-
题名煤矿井下暗光环境人员行为检测研究
- 1
-
-
作者
董芳凯
赵美卿
黄伟龙
-
机构
山西工程技术学院机械工程系
中北大学机械工程学院
中国科学院海西研究院泉州装备制造研究中心
-
出处
《工矿自动化》
北大核心
2025年第1期21-30,144,共11页
-
基金
山西省教育厅2022年度高等学校科技创新项目(2022L704)
阳泉市科技计划项目(2022JH051)。
-
文摘
煤矿井下环境复杂,对部分作业现场人员行为进行检测时易出现漏检与误检问题。针对该问题,提出了一种煤矿井下暗光环境人员行为检测方法,包括暗光环境图像增强和行为检测2个部分。暗光环境图像增强基于自校准光照学习(SCI)进行改进,由图像增强网络和校准网络构成。人员行为检测通过引入Dynamic Head检测、跨尺度融合模块和Focal-EIoU损失函数来改进YOLOv8n模型。SCI+网络增强后的图像作为人员行为检测模型检测的对象,完成井下暗光环境人员行为的检测任务。实验结果表明:(1)井下暗光环境人员行为检测方法的m AP@0.5为87.6%,较YOLOv8n提升了2.5%,较SSD,Faster RCNN,YOLOv5s,RT-DETR-L分别提升了15.7%,11.5%,0.9%,4.3%。(2)井下暗光环境人员行为检测方法的参数量为3.6×106个,计算量为11.6×109,检测速度为95.24帧/s。(3)在公开数据集EXDark上,井下暗光环境人员行为检测方法的mAP@0.5为74.7%,较YOLOv8n提升了1.5%,表明该方法具有较强的泛化能力。
-
关键词
暗光环境
井下人员行为检测
自校准光照学习
图像增强
SCI+网络
Dynamic
Head
跨尺度融合模块
Focal-EIoU损失函数
YOLOv8n
-
Keywords
low-light environment
underground mine worker behavior detection
self-calibrated illumination learning
image enhancement
SCI+network
Dynamic Head
cross-scale fusion module
Focal-EIoU loss function
YOLOv8n
-
分类号
TD67
[矿业工程—矿山机电]
-
-
题名矿山人员行为视觉语义方法研究
被引量：1
- 2
-
-
作者
王戈琛
闫雨寒
刘晓文
丁恩杰
-
机构
中国矿业大学物联网(感知矿山)研究中心
中国矿业大学信息与控制工程学院
中国矿业大学电气与动力工程学院
中国矿业大学江苏省煤矿电气与自动化工程实验室
-
出处
《工矿自动化》
北大核心
2021年第5期40-45,51,共7页
-
基金
“十三五”国家重点研发计划项目(2017YFC0804400,2017YFC0804401)。
-
文摘
煤矿井下人员行为检测是感知矿山建设关注的重点,而现有的基于电磁波、基于可穿戴设备、基于计算机视觉等人员行为检测方法无法综合时间、地点、行为、环境等多方面因素评判矿山人员行为是否安全。提出了一种矿山人员行为视觉语义方法,通过特征提取、语义检测、特征重构、解码等生成描述视频中人员行为的语句。分别采用InceptionV4网络、I3D网络提取视频图像静态、动态特征,在InceptionV4网络中引入基于空间位置注意力模型和通道注意力模型的并行双重注意力机制,提高了网络的特征提取能力。针对视频内容与视觉语义易出现不一致的问题,引入语义检测网络对视频特征添加高级语义标签生成嵌入特征,将其与视频特征、语义特征共同输入解码器,并在解码过程中引入特征重构模块,通过获取解码器隐藏层状态重建视频特征,增强了视频特征与描述语句之间的关联关系,提高了视觉语义生成的准确性。采用MSVD,MSR-VTT公共数据集及自制矿山视频数据集进行实验,结果表明该方法具有较好的语义一致性,能准确获取视频中关键语义,更好地反映视频真实含义。
-
关键词
感知矿山
人员行为检测
视觉语义
双重注意力机制
空间位置注意力
通道注意力
语义检测
特征重构
-
Keywords
sensor mine
personnel behavior detection
visual semantics
dual attention mechanism
spatial location attention
channel attention
semantic detection
characteristic reconstruction
-
分类号
TD67
[矿业工程—矿山机电]
-
-
题名AI摄像仪在煤矿安全监测中的应用与挑战
- 3
-
-
作者
滕光华
袁广振
李晓明
郑忠民
马治钦
-
机构
焦作煤业(集团)新乡能源有限公司赵固二矿
华洋通信科技股份有限公司
河南能源集团濮阳绿宇新材料科技股份有限公司
-
出处
《能源与环保》
2025年第1期181-186,193,共7页
-
基金
江苏省科技成果转化专项资金项目(BA2022074)。
-
文摘
为提高煤矿安全生产水平,加强煤矿的监控和管理,采用AI摄像仪技术,对煤矿井下作业、设备状态、人员安全和环境等方面进行了监测研究。结果表明,AI摄像仪能够实时采集煤矿中的图像和视频信息,对采煤工作面、掘进工作面、运输巷道等井下作业进行有效监测,及时发现设备故障和异常情况,如采煤机故障、胶带输送机跑偏等,故障率降低了30%~60%;能够对通风机、水泵、提升机等机电设备以及电气设备进行监测,提前发现设备故障,避免设备故障引发的安全事故;可以实现对井下人员的实时定位和行为监测,如人员未佩戴安全帽、违规操作等行为的准确率达到95%以上,违规行为发生率降低了70%~90%;还能对瓦斯、火灾、水文等环境参数进行监测,及时发现安全隐患,如瓦斯泄漏、火灾隐患等。AI摄像仪在煤矿安全生产中具有重要应用价值,能够提高生产效率和安全性,但在应用中仍面临环境因素、数据传输、算法精度和设备维护等挑战,需要通过优化设备设计、改进数据传输技术、提升算法精度和加强设备维护管理等措施来解决。
-
关键词
煤矿安全
AI摄像仪
设备故障检测
人员行为检测
环境参数检测
-
Keywords
coal mine safety
AI camera
equipment fault detection
personnel behavior detection
environmental parameter detection
-
分类号
TD76
[矿业工程—矿井通风与安全]
-
