青海某金礦安全監管視頻AI智能系統建設

摘要：智能礦山是數字礦山和綜合自動化系統發展的延續，是建設綠色礦山、培育新質生產力、提升礦山企業核心競爭力、推動高質量發展的必經之路。當前趨勢下，礦山企業積極融入礦山數字化轉型和智能化變革，利用新質生產力提升礦山安全生產管理模式勢在必行。通過深入分析青海某金礦開發現狀、安全生產監管和數字化建設現狀，以及安全監管視頻AI智能系統建設的必要性，詳細闡述安全監管視頻AI智能系統主要搭建內容和采用的關鍵算法，以及試運行情況。實踐表明，安全監管視頻AI智能系統建設對提高礦山安全生產監管效率，保障人員生命安全，探索可視化、智慧化的遠程安全管理模式具有指導意義。

關鍵詞：智能礦山；新質生產力；安全監管；視頻；AI;算法技術；礦山安全

中圖分類號：TD679文章編號：1001-1277（2025）01-0020-04

文獻標志碼：A doi：10.11792/hj20250104

引言

近年來，政府主管部門對礦山安全監管力度不斷加強，傳統安全監管手段與礦山企業高質量發展目標相差甚遠，已無法滿足實際需求。當前人工智能（AI）、大數據、云計算等技術深度融合，礦山安全監管方式不斷革新，為此亟須因地制宜培育發展新質生產力，推動AI與礦山安全生產融合發展，在智能生產、智能監控及智能管理上精準發力，提升安全監管水平和綜合防治能力。為進一步推動青海某金礦落實安全生產主體責任，實現安全監管智能化、遠程化、高效化，開展了安全監管視頻AI智能系統建設，以期為智能化綠色礦山建設及培育發展新質生產力提供支撐。

1礦山現狀

1.1礦山開發現狀

青海某金礦生產能力為90萬t/a，開發范圍內分為深水潭金礦和紅旗溝金礦，采用地下開采方式進行開采。該金礦經過多年探索實踐，成為“全國綠色高質量發展二十佳礦山”，已形成較為先進和完善的通信網絡，移動網絡實現全面覆蓋，智能化礦山建設基礎條件較好。

1.2安全生產現狀

該金礦開采安全設施、提升運輸系統安全設施、井下防治水與排水系統安全設施、通風系統安全設施、供配電安全設施、安全避險“六大系統”、采礦工業場地、炸藥庫、排土場等設施設備和個人安全防護設備均按照國家和行業標準規范要求配備。但是，隨著礦山開采深度不斷增加，井下各采區地壓問題凸顯，冒頂、片幫等安全事故風險增加，井下“三違”隱患時有發生，習慣性違章和重復性隱患依舊存在，現有安全生產技術力量對井下生產作業安全監管無法做到全覆蓋。

1.3數字化建設現狀

1）指揮調度平臺。3220m工業場地建有采運礦調度中心，調度總控室拼接大屏顯示各子系統，實時監控各子系統運行狀態，通過各子系統實現調度指揮功能，滿足安全生產需求。

采運礦調度中心負責各子系統的協調工作，實現了實時監控、數據查詢、警示通知、數據運算、數據存儲等基礎性功能。采運礦調度中心將“六大系統”和各種自動化系統、視頻信號進行系統集成、統一管理，實現數據、語言、視頻等多種數據的傳輸和處理，將礦山井下各生產子系統接入統一控制平臺，實現多個子系統之間的數據融合和資源共享，根據井下生產現場反饋到調度中心主控室的實時數據，統一進行生產調度指揮，能夠及時排除安全隱患。

2）井下工業以太環網。工業以太環網主干網采用1000MB/s光纜為主干傳輸網絡。工業以太環網是各系統數據的傳輸通道，可接入更多子網絡，具有冗余功能，傳輸數據量大，受環境干擾小，安全性好，能更加體現出異構網特征[3]，滿足礦山一定時期內對信息系統、管理系統、生產控制系統、智能化建設的基本要求[4]。

3）監測監控系統。通風監測系統：該系統由傳感器通過信號線連接到監測分站，監測主站通過網口連接到礦用交換機，再傳到主機上，由監測軟件接收，實現CO、NO?、風速、風機開停等環境參數監測，并對異常數據實時聲光報警，實現圖形、列表多種形式數據實時監測顯示。視頻監控系統：該系統由攝像探頭通過礦用視頻線連接到視頻分站，視頻分站通過光纖傳到主機上，由視頻監控軟件接收，實時顯示在采運礦調度中心總控室大屏幕中。通信聯絡系統：交換機通過工業以太環網與井下通信分站相連[10]，通信分站利用通信線纜連接到井下各處的礦用電話，調度控制臺與交換機相連，實現基于光纖有線通訊系統的調度功能。

4）人員定位系統。入井人員配備礦用定位識別卡，在信號覆蓋區域內，可在調度中心監控電視墻看到入井人員實時所在位置，具有實時掌握井下人員分布情況、井下人員活動軌跡跟蹤、井下工作人員考勤、信息存儲和歷史數據回放、井下人員突發情況報警、井外人員發出報警信息等功能。

5）應急廣播系統。在井下各采區生產作業水平聯絡巷道口設置應急廣播，可實現語音通話、語音傳輸及任意呼叫和分組呼叫功能，同時具有電話自動接聽與呼叫功能，并實時監測廣播運行狀態和故障信息。

2建設必要性

《煤礦及重點非煤礦山重大災害風險防控建設工作總體方案》《非煤礦山安全監管監察信息化總體發展規劃（2022—2024年）》，對非煤礦山提升預警監測能力提出了明確要求[14]。根據《青海省綠色礦山建設實施方案》《海西州綠色礦山建設標準》，結合企業建設智能化礦山、培育綠色生產力發展規劃，改進礦山安全生產監管監察方式方法，拓展“遠程互聯網+AI智能化+安全生產監管”新型模式，進一步夯實礦山安全基礎，促進安全管理水平大幅提升，安全監管視頻AI智能系統建設具有必要性和緊迫性。

3系統設計與建設內容

3.1礦山4G網絡信號基站架設

在井下各中段水平巷道架設分體式分站7]，地表工業場地架設4G網絡信號基站，基站通過光纜將信號傳輸到核心網，提供多種接口功能的接入終端，實現多業務集中統一接入及數據實時傳輸，并保障設備工況數據有線傳輸備份[10]，操作簡單，運行穩定，可遠程維護[9]。

3.2監管探頭安裝

在井下生產中段入口、主運輸巷道、礦石溜井、供水水倉、變電硐室、斜坡道拐角、排土場等重要位置安裝44部輔助監管攝像探頭，實現有效捕捉下井人員是否按要求佩戴自救器、安全帽、防毒口罩等情況，對著裝異常、井下抽煙、作業跌倒、陌生人、車輛超速等場景也能有效識別，為安全監管視頻AI智能系統建設提供原始基礎數據。

3.3關鍵識別算法技術

1）卷積神經網絡技術。該技術在目標檢測等領域的應用愈發廣泛，通常由輸入層、卷積層、激活層、池化層和輸出層組成。卷積神經網絡與普通神經網絡的區別在于卷積神經網絡包含一個由卷積層和子采樣層構成的特征抽取器[15-17]。卷積層和池化層結構能夠有效保留數據的局部關系，減少模型參數和數據量[18-23]。卷積層提取特征，而池化層將特征進行壓縮[24]，減少計算量，保證了系統的穩定性。卷積神經網絡技術具有神經網絡學習能力、抗干擾能力較強等特點。

2）圖像目標檢測跟蹤技術。該技術通過增加層間融合等操作，使系統深度學習目標檢測算法，對目標人臉圖像尺寸適應性更強，檢測結果更精確。為了實現模型高效訓練，支持更多類別的目標圖像檢測，在算法中添加代價函數融合檢測和多目標分類技術6，在復雜場景檢測率較低的情況下大幅度降低跟蹤過程中的軌跡丟失、軌跡交叉關聯等情況。

3）陌生人識別技術。利用計算機圖像分析、模型理論、人工智能識別技術的非接觸性高端模式識別技術1，可實現在井下各個生產作業場地中檢測識別出特定人像信息，與數據庫中儲存的數據進行分析比對，同時采用特征跟蹤與多目標位置跟蹤相結合的手段，大大降低因人像姿態變化造成的誤識別，實現算法識別準確度高達95%以上。

3.4 AI視頻分析系統

整個系統主要由AI視頻分析系統、綜合管理平臺組成。AI視頻分析系統負責視頻采樣分析、得出告警結果并上報綜合管理平臺，綜合管理平臺接收視頻分析系統的告警并進行流程處理，同時支持網絡端數據管理。

AI視頻分析系統主要采用多任務級聯卷積神經網絡（MTCNN）人臉檢測和人臉對齊多任務架構，總體依次分為P-Net、R-Net和O-Net 3層逐級網絡結構，前者的輸出作為后者的輸入。候選網絡P-Net用于輸出人臉候選區域，輸出包含分類結果、檢測到的人臉框及定位到的面部特征點位置3個部分。精煉網絡R-Net在P-Net網絡的基礎上增加了全鏈接層，其擬合的結果更精確，主要作用是對P-Net的結果進行校正，消除其中的誤判[25-26]。輸出網絡0-Net比R-Net網絡多一個卷積層，輸入的尺寸、寬度和深度更大，使最終輸出結果更加精確[19]。

為了適應不同大小的人像并進行預期檢測，首先，將檢測人臉圖像進行處理，生成圖像金字塔，輸入到P-Net網絡獲取一系列候選框結果后，進行邊框回歸調整窗口，并通過分類置信度和非極大值抑制算法（NMS）篩選過濾出人臉候選框[15]，P-Net網絡架構見圖1。其次，R-Net網絡對上步輸入的人臉候選框進行嚴格篩選，計算人臉框回歸向量篩選出置信度較高的一批結果，并用NMS剔除重復、減少候選窗口，R-Net網絡架構見圖2。最后，0-Net網絡對人的面部特征點進行回歸數據處理和NMS過濾后，輸出最終預測的人臉圖像和面部特征點位置，0-Net網絡架構見圖3。

安全監管視頻AI智能系統能夠實現對攝像探頭巡檢，分組配置，視頻流獲取，算法配置，告警上傳，本地圖片/短視頻存儲，特征文件下載更新，上傳本地服務器CPU、GPU、內存、硬盤的消耗情況等核心數據，關鍵算法運行穩定[9]。

3.5綜合管理平臺

綜合管理平臺將對不同類別信息提供不同流程化處理方式和處理進度控制1，并在處理完成后對不同信息進行歸檔，未完成流程化的告警信息保持在未處理事務池中，對每個告警信息都能高效、不遺漏地處理。綜合管理平臺支持權限分級[1]，可實現在網絡端對告警信息設置、處理流程設置、對系統操作人員的不同角色進行權限控制，實現礦山生產現場業務全流程、全方位安全監管[23]，促進全員參與安全生產工作。綜合管理平臺架構見圖4。

4試運行效果

安全監管視頻AI智能系統的高清攝像探頭實現了對移動、固定目標的識別和異常狀況的檢測。其憑借強大的工作流程設計[2]和AI算法自動加載能力[12]，實現了陌生人闖入檢測、未戴礦燈檢測、未戴自救器檢測、未戴安全帽檢測、未戴防毒口罩檢測、抽煙檢測、跌倒檢測、車輛超速檢測等16種事件的算法檢測；通過對人臉進行特征提取和比對，準確捕捉表情和動作，實現對人臉的快速檢測和定位，智能識別各項違規行為。該系統在試運行過程中，通過多次現場檢查與技術分析，合理調整攝像探頭高度和焦距，改善攝像探頭附近照明條件，優化處理數據算法的方式，有效提升了安全監管視頻AI智能系統在復雜環境中識別的準確性，有效識別率由初期的75%提升至95%。系統具有持續優化和學習能力，通過不斷更新模型和算法，實現更精準的識別。安全監管視頻AI智能系統加載運行圖見圖5。

在試運行期間，安全監管視頻AI智能系統基本滿足實時監控監測、實時視頻調閱、報警管理、聯網信息管理、歷史信息分析導出等主管部門安全監管條件需求。同時，該系統可全天候主動感知不安全因素，提前對危險情況進行預判和報警，為安全生產管理提供了更加精準的定位和定性，并整合各個物聯網信息單元，實現對安全事故隱患早知道、早處理、早解決，將隱患消滅在萌芽狀態。

5結語

作為青海省內首個安全監管視頻AI智能系統的黃金礦山，既對同類礦山視頻智能化建設具有借鑒意義，也為企業“十型礦山”高質量發展賦能。在試運行過程中，該系統多維度、多角度視頻識別、分析統計，及時發現、預警安全事故隱患，進一步提升了企業安全生產管理水平，減少了安全生產事故發生，降低了安全管理壓力和人力資源成本。安全監管視頻AI智能系統是推動智慧礦山建設、綠色礦山建設，以及培育發展新質生產力、助力高質量發展的有效探索。

[參考文獻]

[1]井朝喜，劉文玉，柯曉天，等.數字孿生智能礦山管控平臺及智能洗選管控平臺建設[J].煤礦現代化，2024，33（2）：55-58，63.

[2]張珂.智能礦山一體化管控平臺研究及應用[J].煤礦機電，2023，44（5）：68-71.

[3]余洋，張申.智能礦山基礎平臺建設及其發展趨勢[J].工礦自動化，2023，49（9）：13-22，121.

[4]連民杰，湛景震，周文略.六維礦山建設探討[J].中國礦業，2023，32（10）：21-31.

[5]沈銘華，馬昆，楊洋，等.AI智能視頻識別技術在煤礦智慧礦山中的應用[J].煤炭工程，2023，55（4）：92-97.

[6]王海軍，曹云，王洪磊.煤礦智能化關鍵技術研究與實踐[J].煤田地質與勘探，2023，51（1）：44-54.

[7]劉曄，王云珠.5G+智能礦山的山西實踐[J].科技創新與生產力，2022（1）：1-3.

[8]張鵬.AI技術在智能礦山建設中的應用探討[J].工礦自動化，2023，49（增刊1）：21-25.

[9]樊榮，徐青云.工業物聯網背景下智慧礦山建設現狀及關鍵技術探討[J].煤，2022，31（9）：25-29.

[10]徐鵬.物聯網在智能礦山建設中的應用研究[J].煤炭技術，2021，40（6）：202-204.

[11]吳耀昕，杜國軍.西部礦業錫鐵山智能礦山建設實踐及探討[J].現代礦業，2023，39（6）：1-4，9.

[12]張建中，郭軍.智慧礦山工業互聯網技術架構探討[J].煤炭科學技術，2022，50（5）：238-246.

[13]郝躍.智能礦山大數據關鍵技術與發展研究[J].世界有色金屬，2022（4）：15-17.

[14]賀耀宜，高文，楊耀，等.智能礦山多元監控信息融合與聯動研究[J].工礦自動化，2022，48（11）：11-19.

[15]黃琳，蔣為，楊鐵軍.基于Caffe框架的人臉定位與識別系統的設計[J].計算機時代，2019（6）：56-58，62.

[16]趙洋，許軍.基于MobileNetV2與樹莓派的人臉識別系統[J].計算機系統應用，2021（8）：67-72.

[17]任浩，李麗，盧世博，等.基于深度學習的復雜自然環境下桑樹枝干識別方法[J].中國農機化學報，2023，44（2）：182-188.

[18]李玉玲，王祥仲.基于卷積神經網絡的人臉識別在開放機房的應用[J].物聯網技術，2020，10（6）：9-13.

[19]王建霞，陳慧萍，李佳澤，等.基于多特征融合卷積神經網絡的人臉表情識別[J].河北科技大學學報，2019，40（6）：540-547.

[20]田瑞娟，薛云波，金豐護，等.基于多路雙光模組的智能識別預警攝像機[J].兵工自動化，2020，40（4）：21-22，34.

[21]申寧，楊德明，李帆，等.青海高原某金礦綠色礦山建設探索與實踐[J].黃金，2024，45（6）：96-100

[22]呂慧.黃金礦山高質量發展模式探析——以內蒙古太平礦業有限公司為例[J].黃金，2024，45（8）：68-71.

[23]王潤年，劉留，朱世彬，等.渣緩冷場智能巡檢系統的研制及應用[J].黃金，2024，45（10）：76-79.

[24]林雨準，劉智，王淑香，等.基于卷積神經網絡的光學遙感影像道路提取方法研究進展[J].吉林大學學報（地球科學版），2024，54（3）：1068-1080.

[25]劉培勇，董潔，謝羅峰，等.基于多支路卷積神經網絡的磁瓦表面缺陷檢測算法[J].吉林大學學報（工學版），2023，53（5）：1449-1457.

[26]董旭日，馮垣，劉財，等.基于DAS信號和CNN分類算法的人員運動軌跡監測方法[J].吉林大學學報（地球科學版），2022，52（3）：1004-1015.

Construction of an AI-based intelligent video monitoring system forsafety regulation in a gold mine in Qinghai

Chen Shengkai1.2，3，Ming Pingtian1.2，3，ShenNing?，2，3

（1.Qinghai 6th Institute of Geology and Mineral Exploration;2.Dulan Jinhui Mining Co.，Ltd.;3.Engineering and Technology Research Center for the Development of Gold Mining Resources in Qinghai Province）

Abstract：An intelligent mine represents the continuation of digital mine development and integrated automation systems.It is a critical pathway for building green mines，fostering new quality productive forces，enhancing the core competitiveness of mining enterprises，and promoting high-quality development.In the current landscape，mining enterprises actively embrace digital transformation and intelligent upgrades，making the adoption of new quality productive forces essential to improve safety management in mining operations.This study analyzes the current state of development，safety regulation，and digitalization in a gold mine in Qinghai，along with the necessity of constructing an AI-based intelligent video monitoring system for safety regulation.It elaborates on the primary components and key algorithms of the system as well as the results of trial operations.The findings demonstrate that the construction of an AI-based intelligent video monitoring system for safety regulation significantly improves the efficiency of safety regulation，ensures personnel safety，and provides valuable insights for exploring visualized and intelligent remote safety management models.

Keywords：intelligent mine;new quality productive forces;safety regulation;video;AI;algorithm technology;mine safety