基于深度学习的井下人员不安全行为识别与预警系统研究

井下作业人员的不安全行为是矿山事故发生的主要原因之一,现有的井下监控方式仍然以人工监控为主,无法快速识别作业人员的不安全行为,导致难以实时预警。设计了一种基于深度学习的井下人员不安全行为识别与预警系统开发方案,首先制作以井下环境为背景的数据集,然后采用YOLOv4网络模型对矿工及安全帽等进行识别以判断安全帽佩戴情况,再采用Open Pose算法及ST-GCN模型对监控视频中的矿工行为进行识别,最后通过系统对不安全行为进行自动预警。结合多种深度学习和计算机开发技术开发了一种井下人员不安全行为识别与预警系统,为井下人员的安全管理提供了新的思路,对于智慧矿山建设具有参考意义。     

基于递归卷积神经网络的煤矿智能监控安全生产管理平台关键技术研究

针对煤矿井下亮度低、粉尘大、温度高、湿度大以及场景复杂等生产环境,使得监控视频存在目标对象影像不清晰、特征不明显以及干扰元素多等问题,研究了以递归卷积神经网络算法为核心的煤矿智能监控安全生产管理平台关键技术,该技术能够获取高可靠的目标特征向量来提升对象的识别精度,实现在线实时和准确的目标检测与定位,实现煤矿智能监控安全生产管理中特定目标鲁棒性、精确识别和实时预警。     

行为安全管理在煤矿安全管理与评价系统中的应用

将行为安全管理(BBS)方法应用到煤矿安全管理中能够有效制止矿工的不安全行为,提高煤矿企业的安全生产水平。通过对煤矿行为安全管理实施流程及预警方法的研究,将BBS和煤矿安全管理与评价系统结合,不仅实现了对矿工不安全行为的识别、预警及统计分析等功能,而且使用其统计分析结果作为煤矿安全评价模块的人文因素数据依据,大大减小了预测与实际的评价误差。     

基于改进YOLOv5的煤矿井下暗环境矿工安全穿戴智能识别

煤矿井下矿工安全智能识别是防止矿工受到意外伤害的重要保护措施之一。为了提高煤矿井下光线不足等暗环境下的识别准确率,提出一种基于改进YOLOv5的目标检测算法对矿工安全穿戴进行智能识别。首先,实地采集数据构建安全穿戴数据集,将其输入到弱光增强网络Zero-DCE中,提升模型的泛化能力;其次,提出C-ASPP模块,通过对ASPP改进并加入注意力机制,将其加入主干网络之中,使模型更加高效关注安全穿戴区域的特征;然后,在主干融入Transformer算法,增强模型对不同尺度目标的动态调整能力;最后,在特征融合阶段,使用双向特征融合金字塔模型,提高模型的特征提取能力和检测性能。试验结果表明：改进后的YOLOv5算法的平均检测精度提升至90.2%,较原算法提高了3个百分点,检测速度为81.2帧/s,相较于其他算法有着较高的准确度和速度,可满足井下工作区域内矿工安全穿戴识别要求。     

我国井下不安全行为视觉检测方法研究综述与展望

煤矿井下不安全行为的智能监控和目标检测是“智慧矿山”建设中的重要环节。对井下不安全行为的检测架构及检测方法进行综述。首先，归纳了井下不安全行为的机器视觉检测架构。其次，剖析了现有井下不安全行为检测技术的相关应用成果及存在的问题，对于复杂的交互式不安全行为采用知识推理方法进行预警。最后，指出了未来应致力于无监督类识别算法、井下数据共享、原始图像预处理、智能化多联动系统和数据存储安全性等方面的研究，为井下不安全行为机器视觉检测研究提供参考。     

基于BIM技术的煤矿井下施工安全预警系统研究

介绍了一种基于BIM技术分析的实时监测、事件报告和预警平台,结合基于RSS距离的加权质心定位算法,用于改善煤矿井下施工安全管理和预防事故。该平台利用物联网、云计算、实时操作数据库、应用网关和应用程序接口,无缝集成了监控、分析和本地化方法,用于空气质量参数(包括温度、湿度、CH₄、CO₂和CO)的传感器表现出出色的性能,每个参数的回归常数始终大于0.97。该框架支持实时监控、识别异常事件(>90%),并验证矿工在地下矿山恶劣环境中的定位(误差小于1.8 m)。该研究成果能够有效促进煤矿井下安全,为矿井安全预警研究提供依据。     

AI智能视频识别技术在煤矿智慧矿山中的应用

为提升煤矿安全生产治理能力和治理水平，推动煤炭行业安全高质量发展。在分析AI智能技术应用基础上，提出了AI智能识别系统总体框架和实现目标，建立了智慧矿山AI智能识别整体解决方案，设计了AI智能分析平台。该平台以AI技术为核心，以机器深度学习数学模型和报警系统为支撑，通过机器视觉算法实时解析煤矿井上下多作业场景的人员行为、设备状态、环境状态、非标准作业、高风险作业等，形成了软件+服务器智能视觉应用模式，通过机器视觉分析+人工辅助校对实现异常事件的精准分析、智能预警、实时追踪、现场制止、联锁联动，实现了人防到技防的变革，对提高煤矿安全生产保障能力，探索建设可视化、智慧化的远程安全管理模式具有指导意义。     

井下矿工生命信息及环境信息监测系统的研究

基于井下矿山,尤其是煤矿井下安全机制的需求,提出了一种井下矿工生命信息及环境监测系统的设计方案,由矿工随身携带便携式终端监测设备,实现对井下矿工生命信息及其工作面瓦斯、一氧化碳、温湿度等环境参数的实时采集、无线传输与地面实时监测管理。为保障井下作业人员的安全提供了可靠系统装备。     

大佛寺煤矿瓦斯抽采项目质量环境职业健康安全管理

为了保证煤矿员工的人身安全和国家财产安全,使生产活动顺利进行,企业更好持续发展。中煤科工集团西安研究院有限公司在大佛寺煤矿井下瓦斯抽采项目实施过程中,按照质量、环境、职业健康安全管理的要求,对项目进行管理。对危险源进行源头识别和全过程控制,对人的不安全行为,物的不安全状态,工作环境的不安全因素进行有效的控制。     

基于SEM矿工组织支持感与不安全行为关系研究

为提升煤矿安全管理水平,减少矿工的不安全行为,基于社会交换理论和计划行为理论,提出以行为意向作为中介变量,矿工组织支持感与不安全行为的假设模型。选取山西某地方煤矿为研究对象,收集该煤矿205名井下矿工调查问卷,运用结构方程模型(SEM)验证假设。结果表明:组织支持感各个维度对矿工不安全行为均有显著影响,并且矿工行为意向在两者之间起一定的中介作用。在安全管理中,煤矿企业可通过提高矿工组织支持感,干预矿工的不安全行为意向来降低矿工的不安全行为。     

基于SD的矿工不安全行为干预模型仿真

预防事故必须对人的不安全行为进行管控。在分析矿工不安全行为干预策略集的基础上,运用系统动力学(SD)原理,构建了矿工不安全行为组合干预系统SD模型,采用Vensim仿真软件对组合干预系统的干预有效性进行了动态模拟仿真。将矿工不安全行为的干预模型由定性化向定量化数学模型发展,对煤矿提出科学化的员工不安全行为管控策略有较好的指导意义。     

煤矿员工不安全心理及其影响因素

根据环境影响心理、心理支配行为的理论和安全生产领域的相关研究成果,对生产过程中人的行为与生产安全事故的关系进行了论述;并结合开滦煤矿实际对引发矿工不安全行为的侥幸心理、麻痹心理、捷径心理、从众心理、摆脱心理、逞能心理、恐慌心理和逆反心理等8种主要心理以及影响矿工心理的煤矿作业环境中的温度、湿度、照明、色彩、噪声,人际关系,饮食及其他等4个方面的因素进行了分析论证;在此基础上,根据80%以上生产安全事故是由人的不安全行为所引发的事实,提出了应通过改善或消除引发矿工不安全心理的各种因素来消除或抑制矿工的不安全行为,从源头预防煤矿生产安全事故发生的观点.     

矿井智能通风系统关键技术研究

实现矿井通风智能化是建设智能矿山的主要技术手段。针对目前通风系统调整失准、智能化水平低、预警信息不能反映到抢险救灾指挥中心等问题，提出一种矿井智能通风系统建设方案；该方案由井下监控设备和地面控制中心组成，旨在建立三维通风模拟与隐患智能识别平台，实现矿井通风数据实时动态分析、三维可视化展现以及安全预警与辅助决策；重点研究了通风监测大数据库、三维通风模拟、AI视频智能识别、预警及辅助决策、系统联动控制5个关键技术，详细阐述了各自的技术特征与实现方案。基于计算机软件开发技术、三维仿真技术以及人工智能技术设计并开发实现了矿井智能通风系统。     

机器视觉的煤自燃智能预警系统设计

为了更好地解决目前煤矿自燃火灾探测的误报、漏报及方法单一等问题,提出了一种基于机器视觉的多传感器融合的煤矿自燃火灾智能预警系统。通过构建的煤矿井下视觉网络系统对煤矿自燃可疑区域进行图像采集、分析和处理,结合温湿度传感器、光感传感器在特定环境深度融合技术下采集的煤矿环境参数信息,并将数据信息实时地传输到控制中心。实现了对煤矿自燃火灾的实时监测、预警功能,使煤矿自燃火灾的监测预警的准确性大大提高,具有很好的应用前景。     

基于矿工不安全行为的煤矿安全预测评价模型

从研究人的不安全行为本身出发,将设计与使用、管理、行为失误这3个方面作为构建矿工不安全行为指标体系的影响因素。结合专家咨询和煤矿实际调研情况,尝试使用遗传算法优化神经网络,构建基于矿工不安全行为的煤矿安全预测评价模型。选取山东、河南等地大型煤矿的实时监测数据进行样本学习及实证分析。实例检验表明:安全预测评价模型短期的预测结果与实际情况相符合,能够提前对煤矿安全状况进行较为准确的预测。使用遗传神经网络算法实时的预测煤矿整体安全状况,通过反馈的结果反向作用于煤矿的安全管理决策,有利于为管理者提供决策支持。     

煤矿员工不安全心理与事故关系浅析

为了分析出煤矿员工心理因素与安全事故之间的关系,从矿工不安全心理与"人的不安全行为"、"物的不安全状态"、"环境不良"及"管理失误"等四个角度进行了分析。根据煤矿安全的各个关联因素,即心理到行为到事故或安全的产生过程分析,将矿工的心理分为正能量与负能量,组成一种新的平衡方式。从矿山管理者角度,对于负平衡的产生要及时扼制,从源头抓起,各个环节采取有效措施,从潜意识到意识到心理抉择到行为,加以引导控制,由负平衡逐渐向正平衡转变,从而保障安全。     

煤矿安全生产视频AI识别关键技术研究综述

煤矿安全生产视频分析与识别技术是保障我国煤矿智能化建设和煤炭工业高质量发展的核心技术支撑。为及时对煤矿井下安全隐患进行实时监测和预警，视频AI(Artificial Intelligence，人工智能)识别关键技术已经成为煤矿安全生产领域的研究热点。阐述了我国煤矿智能化建设过程中安全监测与监控的发展现状，分析了当前矿井视频监控与安全隐患识别预警存在的效率低、响应慢、效果差等问题，结合计算机视觉、边缘计算、大数据处理、云服务、智能终端等先进技术手段、进行了煤矿安全生产视频AI识别的顶层设计，提出了煤矿“人-机-环”全域视频AI感知的“云-边-端”协同计算系统架构，构建了视频识别端节点传感器、边缘计算设备、视频识别场景云服务应用体系，明确了智能识别与预警联动控制响应机制，打通了“云-边-端”信息交互感知与联动控制数据链，实现了数据共享联动和预警协同。同时，围绕矿山“人-机-环”全域AI视觉信息智能感知和全息泛化景象平台的构建，梳理了矿井安全隐患视觉感知及识别预警的技术处理流程，归纳了AI识别过程中的各类预处理-增强-重建-检测-识别方法的优点和缺点，明确了煤矿安全生产视频AI识别关键技术发...     

矿工情绪与安全间题研究

在实现煤矿安全生产的过程中，人的不安全行为是造成煤矿事故的主要根源。在导致不安全行为的心理因素中，矿工的情绪问题占有重要地位。本文根据马斯洛的需求层次理论，分析了煤矿安全中矿工的需求与情堵问题，并就如何满足矿工合理需求，以保持其情绪稳定和实现安全生产提出了相应的对策。     

矿工情绪与安全问题研究

在实现煤矿安全生产的过程中,人的不安全行为是造成煤矿事故的主要根源。在导致不安全行为的心理因素中,矿工的情绪问题占有重要地位。本文根据马斯洛的需求层次理论,分析了煤矿安全中矿工的需求与情绪问题,并就如何满足矿工合理需求,以保持其情绪稳定和实现安全生产提出了相应的对策。     

矿工心理契约与其安全绩效的关系研究

了解矿工的心理契约状态、安全绩效水平及两者之间存在的关系有利于煤矿企业的安全管理。将心理契约划分为发展型责任、规范型责任和人际型责任3个维度,将安全绩效划分为安全结果和安全行为2个维度来设计测量量表,并对407名矿工的心理契约状态和安全绩效水平进行测量与分析,结果表明矿工心理契约与其安全绩效存在显著的正相关性,且组织责任通过员工责任影响安全绩效。通过提高矿工与企业之间达成的心理契约状态水平可以提高矿工的安全绩效,从而提高煤矿企业的安全管理水平。