基于AI的運(yùn)輸皮帶綜合保護(hù)系統(tǒng)的研究與應(yīng)用

王春青

（開(kāi)灤集團(tuán)有限責(zé)任公司，河北唐山，063018）

0 引言

隨著國(guó)家智能制造要求的不斷提高，現(xiàn)代化的物料輸送現(xiàn)場(chǎng)、地質(zhì)、施工等條件的多元化對(duì)輸送帶的性能提出了更高的要求。煤礦運(yùn)輸場(chǎng)景下因環(huán)境惡劣，工人無(wú)法實(shí)時(shí)在井下跟蹤每條皮帶情況，因此運(yùn)輸巷道多在皮帶機(jī)頭、機(jī)尾等位置安裝高清攝像頭，以實(shí)現(xiàn)在井上實(shí)時(shí)監(jiān)控皮帶及相關(guān)場(chǎng)景的變化情況。但由于井下攝像頭數(shù)量較多，監(jiān)控室人員和設(shè)備有限，無(wú)法實(shí)時(shí)監(jiān)控到每個(gè)攝像頭，只能事后查看錄像，監(jiān)控使用效率極低。基于此，本文項(xiàng)目將AI技術(shù)應(yīng)用在井下視頻實(shí)時(shí)識(shí)別和監(jiān)測(cè)上，可實(shí)現(xiàn)所有視頻流實(shí)時(shí)分析、異常及時(shí)報(bào)警，極大提升監(jiān)控使用效率，有效降低井下生產(chǎn)事故。

1 現(xiàn)狀分析

為了加強(qiáng)煤礦皮帶運(yùn)輸?shù)陌踩芸?，我?guó)煤炭企業(yè)按照煤礦安全規(guī)程，在皮帶運(yùn)輸方面采取了大量的安全保護(hù)措施，如：大部分皮帶運(yùn)輸系統(tǒng)都安裝了綜合保護(hù)裝置和安全護(hù)欄，并在一些具備條件的工作地點(diǎn)也建設(shè)工業(yè)視頻監(jiān)控系統(tǒng)，將所有監(jiān)控畫(huà)面上傳至地面調(diào)度室，監(jiān)控人員可以通過(guò)工業(yè)視頻系統(tǒng)對(duì)井下情況進(jìn)行監(jiān)視、記錄。盡管如此，每年還是會(huì)發(fā)生很多運(yùn)輸安全事故，如違章乘坐皮帶傷人、鐵器卷入皮帶滾筒傷人、皮帶撕裂等。

傳統(tǒng)的皮帶保護(hù)傳感器有其局限性，因其多為接觸式傳感器，易受煤塵、濕氣等外部環(huán)境影響，在潮濕環(huán)境下，傳感器容易發(fā)生短路，不能及時(shí)準(zhǔn)確報(bào)警；部分傳感器無(wú)法實(shí)現(xiàn)全方位的高精度的測(cè)量，自身抗干擾能力較差，檢測(cè)效果差。綜上所述，傳感器雖然有一定可行性，但是仍有諸多不便［2］。

2 研究方案設(shè)計(jì)

■2.1 系統(tǒng)需求分析

為了滿(mǎn)足運(yùn)輸皮帶保護(hù)系統(tǒng)的相關(guān)智能要求，實(shí)現(xiàn)對(duì)各類(lèi)故障和隱患進(jìn)行視、音頻分析，系統(tǒng)需求分析如下：

2.1.1 圖像AI訓(xùn)練平臺(tái)

AI訓(xùn)練需要相關(guān)服務(wù)器集群作為素材訓(xùn)練的基礎(chǔ)硬件環(huán)境，核心要求包括：

（1）素材快速標(biāo)定：方便快捷的素材標(biāo)定的工具，可以自行進(jìn)行數(shù)據(jù)標(biāo)注或購(gòu)買(mǎi)數(shù)據(jù)標(biāo)注服務(wù)。

（2）模型快速訓(xùn)練：能夠自行進(jìn)行算法開(kāi)發(fā)，實(shí)現(xiàn)零門(mén)檻算法模型訓(xùn)練。

（3）能夠?qū)崿F(xiàn)應(yīng)用快速落地和算法迭代，可持續(xù)提升算法性能，并與應(yīng)用平臺(tái)進(jìn)行快速打通。

2.1.2 智能硬件

AI訓(xùn)練平臺(tái)訓(xùn)練的算法，需要有相應(yīng)的硬件設(shè)備承載，從而實(shí)現(xiàn)對(duì)隱患的智能實(shí)時(shí)分析。為了實(shí)現(xiàn)對(duì)隱患快速檢測(cè)分析，采用邊緣設(shè)備分析方式，包括AI相機(jī)和智能NVR兩類(lèi)。AI相機(jī)可滿(mǎn)足一個(gè)場(chǎng)景的多維分析，安裝在井下的AI相機(jī)須克服井下環(huán)境問(wèn)題；對(duì)于已經(jīng)安裝了井下普通相機(jī)，且滿(mǎn)足成像的基礎(chǔ)上，可充分利舊，使用智能NVR，實(shí)現(xiàn)多個(gè)點(diǎn)位的實(shí)時(shí)智能分析，且智能NVR可放置于井上機(jī)房。

除了視頻AI硬件，還包括音頻分析的AI硬件，實(shí)現(xiàn)對(duì)異常聲音的實(shí)時(shí)檢測(cè)和分析。

音視頻智能硬件含有各類(lèi)信號(hào)輸出，便于分析到故障時(shí)，可立即輸出信號(hào)提醒現(xiàn)場(chǎng)人員。

2.1.3 系統(tǒng)平臺(tái)

系統(tǒng)需實(shí)現(xiàn)硬件的管理、模型加載、智能分析設(shè)置；具有智能分析報(bào)警的接收與處理等功能。

■2.2 設(shè)計(jì)原則

（1）先進(jìn)性

本文中項(xiàng)目采用基于深度學(xué)習(xí)的視頻智能識(shí)別的技術(shù)，利用AI開(kāi)放平臺(tái)進(jìn)行算法快速訓(xùn)練，實(shí)現(xiàn)皮帶故障的智能分析。

（2）穩(wěn)定性

根據(jù)各類(lèi)環(huán)境選擇特定攝像機(jī)，在獲取清晰圖像的同時(shí)，采用了深度學(xué)習(xí)算法，對(duì)隱患進(jìn)行識(shí)別，保證了系統(tǒng)長(zhǎng)時(shí)間穩(wěn)定運(yùn)行。

（3）實(shí)用性

以業(yè)務(wù)流程梳理為依據(jù)，選擇相應(yīng)點(diǎn)位安裝智能相機(jī)，且平臺(tái)基于BS架構(gòu)、CS架構(gòu)開(kāi)發(fā)的軟件平臺(tái)，便于不同人員根據(jù)權(quán)限查看不同結(jié)果。

（4）集成性

系統(tǒng)的高度集成一方面可以有效減少系統(tǒng)故障點(diǎn)，有利于系統(tǒng)的實(shí)施與運(yùn)維；另一方面系統(tǒng)集成可以有效實(shí)現(xiàn)信息共享，實(shí)現(xiàn)一臺(tái)設(shè)備多種功能，提高信息處理效率，避免過(guò)度建設(shè)。

（5）可拓展性

平臺(tái)軟件可拓展性：采用模塊化設(shè)計(jì)，支持功能的模塊化升級(jí)，還可與其他平臺(tái)作數(shù)據(jù)對(duì)接［3］。

■2.3 系統(tǒng)總體構(gòu)架

系統(tǒng)總體架構(gòu)可分為四層，分別為：含智能分析相關(guān)設(shè)備的設(shè)備層；集成設(shè)備接入服務(wù)、存儲(chǔ)服務(wù)、事件報(bào)警服務(wù)等服務(wù)層；故障智能分析、視頻應(yīng)用、算法模型管理、智能分析配置等功能的應(yīng)用層；B/S、C/S客戶(hù)端的展示層。系統(tǒng)可提供相關(guān)數(shù)據(jù)接口，避免出現(xiàn)“信息孤島”的問(wèn)題［4］。系統(tǒng)總體架構(gòu)，如圖1所示。

圖1 系統(tǒng)總體架構(gòu)圖

■2.4 系統(tǒng)各功能設(shè)計(jì)

皮帶不同的故障需采取不同的分析方式，比如圖像或聲音智能分析，又如采用檢測(cè)算法或分類(lèi)算法。

（1）皮帶跑偏檢測(cè)

當(dāng)皮帶未跑偏時(shí)，從上往下看皮帶兩側(cè)都能露出托輥，而皮帶跑偏時(shí)，將有一側(cè)皮帶托輥會(huì)被皮帶完成擋住。利用上述特性，將相機(jī)安裝在皮帶上方，通過(guò)AI開(kāi)放平臺(tái)訓(xùn)練托輥的識(shí)別。皮帶未跑偏時(shí)，托輥在畫(huà)面中的數(shù)量固定；當(dāng)皮帶跑偏時(shí)，托輥數(shù)量減少。利用平臺(tái)設(shè)置數(shù)量規(guī)則，少于設(shè)置的數(shù)量時(shí)，產(chǎn)生跑偏報(bào)警。

（2）皮帶卡堵檢測(cè)

皮帶卡堵主要在皮帶轉(zhuǎn)載搭接、落煤點(diǎn)等位置，卡堵后會(huì)不斷有煤堆積。在可能卡堵的位置，安裝相機(jī)，搜集卡堵素材，訓(xùn)練卡堵和未卡堵的分類(lèi)算法，實(shí)現(xiàn)卡堵的檢測(cè)。

（3）皮帶起火檢測(cè)

利用熱成像對(duì)皮帶機(jī)頭、機(jī)尾等容易積灰的關(guān)鍵位置進(jìn)行實(shí)時(shí)區(qū)域溫度檢測(cè)，克服傳統(tǒng)傳感器只能點(diǎn)測(cè)溫的缺點(diǎn)，實(shí)現(xiàn)溫度超標(biāo)報(bào)警。

（4）托輥異常檢測(cè)

托輥磨損、軸承損壞等異常，通過(guò)圖像往往很難識(shí)別，該類(lèi)異常的發(fā)生，往往伴隨“精銳”聲音的出現(xiàn)，與正常運(yùn)行聲音相差較大，所以可以通過(guò)從一堆聲音中檢測(cè)異常聲音，實(shí)現(xiàn)該類(lèi)故障的檢測(cè)報(bào)警。托輥運(yùn)行較長(zhǎng)時(shí)間后，托輥固定螺絲會(huì)松動(dòng)，最終可能導(dǎo)致托輥掉落。為了實(shí)現(xiàn)托輥掉落檢測(cè)，利用AI開(kāi)放平臺(tái)訓(xùn)練托輥檢測(cè)算法，對(duì)畫(huà)面中所有托輥進(jìn)行檢測(cè)，托輥掉落后，托輥數(shù)量會(huì)變化或檢測(cè)出托輥位置會(huì)有較大移動(dòng)。

圖2 皮帶跑偏檢測(cè)示意圖

圖3 皮帶卡堵檢測(cè)示意圖

圖4 托輥異常聲音檢測(cè)原理

（5）皮帶異物檢測(cè)

皮帶運(yùn)輸各類(lèi)場(chǎng)景環(huán)境惡劣，特別是光線(xiàn)昏暗，皮帶速度又快，要實(shí)現(xiàn)皮帶錨桿、木塊、大塊矸等異物的檢測(cè)報(bào)警，檢測(cè)前提是要拍到清晰的畫(huà)面，從而作為素材訓(xùn)練異物的檢測(cè)算法，實(shí)現(xiàn)皮帶上或落料口的異物檢測(cè)。

圖5 異物檢測(cè)識(shí)別安裝示意圖

（6）人員入侵檢測(cè)

利用AI開(kāi)放平臺(tái)訓(xùn)練人的檢測(cè)算法，實(shí)現(xiàn)畫(huà)面中皮帶周邊區(qū)域的人入侵檢測(cè)和報(bào)警。

（7）皮帶劃傷撕裂檢測(cè)

通過(guò)視頻圖像輸入到AI芯片，AI芯片中智能學(xué)習(xí)了皮帶撕裂的各種特征：邊緣分層特征、邊緣潰爛特征、反復(fù)開(kāi)裂特征、鋼絲帶深度劃傷特征、鋼絲外漏特征、接頭縫隙特征、密集型劃痕特征、裙邊帶邊緣撕裂特征碼和纖維帶邊緣大尺度分層特征。與AI芯片皮帶撕裂的特征大數(shù)據(jù)推理分析，經(jīng)過(guò)識(shí)別推理模塊和輸出結(jié)果模塊，識(shí)別推理出皮帶是否有撕裂、撕裂的寬度和長(zhǎng)度［5］。

3 應(yīng)用效果

基于AI的深度學(xué)習(xí)平臺(tái)，實(shí)現(xiàn)模型的快速部署，減少部署成本和實(shí)施周期。隨著工業(yè)視覺(jué)監(jiān)測(cè)數(shù)據(jù)的積累，系統(tǒng)可不斷內(nèi)部校優(yōu)，實(shí)現(xiàn)“模型學(xué)習(xí)-檢測(cè)-模型豐富-檢測(cè)更精準(zhǔn)-模型更豐富-檢測(cè)更精準(zhǔn)”的良性循環(huán)。因此，運(yùn)輸皮帶綜合保護(hù)系統(tǒng)對(duì)于保證設(shè)備的安全運(yùn)轉(zhuǎn)愈發(fā)可靠。

4 結(jié)語(yǔ)

通過(guò)建立基于AI的運(yùn)輸皮帶綜合保護(hù)系統(tǒng)，充分利用AI視覺(jué)分析技術(shù)，可達(dá)到皮帶故障提前預(yù)判的目的，減少事故的發(fā)生。同時(shí)，利用該系統(tǒng)可以避免因皮帶煤量并不飽和卻仍以全速功率運(yùn)行導(dǎo)致整個(gè)皮帶運(yùn)輸系統(tǒng)“空轉(zhuǎn)”的浪費(fèi)現(xiàn)象，并且降低由此帶來(lái)的設(shè)備磨損和故障風(fēng)險(xiǎn)，提高煤礦企業(yè)的安全生產(chǎn)水平。應(yīng)用AI技術(shù)對(duì)于推進(jìn)煤礦智能化建設(shè)有著重要意義。