残差结构（目标检测算法R-CNN）

【能源人都在看，点击右上角加'关注'】

编者按

智慧矿山作为矿山智能化的最高形式，融合了人工智能、大数据、物联网、云计算、边缘计算等技术，实现多业务协同、自主分析和自主决策，正在成为煤矿企业新的发展目标。其中人工智能在矿山的应用更是智慧矿山建设的主要技术支撑和保障。智慧矿山的目标包括设备智能化运行，现场无人值守、少人巡视，远程集中监控等。为实现这些目标，需要从整体角度统筹分析海量矿山监测数据，全面感知矿山安全态势；需要基于视频感知并应用人工智能算法进行分析、决策，完成矿山设备精准控制和联动联控。为更好促进矿山人工智能相关理论与技术研究，加快智慧矿山建设，本刊组织策划了“矿山人工智能”专题，报道了矿山多层级安全态势感知系统、煤矿联动联控系统、基于轻量化卷积神经网络实现的煤矿智能视频监控系统、煤炭铁运智能装车系统等方面的研究成果。衷心感谢各位作者为本专题撰稿！

专题

“矿山人工智能”专题

矿山多层级安全态势感知系统

李敬兆，孟亦凡，王继伟

将态势感知概念引入矿山安全领域，提出了矿山多层级安全态势感知系统。该系统通过部署于雾计算设施中的局部安全态势感知模型汇集矿山区域范围内各子系统监测数据，感知矿山局部安全态势，并将局部安全态势数据上传至云计算设施；部署于云计算设施中的全局安全态势感知模型对汇集的各区域局部安全态势数据进行分析，感知整个矿山安全态势，进而制定安全策略。局部和全局安全态势感知模型通过Attention机制分析矿山各子系统产生的海量数据，从中筛选出与矿山安全相关的重点数据，以达到提高模型运算效率的目的。模型中基于门控循环单元（GRU）构建的编码器和解码器可有效处理数据之间的联系，实现安全态势的精准感知。同时采用粒子群算法优化模型超参数，使模型工作在最佳状态。

煤矿井下人车联动控制系统

孙杰臣，李敬兆，王继伟，许志

为保障煤矿井下无人运输车辆行驶过程中巷道内人员的安全，需要进行井下人员目标检测，并依据人员位置对车辆进行控制，因此提出了一种煤矿井下人车联动控制系统。利用深度可分离卷积（DSC）网络代替YOLOv3目标检测模型的DarkNet-53特征提取网络，扩大了特征图尺度，减小了目标检测模型的大小，提高了井下人员目标检测的实时性；根据人员与车辆之间的距离，利用遗传算法优化的PID控制对车辆速度进行精确调节，缩短了车辆速度控制响应时间。实验结果表明，该系统可快速检测人员目标，并根据人员与车辆之间的距离快速控制车辆速度，具有较高的可靠性。

轻量化CNN及其在煤矿智能视频监控中的应用

许志，李敬兆，张传江，姚磊，王继伟

为解决传统视频监控存在的实时性差、网络带宽占用高、对井下违章事件响应慢等问题，在深度可分离卷积的基础上设计了轻量化卷积神经网络（CNN）模型，并引入残差结构对轻量化CNN模型进行优化，提升了模型的数据泛化能力；采用限制对比度直方图均衡化（CLAHE）算法对煤矿井下图像进行增强，使图像的亮度和对比度得到提升，进一步提高了模型识别效果；将轻量化CNN模型经过STM32Cube AI压缩后部署在嵌入式平台上，设计了基于轻量化CNN模型的视频监控终端，实现了井下违章行为实时识别和报警，加强了煤矿井下违章行为的监督力度，进一步保障了井下生产的安全性。

基于FWA-RFNN的散装物料智能装车系统

刘泽朝，李敬兆，欧阳其春，王冀宁

将散装物料快速、稳定、均衡地装入列车车厢是解决偏载问题的关键，因此需要在散装物料装车过程中实现智能化控制。利用烟花算法（FWA）优化递归模糊神经网络（RFNN），提出了基于FWA-RFNN的散装物料智能装车系统。该系统通过激光测距仪、超声波传感器和电子轨道衡等实时采集车厢速度、物料高度和物料质量等信息；利用FWA对RFNN的权重进行优化，RFNN控制器根据车厢速度实际值与设定值的偏差自适应输出精准的控制参数；依据散装物料装车计量模型，根据采集的物料高度、物料质量、车厢装载过程中的行驶距离及RFNN控制器输出的控制参数，动态调节牵引电动机频率，进而改变牵引电动机转速，从而实时控制车厢速度，以实现散装物料的多车厢分布均衡装载。结果表明，经FWA优化后的RFNN控制器可快速调节车厢速度，且保持速度稳定，满足多车厢分布均衡装载的要求，同时提高了装车精度。

信息提供：盛男

图文编辑：张聚

审 核：王晖

免责声明：以上内容转载自工矿自动化，所发内容不代表本平台立场。

全国能源信息平台联系电话：010-65367702，邮箱：hz@people-energy.com.cn，地址：北京市朝阳区金台西路2号人民日报社