基于AI的運輸皮帶綜合保護(hù)系統(tǒng)的研究與應(yīng)用

王春青

（開灤集團(tuán)有限責(zé)任公司，河北唐山，063018）

0 引言

隨著國家智能制造要求的不斷提高，現(xiàn)代化的物料輸送現(xiàn)場、地質(zhì)、施工等條件的多元化對輸送帶的性能提出了更高的要求。煤礦運輸場景下因環(huán)境惡劣，工人無法實時在井下跟蹤每條皮帶情況，因此運輸巷道多在皮帶機(jī)頭、機(jī)尾等位置安裝高清攝像頭，以實現(xiàn)在井上實時監(jiān)控皮帶及相關(guān)場景的變化情況。但由于井下攝像頭數(shù)量較多，監(jiān)控室人員和設(shè)備有限，無法實時監(jiān)控到每個攝像頭，只能事后查看錄像，監(jiān)控使用效率極低。基于此，本文項目將AI技術(shù)應(yīng)用在井下視頻實時識別和監(jiān)測上，可實現(xiàn)所有視頻流實時分析、異常及時報警，極大提升監(jiān)控使用效率，有效降低井下生產(chǎn)事故。

1 現(xiàn)狀分析

為了加強(qiáng)煤礦皮帶運輸?shù)陌踩芸兀覈禾科髽I(yè)按照煤礦安全規(guī)程，在皮帶運輸方面采取了大量的安全保護(hù)措施，如：大部分皮帶運輸系統(tǒng)都安裝了綜合保護(hù)裝置和安全護(hù)欄，并在一些具備條件的工作地點也建設(shè)工業(yè)視頻監(jiān)控系統(tǒng)，將所有監(jiān)控畫面上傳至地面調(diào)度室，監(jiān)控人員可以通過工業(yè)視頻系統(tǒng)對井下情況進(jìn)行監(jiān)視、記錄。盡管如此，每年還是會發(fā)生很多運輸安全事故，如違章乘坐皮帶傷人、鐵器卷入皮帶滾筒傷人、皮帶撕裂等。

傳統(tǒng)的皮帶保護(hù)傳感器有其局限性，因其多為接觸式傳感器，易受煤塵、濕氣等外部環(huán)境影響，在潮濕環(huán)境下，傳感器容易發(fā)生短路，不能及時準(zhǔn)確報警；部分傳感器無法實現(xiàn)全方位的高精度的測量，自身抗干擾能力較差，檢測效果差。綜上所述，傳感器雖然有一定可行性，但是仍有諸多不便［2］。

2 研究方案設(shè)計

■2.1 系統(tǒng)需求分析

為了滿足運輸皮帶保護(hù)系統(tǒng)的相關(guān)智能要求，實現(xiàn)對各類故障和隱患進(jìn)行視、音頻分析，系統(tǒng)需求分析如下：

2.1.1 圖像AI訓(xùn)練平臺

AI訓(xùn)練需要相關(guān)服務(wù)器集群作為素材訓(xùn)練的基礎(chǔ)硬件環(huán)境，核心要求包括：

（1）素材快速標(biāo)定：方便快捷的素材標(biāo)定的工具，可以自行進(jìn)行數(shù)據(jù)標(biāo)注或購買數(shù)據(jù)標(biāo)注服務(wù)。

（2）模型快速訓(xùn)練：能夠自行進(jìn)行算法開發(fā)，實現(xiàn)零門檻算法模型訓(xùn)練。

（3）能夠?qū)崿F(xiàn)應(yīng)用快速落地和算法迭代，可持續(xù)提升算法性能，并與應(yīng)用平臺進(jìn)行快速打通。

2.1.2 智能硬件

AI訓(xùn)練平臺訓(xùn)練的算法，需要有相應(yīng)的硬件設(shè)備承載，從而實現(xiàn)對隱患的智能實時分析。為了實現(xiàn)對隱患快速檢測分析，采用邊緣設(shè)備分析方式，包括AI相機(jī)和智能NVR兩類。AI相機(jī)可滿足一個場景的多維分析，安裝在井下的AI相機(jī)須克服井下環(huán)境問題；對于已經(jīng)安裝了井下普通相機(jī)，且滿足成像的基礎(chǔ)上，可充分利舊，使用智能NVR，實現(xiàn)多個點位的實時智能分析，且智能NVR可放置于井上機(jī)房。

除了視頻AI硬件，還包括音頻分析的AI硬件，實現(xiàn)對異常聲音的實時檢測和分析。

音視頻智能硬件含有各類信號輸出，便于分析到故障時，可立即輸出信號提醒現(xiàn)場人員。

2.1.3 系統(tǒng)平臺

系統(tǒng)需實現(xiàn)硬件的管理、模型加載、智能分析設(shè)置；具有智能分析報警的接收與處理等功能。

■2.2 設(shè)計原則

（1）先進(jìn)性

本文中項目采用基于深度學(xué)習(xí)的視頻智能識別的技術(shù)，利用AI開放平臺進(jìn)行算法快速訓(xùn)練，實現(xiàn)皮帶故障的智能分析。

（2）穩(wěn)定性

根據(jù)各類環(huán)境選擇特定攝像機(jī)，在獲取清晰圖像的同時，采用了深度學(xué)習(xí)算法，對隱患進(jìn)行識別，保證了系統(tǒng)長時間穩(wěn)定運行。

（3）實用性

以業(yè)務(wù)流程梳理為依據(jù)，選擇相應(yīng)點位安裝智能相機(jī)，且平臺基于BS架構(gòu)、CS架構(gòu)開發(fā)的軟件平臺，便于不同人員根據(jù)權(quán)限查看不同結(jié)果。

（4）集成性

系統(tǒng)的高度集成一方面可以有效減少系統(tǒng)故障點，有利于系統(tǒng)的實施與運維；另一方面系統(tǒng)集成可以有效實現(xiàn)信息共享，實現(xiàn)一臺設(shè)備多種功能，提高信息處理效率，避免過度建設(shè)。

（5）可拓展性

平臺軟件可拓展性：采用模塊化設(shè)計，支持功能的模塊化升級，還可與其他平臺作數(shù)據(jù)對接［3］。

■2.3 系統(tǒng)總體構(gòu)架

系統(tǒng)總體架構(gòu)可分為四層，分別為：含智能分析相關(guān)設(shè)備的設(shè)備層；集成設(shè)備接入服務(wù)、存儲服務(wù)、事件報警服務(wù)等服務(wù)層；故障智能分析、視頻應(yīng)用、算法模型管理、智能分析配置等功能的應(yīng)用層；B/S、C/S客戶端的展示層。系統(tǒng)可提供相關(guān)數(shù)據(jù)接口，避免出現(xiàn)“信息孤島”的問題［4］。系統(tǒng)總體架構(gòu)，如圖1所示。

圖1 系統(tǒng)總體架構(gòu)圖

■2.4 系統(tǒng)各功能設(shè)計

皮帶不同的故障需采取不同的分析方式，比如圖像或聲音智能分析，又如采用檢測算法或分類算法。

（1）皮帶跑偏檢測

當(dāng)皮帶未跑偏時，從上往下看皮帶兩側(cè)都能露出托輥，而皮帶跑偏時，將有一側(cè)皮帶托輥會被皮帶完成擋住。利用上述特性，將相機(jī)安裝在皮帶上方，通過AI開放平臺訓(xùn)練托輥的識別。皮帶未跑偏時，托輥在畫面中的數(shù)量固定；當(dāng)皮帶跑偏時，托輥數(shù)量減少。利用平臺設(shè)置數(shù)量規(guī)則，少于設(shè)置的數(shù)量時，產(chǎn)生跑偏報警。

（2）皮帶卡堵檢測

皮帶卡堵主要在皮帶轉(zhuǎn)載搭接、落煤點等位置，卡堵后會不斷有煤堆積。在可能卡堵的位置，安裝相機(jī)，搜集卡堵素材，訓(xùn)練卡堵和未卡堵的分類算法，實現(xiàn)卡堵的檢測。

（3）皮帶起火檢測

利用熱成像對皮帶機(jī)頭、機(jī)尾等容易積灰的關(guān)鍵位置進(jìn)行實時區(qū)域溫度檢測，克服傳統(tǒng)傳感器只能點測溫的缺點，實現(xiàn)溫度超標(biāo)報警。

（4）托輥異常檢測

托輥磨損、軸承損壞等異常，通過圖像往往很難識別，該類異常的發(fā)生，往往伴隨“精銳”聲音的出現(xiàn)，與正常運行聲音相差較大，所以可以通過從一堆聲音中檢測異常聲音，實現(xiàn)該類故障的檢測報警。托輥運行較長時間后，托輥固定螺絲會松動，最終可能導(dǎo)致托輥掉落。為了實現(xiàn)托輥掉落檢測，利用AI開放平臺訓(xùn)練托輥檢測算法，對畫面中所有托輥進(jìn)行檢測，托輥掉落后，托輥數(shù)量會變化或檢測出托輥位置會有較大移動。

圖2 皮帶跑偏檢測示意圖

圖3 皮帶卡堵檢測示意圖

圖4 托輥異常聲音檢測原理

（5）皮帶異物檢測

皮帶運輸各類場景環(huán)境惡劣，特別是光線昏暗，皮帶速度又快，要實現(xiàn)皮帶錨桿、木塊、大塊矸等異物的檢測報警，檢測前提是要拍到清晰的畫面，從而作為素材訓(xùn)練異物的檢測算法，實現(xiàn)皮帶上或落料口的異物檢測。

圖5 異物檢測識別安裝示意圖

（6）人員入侵檢測

利用AI開放平臺訓(xùn)練人的檢測算法，實現(xiàn)畫面中皮帶周邊區(qū)域的人入侵檢測和報警。

（7）皮帶劃傷撕裂檢測

通過視頻圖像輸入到AI芯片，AI芯片中智能學(xué)習(xí)了皮帶撕裂的各種特征：邊緣分層特征、邊緣潰爛特征、反復(fù)開裂特征、鋼絲帶深度劃傷特征、鋼絲外漏特征、接頭縫隙特征、密集型劃痕特征、裙邊帶邊緣撕裂特征碼和纖維帶邊緣大尺度分層特征。與AI芯片皮帶撕裂的特征大數(shù)據(jù)推理分析，經(jīng)過識別推理模塊和輸出結(jié)果模塊，識別推理出皮帶是否有撕裂、撕裂的寬度和長度［5］。

3 應(yīng)用效果

基于AI的深度學(xué)習(xí)平臺，實現(xiàn)模型的快速部署，減少部署成本和實施周期。隨著工業(yè)視覺監(jiān)測數(shù)據(jù)的積累，系統(tǒng)可不斷內(nèi)部校優(yōu)，實現(xiàn)“模型學(xué)習(xí)-檢測-模型豐富-檢測更精準(zhǔn)-模型更豐富-檢測更精準(zhǔn)”的良性循環(huán)。因此，運輸皮帶綜合保護(hù)系統(tǒng)對于保證設(shè)備的安全運轉(zhuǎn)愈發(fā)可靠。

4 結(jié)語

通過建立基于AI的運輸皮帶綜合保護(hù)系統(tǒng)，充分利用AI視覺分析技術(shù)，可達(dá)到皮帶故障提前預(yù)判的目的，減少事故的發(fā)生。同時，利用該系統(tǒng)可以避免因皮帶煤量并不飽和卻仍以全速功率運行導(dǎo)致整個皮帶運輸系統(tǒng)“空轉(zhuǎn)”的浪費現(xiàn)象，并且降低由此帶來的設(shè)備磨損和故障風(fēng)險，提高煤礦企業(yè)的安全生產(chǎn)水平。應(yīng)用AI技術(shù)對于推進(jìn)煤礦智能化建設(shè)有著重要意義。