礦井可視化系統融合設計中的云邊協同技術應用分析

關鍵詞：可視化監控系統；云邊協調；物聯網

中圖分類號：TP391 文獻標志碼：A 文章編號:1003-5168(2025)13-0054-04

DOI:10.19968/j.cnki.hnkj.1003-5168.2025.13.010

Analysis on the Application of Cloud-Edge Collaboration Technology in theIntegrated Design of Mine Visualization System

SHI Gongjie (China Coal Resources Development Group Co.， Ltd.， Zhengzhou 45oooo， China)

Abstract: [Purposes] Inorderto improve the application level of mine visualization system and improve thequality of mine safety management，it is necessary to conduct research on the integrated technology of the visualization system.[Methods] Based on the analysis of the problems existing in the application of current mine visualization monitoring system，this paper proposes a solution to optimize the mine visualization monitoring system using cloud computing and edge computing technologies.After a layered architecture was established for the visualization system，detailed design was carred out for three key functions: dynamic target recognition，video frame filtering，and illgal intrusion recognition.[Findings]Test results show that the data processing and transmission eficiency of the visualization monitoring system has increased by 32% after adopting cloud-edge collaboration technology.[Conclusions] The application practice shows that establishing a visualization monitoring system based on an industrial ring network and a multi-layer architecture integrating multiple mine systems plays an important role in improving the level ofIoTapplication in mines，and realizing the intellctualization and informatizationof mine monitoring and management.

Keywords: visual ization monitoring system; cloud-edge coordination; Internet of things

0 引言

在煤炭開采過程中，存在多個服務于生產和安全的設備系統，例如礦井壓力監測系統、通風系統、電力供應與分配設備、供水與排水系統、人員定位系統、監測與監控系統、輸送帶系統和煤炭開采設備系統等。近年來，伴隨著\"互聯網 + ”戰略的推廣和物聯網技術的進一步發展應用，現代礦井利用5G通信結合無線通信(Wi-Fi)和API(多應用程序編程接口)等技術建立了強大的工業環網[1]，并在井下部署各類傳感器、工業攝像頭和執行設備，通過布置服務器建立了計算和儲存平臺，逐步構建了一個由設備層、數據預處理服務層、數據傳輸網絡，層、數據處理與應用層組成的綜合架構，即“物聯網平臺 + 業務系統\"模式。該模式具備數據集成與分析功能，并實現了礦井監管的自動化與智能化。通過物聯網平臺，管理人員可以遠程監控和管理設備，不受地理位置限制，增加了系統的靈活性與可擴展性，并提高了綜合管理的安全性。這種模式通過整合物聯網技術和業務系統，實現了數據的高效利用和業務流程的優化，為企業提供了一個更加智能、靈活和高效的運營環境。然而，由于可視化水平不高，礦井在生產和安全監管智能化方面對可視化系統的利用程度較低。當前，將可視化監控系統融入“物聯網 + 業務系統\"平臺，主要面臨數據種類的增多和數據量的激增，給系統帶來超負荷運轉的難題。煤礦行業迫切需要利用云計算和邊緣計算技術來優化礦井的可視化監控系統[2]。

1礦井可視化監控系統的應用現狀

礦井可視化監控系統能夠實現對井下作業場所及地面工作狀況的實時監控，可對井下災害起到預警作用。在災害發生時，監控人員可以利用監控中心系統對井下工作人員進行疏散指導與救援。隨著以計算機為主的信息處理技術（特別是圖像處理技術)和數據傳輸與儲存技術的進一步發展，可視化監控和傳輸技術得到了廣泛應用。由于視頻監控具有直觀性強、攜帶信息量大和方便存儲等優點，在大多數礦井中可被應用。各個礦井通過在井下各個區域安裝攝像頭，并與安全監測系統建立聯動機制，大大提高了煤礦面對各類災害的預警能力，切實保證了礦井的安全生產。但當前現有的礦井下可視化系統還存在智能化程度低、系統兼容性差和面對井下復雜的施工環境適應性差的缺點。

例如，較多監控系統僅僅對環境進行場景顯示，對出現的異常情況（工人違章、環境參數異常、地質條件突變等)不能報警，更不能協同處理。另外，由于礦井下環境復雜多變，溫度、濕度、光照條件、粉塵和電磁環境等錯綜復雜，采用視頻監控進行管理時往往會出現少、漏信息的情況。

礦井可視化監控系統主要由前端攝像頭設備、網絡通信設備和終端服務器及顯示設備構成，涵蓋了視頻生產、處理、傳輸、轉化和存儲等功能。然而，這些系統設備性能單一且缺乏有效的協同分析。例如，當井下出現大量粉塵或煙霧時，不能協同其他檢測系統進行綜合分析，導致系統不能有效辨別現場的真實情況，從而影響安全管理效率。此外，傳輸和儲存的數據未得到篩選和甄別，導致數據冗余量過高，給傳輸通信系統和算力服務器造成較大壓力，進而使數據傳輸和結算遲緩，不利于預警和管理。為了解決此類問題，在一些大型煤礦云技術計算平臺建設經驗的基礎上3，本研究提出了一種云計算和邊緣計算協同技術處理方案，為礦井等高危場所視頻監控系統設計提供參考。

2 可視化系統設計中的云邊協同研究

2.1 可視化系統架構

針對可視化系統中大流量數據傳輸延遲和其他監控系統兼容協調度低的問題，對系統進行分層架構，將系統分為邊緣感知層、數據流傳輸層、中心云服務層、存儲和應用層[4]。此架構以可視化數據為核心，將邊緣云計算技術和中心云計算技術相結合，主要在邊緣節點布設高效的移動目標追蹤算法，以能夠更快地預處理和分析可視化監控設備采集的數據，并將處理后的數據以數據流的方式上傳至中心云服務器。這種架構使系統能夠更加靈活地處理和傳輸數據，提高了系統的響應速度和數據處理能力。邊緣感知層主要負責采集和初步處理視瀕數據，包括微處理器、監控探頭、工業攝像頭、設備控制模塊和通信模塊等。這樣的配置旨在實現視頻圖像采集、視頻分析、越界報警等功能，并能夠及時將報警信息推送至云服務器。可視化應用平臺是一個綜合數據展示和決策處理的應用系統，一般包括數據采集分析、檢測區域判斷、內容循環、執行目標檢測算法、觸發入侵警報、處理結果及圖像展示、數據儲存或報表打印等功能。

2.1.1邊緣感知層。該層主要由前端探測設備（工業攝像頭和監控器等）設備控制單元、數據處理單元和通信接口等單元組成。邊緣感知層的主要目的是對監控的可視化數據進行分析處理和傳輸。例如，對圖像、視頻分析、臨界警示、越界報警及本地資源的管理等。設計人員可將移動目標追蹤和檢測算法集成到微處理器中，進行分析與處理。此外，通過通信接口單元接入聲光報警系統和檢測監控系統等，將相關信息融入數據處理器，并經過分析處理后將其推送出去。同時，數據處理器將處理后的數據進行過濾和截取，以數據流的方式及時上傳至云端服務器。

2.1.2數據流傳輸層。該層的核心是工業環網，其具備強大的數據傳輸能力。一般由光纖和基站組成，能夠對大流量數據實現穩定、高速傳輸。

2.1.3中心云服務層。該層是數據計算與分析中心層，由性能強大的服務器集群組成，能夠快速處理云服務器與邊緣節點之間的復雜任務，并將處理結果傳遞給應用層，進行綜合信息展示，同時為管理決策提供科學依據。

2.1.4存儲和應用層。其一般由多個顯示大屏組成，以顯示地理信息、越界數據及現場監控視頻等。此外，設計人員需要采用B/S架構的C#語言開發一個滿足云邊協同技術要求的可視化應用平臺。

2.2 系統實現細節

為了更清晰地闡述可視化系統構架對核心功能的實現細節，本研究從目標動態識別、視頻幀篩選及非法入侵識別等3個關鍵方面進行詳細說明。

2.2.1目標動態識別。由于可視化監控系統需要 24h 不停地工作，每天都會產生較多的數據信息，在海量的信息中識別動態目標是比較難的。對目標的動態識別一般常用背景減除技術來實現。設計人員可以根據物聯網設備與邊緣節點的連接情況，在邊緣設備上部署背景減除算法。具體來說，設計人員需要根據目標動態識別確定應用場景中的關鍵監控區域(ROI)，然后進一步將這些ROI劃分為多個子區域，其數學表達式為 其中 n 為正整數集。由于 D_R0Iⁿ 是由多個ROI圖像關聯而成的圖像塊，涉及1至 n 個ROI圖像，此時可以選擇使用SVR模型（支持向量回歸）的方法來檢測背景區域。

在SVR模型中輸人信息為幀內像素點的顏色向量，輸出信息為像素點的背景置信度。在確定輸入、輸出信息后，利用數學函數構建數值模型區分動態目標和背景信息。假設在位置 k 的第 i 幀像素點是輸入數據，記為 x_i ，該幀背景置信度記為 y_i° 在已知視頻流圖像背景訓練數據的情況下，通過背景置信度公式進行計算，見式（1）。

式中： 和 α_i 為拉格朗日乘子，用于衡量兩個數據點之間的相似度； x_i^Tx 為數據點的內積； b 為偏置項。

其中， ，x_i^Tx 數據點的內積見式(2)。

式中： σ 為高斯核帶寬。

將式(2)代入式(1)得到背景模型，見式(3)。

設訓練數據為 {(x₁，y₂)，(x₂，y₂)，?，(x_n，y_n)} ，將一幀圖像添加到訓練集，利用式(3)對模型進行訓練并更新。在這種情況下，設計人員只需使用背景差分法計算圖像背景與當前幀的差異，并通過閾值比較進行二值化處理，就能有效區分開動態目標和背景。

2.2.2視頻幀篩選技術。為了篩選有價值的視頻，減輕網絡帶寬的負擔和儲存壓力，并提高數據傳輸效率，需要對可視化監控視頻進行過濾，目前常采用的方法是三幀差分法[4]。具體處理流程為，首先將檢測到的視頻幀進行編排序列，例如i-1幀、i幀和 i+1 幀；其次，對3個不同的視頻幀進行差分計算和灰度處理，進而獲得灰度差分圖像；最后，將3個灰度差分圖像進行閾值二值化處理，并確定是否為檢測目標的圖像。在計算過程中任務的優先級可以通過單位時間內的平均計算價值量來描述，即任務優先級越高，其計算價值量越大，意味著更容易識別并過濾掉價值較低的視頻數據。通過這種方法，可以有效地從大量視頻數據中篩選出關鍵信息，從而優化存儲和傳輸效率。

2.2.3非法入侵識別。在礦井視頻監控系統中，設計人員通過設定虛擬警戒線的方法來識別非法人侵行為。具體識別流程為當非法闖人者觸碰虛擬警戒線后，工業攝像頭會捕獲闖入信息，并在微處理器分析后向系統發出報警信號；系統收到信號后會指引聲光報警系統進行報警和提示危險信息，同時截取相關視頻監控片段并將其傳輸至應用層；應用層的管理人員通過交互界面顯示的信息和圖像進行處置管理。一般情況下，設計者可以關聯礦井語言系統，由應用層管理人員通過語言制止闖入者的進一步人侵行為，并指派附近的管理人員進行現場核實和處理。這樣的系統設計旨在提高礦井的安全性，確保在非法人侵發生時能夠及時發現并采取有效措施[5]。

2.3 系統測試環節

2.3.1界面顯示與交互。在完成基于云邊協同的礦井可視化監控系統的設計和算法配置后，需要通過試驗測試來驗證其應用效果。具體測試過程為工作人員利用搭建好的可視化應用平臺進行協同管理和查詢，當闖入事件發生時，邊緣云感知層、數據流傳輸層、中心云服務層都能正常工作，并最終將處理結果傳到應用層，并在平臺界面上顯示。在交互方面，選擇RTP/RTCP協議傳輸音頻和視頻數據，為了能夠在單一線程中完成兩種數據的同步傳輸，配套設計了緩沖區，使得兩種數據碼交替傳輸。在測試或實施過程中，可在應用層顯示界面上分區布置不同的功能模塊。例如，在界面中間部分顯示最主要和直接的音視頻信息，工作人員或管理人員能夠直接接觸到此信息，并作出及時回應；在界面左側部分設置交互、控制、幫助、用戶管理等工具菜單，能夠實現與非法闖入者語音通話、現場取證和用戶管理等功能；在界面右側部分設置上參數設置、查詢、云控制等窗口控制欄，能夠對視頻參數進行調整，并完成存儲、列表打印等工作。

2.3.2高危人員檢測。設計人員通過模擬礦井的高危環境來評估系統的應用效果，并將其效果與單一云計算的結果進行對比，以此來實現對礦井高危區域的人員進行檢測。具體實施步驟：首先，設計人員在局域網內部署云服務器，并使用搭載微處理的工業攝像頭進行計算；其次，設計人員把配置有微處理器的工業攝像頭和高性能多核處理設備按云邊協同的應用方式進行配置；最后，設計人員選擇 n 段視頻流，對比其在預處理和上傳方面的延時平均值，發現采用云邊協同計算模式時在預處理計算和數據傳輸方面的延時平均值較低。例如，選擇3組分辨率分別為600、840和 1080p 的視頻流，進行處理延時試驗，結果發現，隨著視頻流分辨率的提高，無論是直接傳輸至云計算層處理，還是邊緣計算層預處理，處理延時都有所增加，但邊緣計算層的數據處理和傳輸延時始終低于直接云計算。通過試驗可以驗證云邊協同技術在提高礦井視可視化控系統效率和準確性方面的有效性，特別是在高危場所人員檢測的應用中。

3結語

礦井作為高風險工作環境，通過布設可視化監控設備能夠顯著提升監控效率和安全管理水平。但由于監控系統進行可視化升級后需要傳輸的數據量大大增加，現有系統數據傳輸延時增加，甚至整個系統癱瘓。這種矛盾的存在，限制了礦井可視化監控技術的發展，影響煤礦工業物聯網的進一步應用和發展。因此，建議在煤礦企業的高質量發展和運營中，采取以下措施： ① 在建有工業環網現有條件下，引入云邊協同技術構建高度適配的分層架構，提高前端的邊緣云計算水平，進一步優化數據處理流程，提升礦井可視化監控系統應用水平； ② 以工業環網為基礎建設的可視化監控系統和礦井多種系統相互融合的多層架構，提升了礦井物聯網應用水平，實現了礦井監測和管理的智能化和信息化； ③ 在礦井綜合監控及管理物聯網信息平臺上，應強化前端信息的預處理水平，加強運動目標檢測、視頻幀篩選、人員入侵識別等關鍵技術的應用，以提升系統性能。通過這些措施，可全面增強可視化系統的監控效果，為煤礦企業的智能化、智慧化轉型提供技術支持。

參考文獻：

[1]邵寒冰.千兆工業以太環網在礦井通風監控系統中的應用分析[J].礦業裝備，2023(2)：171-173.

[2]馬志剛，高照.云邊協同在礦井視頻監控系統設計中的應用[J].無線互聯科技，2023，20（19)：79-81.

[3]范魁元，安博雅，封曉煒.云邊協同技術助力大型企業集團能碳管理數字化轉型[J].中國信息界，2024(5)：64-66.

[4]秦璐璐，李敬兆.基于云邊協同的礦井視頻監控系統設計[J].湖北理工學院學報，2021，37(6)：26-31.

[5]淡海英.基于網絡的煤礦遠程監控系統設計研究[J].能源與環保，2023，45(2)：227-231.