★寧夏煤礦設計研究院有限責任公司張善兵

選煤廠(chǎng)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(chǎng)依靠工人定期巡檢選煤設備工作狀況或監視選煤過(guò)程參數、手動(dòng)操作現場(chǎng)報警和設備啟停，以及監控系統只記錄、存儲視頻，不能為精準決策提供依據，無(wú)法滿(mǎn)足現代選煤廠(chǎng)對智能化水平的要求。人工智能AI視頻分析可實(shí)現對選煤廠(chǎng)設備、環(huán)境、人員、選煤全流程重要參數的智能監測，進(jìn)而降低人力成本，提高生產(chǎn)效率，精準監測過(guò)程參數，對選煤廠(chǎng)智能化具有重大意義。

1　系統設計

1.1　系統設計思路

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

1.2　系統簡(jiǎn)介

選煤廠(chǎng)視頻AI智能分析系統集工藝與智能視覺(jué)分析為一體，是利用智能視頻分析技術(shù)實(shí)現對選煤廠(chǎng)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，使得傳統監控系統具備了新的能力，解決了傳統的視頻監控模式下海量視頻錄像堆砌在中心，需要大量人力投入進(jìn)行人工查證的問(wèn)題，同時(shí)促成監控業(yè)務(wù)模式從事后查證到主動(dòng)視頻防控質(zhì)的飛躍。

選煤廠(chǎng)視頻AI智能分析系統基于人工智能視覺(jué)、邊緣計算、大數據等最新技術(shù)及選煤廠(chǎng)場(chǎng)景分析預警模型，為選煤廠(chǎng)構建了一個(gè)實(shí)時(shí)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　系統架構設計

系統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(chǎng)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據，經(jīng)過(guò)加工后再轉換傳遞至云端。

1.3.3　云

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

1.4　系統核心應用

整個(gè)系統核心分為上下兩個(gè)層次，如圖2所示。底部三層為視頻數據接入層，主要為現場(chǎng)監控畫(huà)面與異常檢測數據接入、人臉識別數據接入；上層為用戶(hù)應用系統層，主要為最終用戶(hù)提供系統功能，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、系統管理、移動(dòng)APP應用等功能。

圖2 功能設計

2　系統關(guān)鍵技術(shù)

2.1　圖像處理技術(shù)

在應用計算機視覺(jué)技術(shù)時(shí)，第一步是圖像采集，第二步是對已經(jīng)采集的圖像進(jìn)行預測分析處理，如果采用宏觀(guān)檢測技術(shù)則對圖像整體進(jìn)行分析；如果采用局部微觀(guān)檢測則是將圖像進(jìn)行切割，然后對切割后各圖像內容中出現的運動(dòng)物體影像進(jìn)行分析。在圖像數據處理中常用的技術(shù)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(shù)，它包含了幾百個(gè)圖像處理和計算機視覺(jué)方面的C語(yǔ)言函數和一些C++類(lèi)，實(shí)現了許多流行的圖像處理和計算機視覺(jué)算法。

2.2　卷積神經(jīng)網(wǎng)絡(luò )圖像分析技術(shù)

卷積神經(jīng)網(wǎng)絡(luò )圖像分析技術(shù)主要對圖像進(jìn)行分類(lèi)。CNN使用一種局部連接和權值共享的模式，有效控制待學(xué)習的參數數量的同時(shí)，可逐層提取圖像的高層特征信息，使系統實(shí)現快速高效識別。

在卷積層，每一層卷積網(wǎng)絡(luò )采用多個(gè)卷積核對圖像數據進(jìn)行卷積操作。在這里卷積核是一個(gè)3×3的矩陣，通過(guò)卷積核窗口的不斷滑動(dòng)計算，會(huì )提取出一張特征圖。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，方便后續計算。

池化層則是在局部計算每個(gè)窗口的最大值或者平均值。通過(guò)這種操作，可以減少參數，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(xué)到的“分布式特征表示”映射到樣本標記空間，起到分類(lèi)器的作用。通過(guò)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(shù)

人臉識別技術(shù)是基于圖像識別，并根據人臉特征信息進(jìn)行身份判定的技術(shù)。人臉識別主要特點(diǎn)是利用人的臉部特征作為一種身份辨識的方式，通過(guò)采集含有人臉的圖像或視頻流，自動(dòng)對圖像或視頻中的人臉進(jìn)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(shù)可以在不同場(chǎng)合中實(shí)現智能化應用，其優(yōu)勢有以下三個(gè)方面。

2.3.1　自然性

所謂的自然性是指通過(guò)觀(guān)察就可以比較人臉來(lái)區分和確認身份。

2.3.2　非接觸性

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

2.3.3　并發(fā)性

在實(shí)際應用場(chǎng)景中，人臉識別技術(shù)可以進(jìn)行多個(gè)人臉的分揀、判斷及識別。

2.4　邊緣計算技術(shù)

智能視覺(jué)分析服務(wù)與人臉識別系統均采用邊緣計算框架進(jìn)行部署。邊緣計算起源于傳媒領(lǐng)域，是指在靠近物或數據源頭的一側，采用網(wǎng)絡(luò )、計算、存儲、應用核心能力為一體的開(kāi)放平臺，就近提供最近端服務(wù)。邊緣計算框架總體采用松耦合微服務(wù)架構，共分為四個(gè)核心層和兩個(gè)輔助服務(wù)層。四個(gè)核心層分別為。

2.4.1　設備接入服務(wù)層

設備接入服務(wù)層提供網(wǎng)絡(luò )攝像機的快速接入。

2.4.2　核心服務(wù)層

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

2.4.3　支撐服務(wù)層

支撐服務(wù)層提供支撐整個(gè)系統運行的服務(wù)，主要包括告警通知服務(wù)（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(wù)（通過(guò)RESTfulAPIs提交日志請求、查詢(xún)歷史日志、移除歷史日志，用LOGBack做日志框架，可以通過(guò)文件或MongoDB持久化日志）；

調度服務(wù)（負責定時(shí)清理設備數據，默認每30分鐘執行一次）和規則引擎服務(wù)（提供了一種邊緣事件觸發(fā)機制，監控邊緣設備數據。符合條件，觸發(fā)行為，通過(guò)命令服務(wù)下發(fā)指令）。

2.4.4　輸出服務(wù)層

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

兩個(gè)輔助服務(wù)層：安全服務(wù)，支持AAA訪(fǎng)問(wèn)控制，AES256數據加密，唯一證書(shū)認證，HTTPS協(xié)議流程數據；系統管理服務(wù)，提供微服務(wù)安裝、升級、啟動(dòng)、停止和監控功能。

3　AI視頻分析技術(shù)在選煤廠(chǎng)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(xiàn)靠近、膠帶機頭機尾走廊越線(xiàn)、危險區域闖入、防護欄越界、安全帽檢測等。

攝像頭錄制現場(chǎng)人員的操作畫(huà)面，并上傳到視覺(jué)AI邊緣計算設備和監測預警平臺，視覺(jué)AI平臺分析視頻里的畫(huà)面，并將人員操作畫(huà)面放入正規操作圖片庫中進(jìn)行比對，判定為違規操作立即報警，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(guò)視頻分析平臺實(shí)現皮帶上大塊物體及雜物的識別、跑偏監測等功能。

3.3　刮板機斷鏈、斜鏈、飄鏈監測保護識別應用

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(guò)視頻分析平臺實(shí)現刮板機斷鏈、斜鏈、飄鏈的監測保護等功能。其中刮板機斷鏈、斜鏈監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(shù)在選煤廠(chǎng)推廣價(jià)值

4.1　邊效益比突出

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

4.2　安全可靠

視覺(jué)的最大優(yōu)點(diǎn)是與被觀(guān)測對象無(wú)接觸，因此對觀(guān)測對象與被觀(guān)測對象都不會(huì )產(chǎn)生任何損傷，安全可靠，這是其它監測設備及方法無(wú)法比擬的。另外，人員無(wú)法長(cháng)時(shí)間觀(guān)察對象，機器視覺(jué)則不知疲勞，能全天候進(jìn)行觀(guān)測，所以機器視覺(jué)可以廣泛地應用于全天候、惡劣的工作環(huán)境。

4.3　連續性

智能視覺(jué)系統可以使人免受疲勞之苦，不再需要人時(shí)刻進(jìn)行值守，當出現異常情況時(shí)，系統可進(jìn)行及時(shí)告警并顯示現場(chǎng)情況，并通過(guò)相關(guān)人員進(jìn)行處置。

5　結論

將視覺(jué)AI技術(shù)應用于選煤廠(chǎng)實(shí)際生產(chǎn)過(guò)程當中，實(shí)現選煤廠(chǎng)的智能控制，是將來(lái)選煤廠(chǎng)科技創(chuàng )新及技術(shù)改造的一個(gè)重要方向。視覺(jué)AI技術(shù)是用圖像攝取裝置代替人眼從客觀(guān)事物中提取圖像信息，并通過(guò)計算機加以處理，最終實(shí)現實(shí)際測量、分析和控制。隨著(zhù)計算機與圖像處理技術(shù)的發(fā)展，視覺(jué)AI技術(shù)在各個(gè)工業(yè)領(lǐng)域都將得到廣泛的應用。

作者簡(jiǎn)介：

張善兵（1972-），男，寧夏銀川人，高級工程師，現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(chǎng)安全管理研究[J]. 中國安全科學(xué)學(xué)報, 2021.

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

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

[4] 劉開(kāi)南. 基于遞歸卷積神經(jīng)網(wǎng)絡(luò )的煤礦智能監控安全生產(chǎn)管理平臺關(guān)鍵技術(shù)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測和診斷系統的研究[J]. 制造業(yè)自動(dòng)化, 2012, 34 (7) : 52 - 54.

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

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

摘自《自動(dòng)化博覽》2023年4月刊