视频中的图像，得到综采工作面图像；对综采工作面图像进行去雾，得到去雾图像；构建改进的YOLOv5s的视觉异常检测模型；将去雾图像输入训练好的改进的
YOLOv5s的视觉异常检测模型，得到检测结果；检测结果为人员正常状态、拖缆正常状态、人员异常状态和拖缆异常状态；当检测结果为人员异常状态或拖缆异常状态时，生成报警信号。本专利技术通过改进的YOLOv5s对拖缆脱槽和人员入侵异常进行识别报警，提高综采工作面的安全性。
附图说明
[0044]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0045]图1为本专利技术提供的综采工作面异常预警方法流程图；
[0046]图2为图像去雾流程图；
[0047]图3为人员入侵异常检测流程图；
[0048]图4为拖缆脱槽异常检测流程图；
[0049]图5为本专利技术提供的基于无创压力容积环的分类系统模块图。
[0050]符号说明：
[0051]1‑
采集模块，2
‑
截取模块，3
‑
去雾模块，4
...

【技术保护点】

【技术特征摘要】
1.一种综采工作面异常预警方法，其特征在于，所述方法包括：采集井下综采工作面的实时视频；截取所述综采工作面的实时视频中的图像，得到综采工作面图像；对所述综采工作面图像进行去雾，得到去雾图像；构建改进的YOLOv5s的视觉异常检测模型；将所述去雾图像输入训练好的改进的YOLOv5s的视觉异常检测模型，得到检测结果；所述检测结果为人员正常状态、拖缆正常状态、人员异常状态和拖缆异常状态；当所述检测结果为人员异常状态或拖缆异常状态时，生成报警信号。2.根据权利要求1所述的综采工作面异常预警方法，其特征在于，所述对所述综采工作面图像进行去雾，得到去雾图像，具体包括：获取井下空气光值；计算所述综采工作面图像RGB三通道的最小值，得到灰度图像；应用窗口对所述灰度图像进行滤波，得到暗通道图像；根据所述暗通道图像，应用暗通道先验算法，计算初始透射率；使用引导滤波对所述初始透射率进行优化，得到目标透射率；根据所述目标透射率和所述井下空气光值，对所述暗通道图像进行复原计算，得到去雾图像。3.根据权利要求2所述的综采工作面异常预警方法，其特征在于，所述根据所述目标透射率和所述井下空气光值，对所述暗通道图像进行复原计算，得到去雾图像，之前还包括：根据所述灰度图像对所述目标透射率进行校正，得到校正后的目标透射率。4.根据权利要求1所述的综采工作面异常预警方法，其特征在于，所述改进的YOLOv5s的视觉异常检测模型的训练过程，具体包括：获取井下综采工作面的历史监控视频；对井下综采工作面的历史监控视频进行截取，得到历史图像；对所述历史图像进行去雾，得到去雾历史图像；将所述去雾历史图像中的危险区域和综采工作面的检测目标进行标注，得到标注后的历史图像；所述综采工作面的检测目标包括人员和拖缆；根据所述标注后的历史图像中，所述综采工作面的检测目标与所述危险区域的位置关系，确定历史图像的检测结果；以所述去雾历史图像为输入，以所述历史图像的检测结果...

【专利技术属性】
技术研发人员：张旭辉，高杰，王甜，王东，张超，杨文娟，毛清华，杜昱阳，申飞，张利，
申请(专利权)人：陕西煤业化工集团孙家岔龙华矿业有限公司，
类型：发明
国别省市：