一种矿山井下人员不安全行为的人工智能识别方法技术

本发明专利技术公开了一种矿山井下人员不安全行为的人工智能识别方法，包括：构建不安全行为的分类体系，确定各类行为的具体表现形式；不安全行为包括物品类不安全行为、动作类不安全行为、区域类不安全行为；根据优化后的数据集的处理流程，采集得到待处理的目标数据集；其中，优化的处理流程包括数据采集多元化与针对性处理、数据格式转换与参数调整处理、数据集增广处理、数据集去噪处理、数据集标注处理；根据目标数据集，构建识别模型；根据识别模型对待识别的数据进行识别，确定矿山井下人员不安全行为。本发明专利技术实施例能够快速有效地识别煤矿井下人员不安全行为，提高煤矿安全生产水平，减少事故发生，可广泛应用于人工智能技术领域。

【技术实现步骤摘要】

本专利技术涉及人工智能，尤其涉及一种矿山井下人员不安全行为的人工智能识别方法。

技术介绍

1、煤矿矿工需要在狭小的空间中进行复杂的作业，这些作业不仅需要高度的专业知识和技能，还需要矿工们时刻保持警惕，避免不安全行为，以确保自身和他人的安。然而，在实际工作中，由于煤矿环境的特殊性和工作的高度压力，人员不安全行为时有发生，这可能导致事故的发生，造成严重的人员伤害甚至生命丧失。目前，煤矿中的人员不安全行为识别主要依靠人工巡检和监控视频回放，这些方法存在着效率低、主观性强、准确度差、成本高及难以覆盖全部作业区域等问。因此，如何有效地识别和预防井下人员不安全行为，提高煤矿安全生产水平，是当前亟待解决的关键问题。

2、传统的煤矿井下人员不安全行为识别手段主要依赖人工巡检和监控视频回放。人工巡检方式需要投入大量的人力物力，巡检人员在井下复杂环境中进行长时间作业，不仅劳动强度大，而且受限于人的注意力和精力，容易出现疏漏，难以做到全面、持续的监控。同时，人工判断存在较强的主观性，不同巡检人员对同一行为的判断标准可能存在差异，导致识别结果的准确性和一致性难以保证。本文档来自技高网...

【技术保护点】

1.一种矿山井下人员不安全行为的人工智能识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种矿山井下人员不安全行为的人工智能识别方法，其特征在于，

3.根据权利要求1所述的一种矿山井下人员不安全行为的人工智能识别方法，其特征在于，所述构建识别模型这一步骤之前，还包括对所述目标数据集进行预处理的步骤，该步骤包括：

4.根据权利要求1所述的一种矿山井下人员不安全行为的人工智能识别方法，其特征在于，所述通过改进的YOLOv11算法来优化模型训练流程，包括以下步骤：

5.根据权利要求4所述的一种矿山井下人员不安全行为的人工智能识别方法...

【技术特征摘要】

1.一种矿山井下人员不安全行为的人工智能识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种矿山井下人员不安全行为的人工智能识别方法，其特征在于，

3.根据权利要求1所述的一种矿山井下人员不安全行为的人工智能识别方法，其特征在于，所述构建识别模型这一步骤之前，还包括对所述目标数据集进行预处理的步骤，该步骤包括：

4.根据权利要求1所述的一种矿山井下人员不安全行为的人工智能识别方法，其特征在于，所述通过改进的yolov11算法来优化模型训练流程，包括以下步骤：

5.根据权利要求4所述的一种矿山井...

【专利技术属性】
技术研发人员：田小宽，冯宇，焦玉勇，刘懿，朱斯陶，
申请(专利权)人：中山大学，
类型：发明
国别省市：