★寧夏煤礦設計研究院有限責任公司張善兵

選煤廠智能化是工業(yè)智能發(fā)展的重要組成部分，也是煤炭行業(yè)轉變發(fā)展方式、優(yōu)化生產(chǎn)結構、提高經(jīng)濟效益的重要途徑。目前，選煤廠依靠工人定期巡檢選煤設備工作狀況或監(jiān)視選煤過程參數(shù)、手動操作現(xiàn)場報警和設備啟停，以及監(jiān)控系統(tǒng)只記錄、存儲視頻，不能為精準決策提供依據(jù)，無法滿足現(xiàn)代選煤廠對智能化水平的要求。人工智能AI視頻分析可實現(xiàn)對選煤廠設備、環(huán)境、人員、選煤全流程重要參數(shù)的智能監(jiān)測，進而降低人力成本，提高生產(chǎn)效率，精準監(jiān)測過程參數(shù)，對選煤廠智能化具有重大意義。

1　系統(tǒng)設計

1.1　系統(tǒng)設計思路

通過在選煤廠的皮帶、吊裝口、危險區(qū)等位置區(qū)域部署攝像機（防爆攝像機），在廠區(qū)控制室的機房部署視覺AI邊緣計算設備和監(jiān)測預警平臺，實現(xiàn)對生產(chǎn)過程中人員的非法入侵、作業(yè)過程中人員的不安全操作與行為以及設備工作狀態(tài)異常的安全監(jiān)測和報警。

1.2　系統(tǒng)簡介

選煤廠視頻AI智能分析系統(tǒng)集工藝與智能視覺分析為一體，是利用智能視頻分析技術實現(xiàn)對選煤廠人員的不安全行為、設備的不安全狀態(tài)和環(huán)境危險因素的檢測識別，使得傳統(tǒng)監(jiān)控系統(tǒng)具備了新的能力，解決了傳統(tǒng)的視頻監(jiān)控模式下海量視頻錄像堆砌在中心，需要大量人力投入進行人工查證的問題，同時促成監(jiān)控業(yè)務模式從事后查證到主動視頻防控質的飛躍。

選煤廠視頻AI智能分析系統(tǒng)基于人工智能視覺、邊緣計算、大數(shù)據(jù)等最新技術及選煤廠場景分析預警模型，為選煤廠構建了一個實時的視頻分析安全態(tài)勢預警平臺，避免了重大安全事故，防患于未然，可為企業(yè)生產(chǎn)安全保駕護航。

1.3　系統(tǒng)架構設計

系統(tǒng)平臺總體采用云架構，分為物、端/邊緣、云三大部分，如圖1所示。

圖1 平臺架構

1.3.1　物

物主要指作業(yè)場所的攝像機設備。

1.3.2　端/邊緣

端/邊緣主要是用于接入邊緣的設備，接入攝像機視頻流數(shù)據(jù)，經(jīng)過加工后再轉換傳遞至云端。

1.3.3　云

云是系統(tǒng)應用的核心，云端總體采用IaaS、PaaS、SaaS三層架構。IaaS層通過虛擬化技術，使得整個物理計算資源可動態(tài)調配；PaaS層采用容器和調度技術，使得應用發(fā)布輕松便捷，同時可監(jiān)控和動態(tài)分配應用資源；SaaS層則主要面向用戶提供各種業(yè)務應用功能。

1.4　系統(tǒng)核心應用

整個系統(tǒng)核心分為上下兩個層次，如圖2所示。底部三層為視頻數(shù)據(jù)接入層，主要為現(xiàn)場監(jiān)控畫面與異常檢測數(shù)據(jù)接入、人臉識別數(shù)據(jù)接入；上層為用戶應用系統(tǒng)層，主要為最終用戶提供系統(tǒng)功能，應用覆蓋智能綜合展示、告警事件管理、事件處置管理、配置管理、系統(tǒng)管理、移動APP應用等功能。

圖2 功能設計

2　系統(tǒng)關鍵技術

2.1　圖像處理技術

在應用計算機視覺技術時，第一步是圖像采集，第二步是對已經(jīng)采集的圖像進行預測分析處理，如果采用宏觀檢測技術則對圖像整體進行分析；如果采用局部微觀檢測則是將圖像進行切割，然后對切割后各圖像內容中出現(xiàn)的運動物體影像進行分析。在圖像數(shù)據(jù)處理中常用的技術有背景差分法、視頻幀間差分法等。平臺主要采用OpenCV圖像處理技術，它包含了幾百個圖像處理和計算機視覺方面的C語言函數(shù)和一些C++類，實現(xiàn)了許多流行的圖像處理和計算機視覺算法。

2.2　卷積神經(jīng)網(wǎng)絡圖像分析技術

卷積神經(jīng)網(wǎng)絡圖像分析技術主要對圖像進行分類。CNN使用一種局部連接和權值共享的模式，有效控制待學習的參數(shù)數(shù)量的同時，可逐層提取圖像的高層特征信息，使系統(tǒng)實現(xiàn)快速高效識別。

在卷積層，每一層卷積網(wǎng)絡采用多個卷積核對圖像數(shù)據(jù)進行卷積操作。在這里卷積核是一個3×3的矩陣，通過卷積核窗口的不斷滑動計算，會提取出一張?zhí)卣鲌D。同一層的神經(jīng)元可以共享卷積核，并且使用卷積核后圖片的尺寸變小也不影響原圖的特征，方便后續(xù)計算。

池化層則是在局部計算每個窗口的最大值或者平均值。通過這種操作，可以減少參數(shù)，只保留有用的特征，提高了運算效率。

最后的全連接層則可以將學到的“分布式特征表示”映射到樣本標記空間，起到分類器的作用。通過多層卷積層和池化層的疊加，可以很好地識別出圖像的特征信息，保證了識別的精度和速度。

2.3　人臉識別技術

人臉識別技術是基于圖像識別，并根據(jù)人臉特征信息進行身份判定的技術。人臉識別主要特點是利用人的臉部特征作為一種身份辨識的方式，通過采集含有人臉的圖像或視頻流，自動對圖像或視頻中的人臉進行檢測定位、圖像預處理、特征提取和匹配識別，達到識別不同人身份的目的。因此，人臉識別技術可以在不同場合中實現(xiàn)智能化應用，其優(yōu)勢有以下三個方面。

2.3.1　自然性

所謂的自然性是指通過觀察就可以比較人臉來區(qū)分和確認身份。

2.3.2　非接觸性

相比較其他生物識別技術而言，人臉識別是非接觸和非感知的，用戶不需要和設備直接接觸和感知。

2.3.3　并發(fā)性

在實際應用場景中，人臉識別技術可以進行多個人臉的分揀、判斷及識別。

2.4　邊緣計算技術

智能視覺分析服務與人臉識別系統(tǒng)均采用邊緣計算框架進行部署。邊緣計算起源于傳媒領域，是指在靠近物或數(shù)據(jù)源頭的一側，采用網(wǎng)絡、計算、存儲、應用核心能力為一體的開放平臺，就近提供最近端服務。邊緣計算框架總體采用松耦合微服務架構，共分為四個核心層和兩個輔助服務層。四個核心層分別為。

2.4.1　設備接入服務層

設備接入服務層提供網(wǎng)絡攝像機的快速接入。

2.4.2　核心服務層

核心服務層提供核心運行服務，主要包括核心數(shù)據(jù)服務（搜集持久化設備和傳感器等邊緣設備數(shù)據(jù)，并將數(shù)據(jù)導出到云）、命令服務（負責把命令從設備傳到云端，不允許非法命令與設備交互）、元數(shù)據(jù)服務（主要包括管理設備配置文件，包括設備信息、設備數(shù)據(jù)結構類型和設備命令）和注冊配置服務（微服務配置、執(zhí)行參數(shù)和狀態(tài)，提供微服務啟動所需配置，如端口號等）。

2.4.3　支撐服務層

支撐服務層提供支撐整個系統(tǒng)運行的服務，主要包括告警通知服務（設備發(fā)生故障，生成告警，發(fā)生告警到目的應端，目前支持E-mail和REST回調）；

日志服務（通過RESTfulAPIs提交日志請求、查詢歷史日志、移除歷史日志，用LOGBack做日志框架，可以通過文件或MongoDB持久化日志）；

調度服務（負責定時清理設備數(shù)據(jù)，默認每30分鐘執(zhí)行一次）和規(guī)則引擎服務（提供了一種邊緣事件觸發(fā)機制，監(jiān)控邊緣設備數(shù)據(jù)。符合條件，觸發(fā)行為，通過命令服務下發(fā)指令）。

2.4.4　輸出服務層

輸出服務層主要負責數(shù)據(jù)到云端的輸出服務，主要包括客戶端注冊（客戶端注冊為數(shù)據(jù)接收者，按需過濾流轉數(shù)據(jù)，包括本地分析服務、事件處理器、智能分析引擎等）和分發(fā)微服務（基于EAI技術，管道過濾體系。通過消息隊列，接收數(shù)據(jù)，過濾、傳輸和格式化數(shù)據(jù)，通過REST、MQTT、OMQ分發(fā)數(shù)據(jù)到特定注冊客戶端）。

兩個輔助服務層：安全服務，支持AAA訪問控制，AES256數(shù)據(jù)加密，唯一證書認證，HTTPS協(xié)議流程數(shù)據(jù)；系統(tǒng)管理服務，提供微服務安裝、升級、啟動、停止和監(jiān)控功能。

3　AI視頻分析技術在選煤廠的應用

3.1　不安全行為識別應用

不安全行為包括膠帶機沿線靠近、膠帶機頭機尾走廊越線、危險區(qū)域闖入、防護欄越界、安全帽檢測等。

攝像頭錄制現(xiàn)場人員的操作畫面，并上傳到視覺AI邊緣計算設備和監(jiān)測預警平臺，視覺AI平臺分析視頻里的畫面，并將人員操作畫面放入正規(guī)操作圖片庫中進行比對，判定為違規(guī)操作立即報警，并記錄到報警歷史中。

3.2　雜物識別、皮帶跑偏識別應用

利用原在膠帶機上已經(jīng)安裝的攝像儀，通過視頻分析平臺實現(xiàn)皮帶上大塊物體及雜物的識別、跑偏監(jiān)測等功能。

3.3　刮板機斷鏈、斜鏈、飄鏈監(jiān)測保護識別應用

利用在塊煤配篩刮板機、煤泥刮板機上已經(jīng)安裝的攝像儀，通過視頻分析平臺實現(xiàn)刮板機斷鏈、斜鏈、飄鏈的監(jiān)測保護等功能。其中刮板機斷鏈、斜鏈監(jiān)測保護可與原有機械保護裝置互為驗證。

4　AI視頻分析技術在選煤廠推廣價值

4.1　邊效益比突出

通過本方案可以在原有監(jiān)控系統(tǒng)的基礎上做AI視頻分析的功能應用，不需要再另行增加視頻監(jiān)控攝像頭和傳輸設備，大大降低了成本并可確保原有系統(tǒng)的投資。

4.2　安全可靠

視覺的最大優(yōu)點是與被觀測對象無接觸，因此對觀測對象與被觀測對象都不會產(chǎn)生任何損傷，安全可靠，這是其它監(jiān)測設備及方法無法比擬的。另外，人員無法長時間觀察對象，機器視覺則不知疲勞，能全天候進行觀測，所以機器視覺可以廣泛地應用于全天候、惡劣的工作環(huán)境。

4.3　連續(xù)性

智能視覺系統(tǒng)可以使人免受疲勞之苦，不再需要人時刻進行值守，當出現(xiàn)異常情況時，系統(tǒng)可進行及時告警并顯示現(xiàn)場情況，并通過相關人員進行處置。

5　結論

將視覺AI技術應用于選煤廠實際生產(chǎn)過程當中，實現(xiàn)選煤廠的智能控制，是將來選煤廠科技創(chuàng)新及技術改造的一個重要方向。視覺AI技術是用圖像攝取裝置代替人眼從客觀事物中提取圖像信息，并通過計算機加以處理，最終實現(xiàn)實際測量、分析和控制。隨著計算機與圖像處理技術的發(fā)展，視覺AI技術在各個工業(yè)領域都將得到廣泛的應用。

作者簡介：

張善兵（1972-），男，寧夏銀川人，高級工程師，現(xiàn)就職于寧夏煤礦設計研究院有限責任公司，研究方向為煤礦信息化、智能化。

參考文獻：

[1] 趙亮, 孫魁元, 韓寶虎, 等. 基于人工智能視頻分析的選煤廠安全管理研究[J]. 中國安全科學學報, 2021.

[2] 折小江, 劉江, 王蘭豪. AI視頻圖像分析在選煤廠智能化中的應用現(xiàn)狀與發(fā)展趨勢[J]. 工礦自動化, 2022, 48 (11) : 45 - 53, 109.

[3] 張康輝, 王衛(wèi)東, 劉子琪, 等. 煤炭加工中異物的計算機視覺檢測注意力CNN[J]. 工程人工智能的應用, 2021, 102 : 116 - 128.

[4] 劉開南. 基于遞歸卷積神經(jīng)網(wǎng)絡的煤礦智能監(jiān)控安全生產(chǎn)管理平臺關鍵技術研究[J]. 中國煤炭, 2018, 44 (12) : 84 - 87.

[5] 宗春英. 基于人工智能的故障監(jiān)測和診斷系統(tǒng)的研究[J]. 制造業(yè)自動化, 2012, 34 (7) : 52 - 54.

[6] 樊國方, 岳長青, 吳勝平. 皮帶打滑測速裝置的改進[J]. 水泥, 2012 (8) : 60 - 61.

[7] 高文. 智慧礦山智能決策支持技術架構設計[J]. 工礦自動化, 2017, 43 (9) : 21 - 25.

摘自《自動化博覽》2023年4月刊