基于計算機視覺的礦井頂板事故監控系統

劉逆凡，沈嘉韻，包文夏，李晨陽，王志遠

（廣東東軟學院，廣東 廣州 528200）

0 引言

多年來，頂板事故造成的社會各方面損失難以估計。習總書記也多次在大型會議中強調安全生產的重要性，由此可見，安全生產對社會的穩定發展是多么重要。計算機視覺在礦井頂板事故監測技術中的應用研究具有創新性，國內外相關學者對計算機視覺在礦井板頂事故中的研究相對較少，四大數據庫收錄的相關文章也相對較少，研究的方向極具有創新性。做出一套完整的基于計算機視覺的礦井頂板事故監控系統對未來安全生產的高效率管理的意義將會是重大的。

1 基本思路

計算機視覺科學計算系統通過軟硬件接口將軟件和硬件連接起來，硬件部分包括中央處理器，存儲器，I/0設備。針對硬件的開發采用百度AI大腦、 Arduino開發套件；軟件部分分為應用軟件，軟件接口和數據庫三個部分。其中的應用軟件采用java桌面應用開發，數據庫部分采用本地數據庫和云存儲數據庫相結合的方法[1]。接下來將重點針對應用開發中的礦井頂板圖像處理系統，礦井頂板圖像識別系統，頂板事故圖像分析系統和Python自動化管理后臺四部分進行詳細介紹。對于產品的設計利用3D Max軟件，基于PC系統，設計出數據采集儀器的外觀模型，并進行三維模型渲染。為設計模型“小盯“（寓意為一雙眼睛時刻盯著頂板的變化）。

目前大多數的礦井頂板監測系統以傳感器測量技術為主，傳感器技術的更新速度較慢，可靠性差，性能和功能不足，并且沒有成像技術，如果用礦井工人的肉眼進行觀察誤差會相對較大，與國外的智能化水平相差較大。因此研究更為科學的數據采集儀器更為重要，本項目數據科學采集儀器對礦井頂板數據進行數據采集，數據科學采集儀器對礦井頂板數據進行數據采集，AI智能頂板圖像采集儀對頂板的進行圖像數據采集，Arduino頂板結構傳感器中的力敏傳感器、溫濕度傳感器對頂板與煤巖層各部位的受力和地下巷道的溫濕度進行檢測[2]。

（1）礦井頂板圖像處理系統：去噪處理：通過礦井頂板圖像處理系統進行視覺增強處理，比如我們常說的圖像濾波處理，高斯濾波作為一種線性濾波器，以中心位置為標準，其他位置根據距離的遠近，越遠濾波系數權重越低；增強處理：通過礦井頂板圖像處理系統進行視覺增強處理，進行圖像的對比度增強處理，使圖像更加的立體，更加具有層次感；圖像分割：常見的分割又分為實例分割和語義分割,實例分割主用來分別出哪些是頂板，哪些是煤巖層，哪些是開采設備，類似于分類；而語義分割是對同類事物進行像素分割，可以明確的對每一塊頂板進行識別，判斷其狀態，構建出更好的事故預測模型；三維重構：將計算機視覺和計算機圖形學的知識相結合，對頂板圖像進行三維重構，相對于二維圖像信息，三維圖像的立體感更強，更清晰。MVE多視圖環境是用于基于圖像的幾何重構的完整的端到端管道的實現。它具有動感結構，多視圖立體聲和曲面重建功能[3]。

（2）頂板圖像識別系統：YOLO-V5是目前國際上運用較為廣泛的開源目標檢測算法，該算法不僅文件權重比較小，可以搭載在配置更低的文件上，并且相對于大多數目標檢測器或同類模型算法效果更好，速度更快。

圖1 YOLO-V5模型運行效果圖

（3）礦井頂板圖像分析系統：一般來說我們會首先檢測定位畫面中的頂板，然后在對頂板進行關鍵點分析，通常會選用18個關鍵點，對應頂板重要的結構部位，用關鍵點的細微變化來預測出頂板的變化趨勢，及時的發出警報，避免事故的發生。

（4）頂板事故圖像檢索系統：構建一個基于深度學習的頂板事故圖像檢索系統，首先我們需要一組能夠接收科學數據采集儀器采集的頂板圖像和各項傳感數據，并及時將檢索結果反饋給管理人員的前端界面。一個能提取頂板圖像特征，與頂板事故圖像特征索引庫進行特征匹配并返回結果的后端系統。然后通過Java的Spring [web應用框架]將前端和后端連接起來。

（5）Python自動化管理后臺：利用純Python的GUI自動化工具PyAutoGUI，使得程序自主操控鍵盤和鼠標，實現人員和頂板事故統計的自動化管理，前端界面主要由layui框架進行搭建。

（6）數據采集儀器采集到的數據通過總線串口上傳到計算機系統，然后對數據進行處理，將處理后的數據存儲到系統的數據庫，最后通過可視化的方法呈現[4]。為了是分析更加全面，同時通過開源的Python發行版本Anaconda導入數據，pandas.numpy數據處理庫對礦井頂板和煤巖層的圖像，溫濕度，受力等傳感數據進行數據處理;最后再通過可視化庫對處理后的數據進行可視化。

圖2 頂板數據可視化平臺

2 行業狀況

由于目前地下礦井成像系統和傳輸介質的不完善，圖像在其形成、傳輸記錄過程中往往會受到多種噪聲的干擾，極大降低了圖像質量，影響圖像分類分割和圖像識別等后繼工作。煤炭企業會定時組織相關的專家對頂板的結構進行檢查，但是人為檢測的人力管理成本較高，受主觀因素影響，精度一般，效率低，速度慢。并且不適合惡劣的環境。計算機視覺檢測就不同，成本低，一次性投入，精度高，速度快，效率高和適合惡劣危險的環境的接。利用計算機視覺圖像分析系統中的邊緣檢測可以將新老頂板、煤巖層和開采頂板支架的分界線識別出來，是檢測的更便捷，成本更低。

3 項目應用價值及轉換前景

根據《中華人民共和國安全生產法》中的法律：對發生一般事故、較大事故、重大事故、特別重大事故的分別處一年收入30%、40%、60%、80%的罰款。

煤炭行業的國企年利潤高達千億元，按照最低的處罰標準，一次煤礦事故將會造成上百億元的處罰。與此同時相應的集團負責人，礦區負責人等都會受到處罰。一套好的頂板事故監測系統，能夠降低安全生產事故給企業帶來的損失，更有效的促進企業利潤增長的可持續，促進地方經濟和國家經濟的發展[5]。

4 結語

項目采用文獻調查法、觀察法、實驗法和比較研究法等調查方法，通過科學數據采集儀器對礦井地下工作面頂板和煤巖層的圖像和傳感信息進行數據采集，通過計算機視覺科學計算系統對圖像進行處理，分析和理解，來對事故進行預測和實時處理，將損失降到最低。