淺談AI 技術與煤礦安全管理融合的實踐應用

陳博

（陜西陜煤黃陵礦業公司一號煤礦，陜西 延安 727307）

1 前言

近年來，隨著AI 人工智能技術的發展，為煤礦安全管理增加了新的管理路徑和管理思路。如何在新時代、新技術、新趨勢的背景下做好煤礦安全管理是一項極具挑戰性的任務，相比傳統的煤礦，智能煤礦是將人工智能、物聯網、云計算、大數據、機器人、智能裝備等與現代煤炭開發利用深度融合，形成全面感知、實時互聯、分析決策、自主學習、動態預測、協同控制的智能系統，實現煤礦開拓、采掘、運輸、通風、洗選、安全保障、經營管理等過程的智能化運行，對于提升煤礦安全生產水平、保障煤炭穩定供應具有重要意義。

2020 年3 月，由國家發展改革委、能源局、應急部等8 部委聯合印發了《關于加快煤礦智能化發展的指導意見》，標志著煤礦智能化建設全面展開。人工智能實質是擴展人類智能，促使智能主體會聽（語音識別）、會看（圖像識別）、會說（語音報警）、會思考（自主判斷）、會學習（知識應用）、會行動（遠程控制）。智能主體可以理解數據并且從中學習，利用知識完成特定目標和任務。第一階段，20 世紀80 年代，人工智能的應用進入發展高潮期。其專家系統模擬人類的知識和經驗解決特定領域的問題，實現了人工智能從理論研究走向實際應用、從策略探討轉向知識應用。與此同時，神經網絡探索的學習策略和方法，也開始應用于大量的實際中。第二階段，隨著互聯網技術的迅速發展，加速了人工智能的創新研究，促使人工智能技術進一步走向實用化，人工智能相關的領域都開始蓬勃發展。但是，其專家系統模型需要編碼過多的顯式規則，使得人工智能應用成本增加，同時效率低，因此，人工智能研究的重心從基于知識系統轉向了機器學習方向。第三階段疊加大數據、云計算、物聯網等信息技術的發展，泛在感知數據和圖形處理器等計算平臺推動以深度神經網絡為代表的人工智能技術飛速發展，跨越了理論與應用之間的鴻溝，如圖像分類、語音識別、人機對弈、目標檢測等人工智能技術實現了重大的技術突破，迎來了爆發式增長的新高潮。

基于目標檢測方法，黃陵礦業一號煤礦目前在井下采掘工作面各生產崗位、檢修崗位中應用了AI 智能場景風險識別，通過井下采、掘安裝高清攝像頭，地面數據中心計算設備，搭建算法模型，實現了54 種違規行為的智能識別，開發了瓦斯巡檢、電氣設備檢修、拉移設備列車等12 項智能標準化作業管控流程，同時接入井下語音廣播、聲光報警、生產控制等系統，實現人-機-環-管協同聯控，在煤礦標準化、雙重預防管理的基礎上增加了視頻智能識別、提前預警、聯動閉鎖、后臺實時記錄功能，該技術成果推動煤礦安全管理由單一人工管控向AI+人工雙重管控轉變，取得了非常好的應用效果，對礦井實現高質量發展意義深遠，下面就幾種典型AI 場景應用與崗位安全管理進行簡述。

2 人工智能在煤礦安全監測領域的應用

2.1 巷道口車輛監控

各采掘順槽與盤區大巷交匯處，采用兩個高清攝像機分別安裝在大巷距順槽口前后50m 處，當有車輛來往時，語音提醒附近作業人員，當心車輛、注意安全、及時規避車輛，并在安全地點排隊候車，杜絕了不安全事故的發生，控制現場本質安全。巷道口車輛Al+Nosa 智能風險管控系統如圖1 所示。

圖1 巷道口車輛Al+Nosa 智能風險管控系統

2.2 順槽監控中心

目前，采掘工作面主要安排人員在順槽智能監控進行遠程干預操作，工作面實現自動作業流程，減少了職工的勞動強度，改善了煤礦職工的作業環境，但在實際生產過程中，存在監控中心崗位人員睡崗情況，該安全風險非常大。通過在該處增加AI 攝像頭，當職工出現睡崗情況時，AI 攝像頭首先會智能識別并發出語音警報，提醒井下作業人員標準作業，同時會將報警記錄發送至地面AI 中心，同時同步推送到跟班隊長、安監員手機上，現場跟班人員會第一時間到現場制止“三違”行為，地面AI 中心會將視頻記錄發送至安監部，精準確定出該名職工姓名進行相應的幫教、處罰。實現現場的本質安全管理。

3 人工智能在煤礦崗位風險管控領域的應用

3.1 工作面運輸機機尾電纜槽

工作面運輸機機尾處采用一臺高清攝像機實現了對違章行為的智能識別、預警、并停機，在實際應用過程中，當巡檢人員在刮板運輸機未停機的情況下，違章翻越電纜槽進行檢修作業時，AI 系統識別、報警，并停機閉鎖，同時語音播報違章行為，待巡查人員處理完問題離開運輸機后，AI 系統解除閉鎖才能再次啟動運輸機。

3.2 設備列車

設備列車處采用兩臺高清攝像機實現了對拉移設備列車過程中的風險可視化管控，在實際作業過程中，作業人員可能會出現跳工序或未嚴格按照流程進行作業，缺少安全確認等環節，有可能造成安全事故，通過在該處增加AI 攝像頭，當職工出現跳工序或未按照標準作業流程作業時，現場語音報警提示，并播報正確步驟流程，督促作業人員按章作業，控制風險。

3.3 移變硐室

移變硐室采用兩臺高清攝像機實現了對移動變電站檢修過程中的風險可視化管控，在實際檢修作業過程中，檢修工可能會出現趕工序、跳流程的現象，未按標準作業流程進行作業，有可能造成觸電傷人事故，通過在該處增加AI 攝像頭，當職工出現跳工序或者未按照標準作業流程作業，現場語音報警提示，并播報正確步驟流程，督促檢修標準作業，控制風險。

3.4 膠帶運輸機機頭

膠帶運輸機機頭采用一臺高清攝像機實現了對違章行為智能識別、預警、并停機，在實際應用過程中，當作業人員在膠帶運輸機未停機的情況下，違章進入落煤區域進行撿矸作業，AI 系統識別、報警，并停機，同時語音播報違章行為，系統保存違章記錄并上傳，實現了現場本質安全。

3.5 綜掘機

綜掘機前后采用兩臺高清攝像機，實現在割煤期間，人員違章進入危險區域，智能識別、報警并停機，通過風險提示、強制停機，雙重保護機制，更好保障現場職工的安全。在實際應用過程中，當人員進入二運區域（后攝像頭區域），語音提示：你已進入危險區域，請注意安全；當人員進入掘進機后方、鏟板附近（前攝像頭區域），語音提示：請迅速撤離，并強制要求停機。

3.6 臨時支架超循環作業

超前邁步式支架處采用一臺高清攝像機，實現對綜掘機司機超循環危險作業的識別、語音報警，及時制止并糾正現場違章行為，規范職工標準作業，讓職工真正做到不能“三違”、不敢“三違”、不想“三違”，提前規避現場風險。

4 人工智能在煤礦災害治理領域的應用

對于煤與瓦斯突出礦井，瓦斯超前治理尤為重要，為實現打鉆可視化管理，瓦斯抽采鉆場施工處，采用一臺高清攝像機加現場語音通訊，借助Al+Nosa 智能風險管控平臺，實現鉆孔施工前下發任務，施工時智能識別鉆進進尺，施工后形成電子施工記錄單和視頻回放，同時對現場作業人員的違章行為（如未使用防突裝置、人員靠近鉆進部位等）的語音報警，通過對特殊作業現場施工過程中的安全監管，規范職工的作業流程和行為來控制鉆孔施工過程中的風險。

5 應用效果評價

人工智能技術融入煤礦管理工作完善了傳統安全管理工作中的薄弱、漏洞環節，安全事故的發生往往具有瞬時性，給企業造成損失無法估量，傳統的依靠人工去排查隱患、全天不間斷監管，甚至特殊的區域環境不適合人員前往，因此必須依靠Al 設備替代人工，而且能夠做到24 小時不間斷在崗，同時實現零失誤的極高精準率。

人工智能應用于煤礦行業緊跟時代步伐，順應煤礦智能化發展趨勢，借助Al 人工智能、大數據、移動互聯網等技術，不斷創新，將Al 人工智能與Nosa 安健環管理制度體系深度融合，將提升了礦井的安全管理水平和智能化水平，通過Al+Nosa 智能風險管控平臺，構建風險智能防御機制，智能識別系統和崗位風險，并超前預警，將系統和崗位風險提前遏制防范，實現本質安全。

據統計，黃陵一號煤礦目前在井下采掘工作面實現了54 種違規行為的Al 智能識別，通過Al 技術輔助，替換各崗位人員，真正實現智能化減人，減少人員將近50%，同時基于Al+Nosa 智能風險管控平臺，提前對風險預警，大大降低了事故的發生率，安全事故的發生往往會給企業從財產和名譽上造成不可估量的損失，因此，借助Al 人工智能從根本上維護了企業的財產和名譽。將Al 人工智能融入煤礦安全管理工作取得前所未有的成功，提升了煤礦安全管理水平和智能化水平，同時，吸引大批海內外學者、同行進行參觀學習，樹立了標桿企業的形象。

6 存在問題及未來研究方向

人工智能技術與煤炭行業融合起步發展較晚，在技術研發以及應用過程中會由于復雜多變的現場條件存在一些問題，比如，煤礦特殊的作業環境，尤其是災害較多的煤礦對設備和技術的要求極高、苛刻。適用于井下現場的人工智能技術的研究與突破尤為重要。

人工智能模型的管理需要投入大量人力，模型需要根據具體的智能場景和數據進行定制化的訓練，因此，模型的周期管理至關重要，其中包含數據的預處理，模型的訓練、推理、部署。其中模型的訓練更是需要海量的數據，同時還要確保用于模型訓練的數據集的質量， ※并根據不同的場景應用如視頻或圖片等，選擇合適的模型。模型訓練又需要大量的計算資源。因此，人工智能的應用需要前期大量投入來保證人員配備足夠和基礎設施硬件可靠。

人工智能應用要求極高的安全性、零失誤的精準度，特別是在一些場景下，比如，預警停機靈敏度、遠程控制精準度，對于錯誤的容忍率很低，準確率要求達到99.9%或者更高，另一方面，由于AI 模型能夠自主學習，能夠通過收集新的數據不斷訓練并進行自身參數更新。此時，通過自學產生的模型會可能干擾系統的正常流程，所以必須實施嚴格的驗證以防止不可控的事件發生。

人工智能必須加強數據安全監管，進行數據防泄露、數據加密以及數據備份處理，保證數據在整個傳輸過程中安全可靠。為了保護AI 模型的訓練數據完好，不被人為篡改，需要追溯人工智能數據的源頭。數據源頭的可信度是人工智能的核心要素之一。數據源頭以及整個完整的系統要形成一條“監管鏈”。目前，人工智能的數據需求激增，隨之對算力要求更高。如果是模型訓練階段，云端推理對實時性要求不高，現有GPU 能力足矣，但是如果涉及推理階段中的邊緣推理，現有的智能應用場景主要是實時監測和實時遠程控制，對實時性要求極高，往往是毫秒級別，則需要更高端的專用FPGA 方案。

7 結語

智能化是煤炭工業發展的大勢所趨，近年來，大數據、云計算、物聯網的發展為人工智能技術應用更好地解決了落地方案，人工智能助力煤炭企業實現各種智能化場景，形成全面感知、實時互聯、分析決策、協同控制的智能系統，改變了煤炭企業傳統的運作管理模式。本文簡述了人工智能技術在煤礦實時監控、崗位風險管控、礦井災害治理3 個領域的智能場景應用。隨著算力、算法的提高，人工智能能夠執行的任務將越來越具有挑戰性，同時，隨著人工智能的實時性、安全性等一些問題的解決，未來人工智能技術將會應用更廣泛。