基于国产可控CPU架构的煤矿智能化平台搭建

赵安新，杨宏魁，黎 梁，张晨阳，杨 彪，翟 勃，肖 剑

（1.西安科技大学通信与信息工程学院，陕西西安 710054；2.西安重装伟肯电气有限责任公司，陕西西安 710032；3.山东能源集团西北矿业有限公司，陕西西安 710021；4.中电星原科技有限公司，陕西延安 716000）

0 引言

随着人工智能的快速发展，各企业先后开展智能化、数字化模式改革，在国民经济中有着举足轻重地位的煤矿行业也不例外，其现阶段目标是打造新时代智慧矿山。智慧矿山是利用信息化技术对生产、人员健康与安全、技术和后勤保障等进行自主检测、主动分析、快速处理。智慧矿山包括智慧生产系统、智慧职业健康与安全系统、智慧技术支持与后勤保障系统。本文从智慧职业健康与安全系统出发，构建检测作业人员不安全行为以及矿井通风、排水等环境的国产自主可控CPU 架构的煤矿智能化软硬件平台。

已有部分学者对智慧矿山进行了相关研究。王文文［1］指出矿山智能化矿山尚存关键问题，如尚未形成智能化建设的有关标准、信息的井下传输等有待解决。薛春生［2］指出建造智慧矿山要健全完善智能化标准体系，打造5G 技术从多环节推进支撑智能化矿井建设。赵国刚［3］对矿井瓦斯浓度进行分析，利用监控中心、传输层、现场采集3 个部分实现智能监控信息技术，其优点有：综合应用强、传输网络效率快、简单可靠、分站独立性好、适应快。侯俊［4］在煤矿通风系统安全检测优化中提倡矿井的每一水平、每一个工作面均应设置独立的通风系统，且需加强对局部通风的管理。赵江平等［5］主要利用图像识别技术在有限空间作业过程中可能出现的不安全行为，提出基于SVM 的不安全行为识别。仝泽友［6］使用Mask R-CNN 网络模型在RGB 图像上对皮带区矿工不安全行为进行识别与研究，并实现对其不安全行为的检测任务。赵杰等［15］将SENet 注意力机制与深度残渣网络结合，使得检测任务准确度与精度均有所提高。

目前，煤矿企业智能化建设中大多引入国外现有设备，不利于国内技术研究。本文利用国产CPU、供电模块、网关模块、耦合器模块、IO 模块、导轨架构等相关硬件设施搭载银河麒麟操作系统，并结合深度学习搭建煤矿智能化软硬件平台，可以高效、灵活、稳定地完成一系列检测任务，如：职工不安全行为检测、通风质量检测、排水量检测等，进而推动国产智能化建设。本文采用的设备模块来自于不同国产厂商，因此硬件平台搭建较为繁琐。

1 煤矿智能化软硬件平台设计

当前的工程现场通常已安装部分装置，如变速器、执行器、记录仪表等，但这些装置通常不具有EtherCAT 接口，无法直接接入EtherCAT 网络。为解决该问题，可以通过添加网关的方式，将EtherCAT 协议与其他已经布置的现场总线协议进行转换。例如：可以将带有CAN 接口的设备连接到CAN 网络，并将CANopen 网关接入EtherCAT 从站；也可以将通过Modbus 协议传输数据的设备连接到Modbus网关，从而接入EtherCAT 从站。

该系统控制器核心元器件均采用国产产品，搭载自主研发的编程工具SC-Prosys 和上位机组态软件SCProView，产品满足GB/T 15969 标准，可靠性设计符合国军标。该系统具备以下4 个技术特点：①控制器是基于国产宇航SPARC 架构处理器硬件平台；②搭载自主SC-OS 操作系统；③支持Modbus TCP、OPC 等多种协议；④现场总线采用EtherCAT 工业以太网，安全高效。

经过电源功率规划、网络规划、节点容量规划等各方面因素综合考虑，在确定控制器、I/O 模块和导轨数目和配置后，即可考虑模块在导轨上的布局和安装。煤矿智能化软硬件平台系统结构如图1所示。

Fig.1 System structure of intelligent software and hardware platform of coal mine图1 煤矿智能化软硬件平台系统结构

在传统的矿井企业中，只有构建设施完善的软硬件平台系统，实现对工作人员不安全行为、通风质量及排水量的实时检测，才能够满足智慧矿山中职业健康与安全系统的任务需求，从而保障施工人员的人身安全。当工作人员出现不安全行为或工作环境出现状况时，该平台能够迅速进行检测并及时向集控中心发出报警指令，从而快速消除不安全隐患。

软硬件平台系统建设目标如图2所示。

Fig.2 Software and hardware platform system construction goals图2 软硬件平台系统建设目标

2 煤矿智能化硬件平台建设部署

2.1 平台主要设备

采用两套PLC 可编程逻辑控制器及相关模块搭建煤矿智能化硬件平台，实现煤矿作业时对人员不安全行为、通风质量及排水量的实时检测等。煤矿智能化硬件平台建设设备详单如表1所示。

Table 1 Detailed list of equipment for the construction of intelligent hardware platform in coal mines表1 煤矿智能化硬件平台建设设备详单

2.2 系统主要使用指标

为维持设备的正常使用以保障矿井作业人员安全，在使用该系统时需遵循设备的运行指标要求，以免因设备损坏而影响职员健康与人身安全。系统运行主要标准如表2所示。

3 煤矿智能化软件平台建设部署

3.1 环境部署

本文拟采用国产银河麒麟操作系统搭建一套基于国产自主可控CPU 架构的煤矿智能化软硬件平台，以实现煤矿作业时对人员不安全行为、通风质量以及排水量的实时检测目标。在搭载银河麒麟操作系统的IPC 主机上配置Python、SC-Prosys 编程环境。

Table 2 Main criteria for system operation表2 系统运行主要标准

SC-Prosys 编程工具用于编写控制PLC 的外接设备程序。Python 具有可移植性的特点，程序无需修改即可在任何平台上运行，因此选用Python 语言环境部署该系统软件。

3.2 YOLOv5算法模型

YOLOv5 是YOLO 系列最新算法，是在YOLOv3 基础上提出的模型，其最大特点是高性能且易于部署。YOLO 算法作为端到端的目标检测算法，集合了速度与准确率两大优势进而成为检测领域热门算法。相较于通用场景，煤矿井下情况较为特殊，需要兼顾普适性。本文通过对工作人员的行为进行视频分析，对其不安全行为进行检测。

YOLOv5 网络框架可分为4 个部分：输入端、主干网络BackBone、Neck、预测端Prediction。YOLOv5 网络结构如图3所示。

Fig.3 YOLOv5 network structure图3 YOLOv5网络结构

（1）输入端的作用主要是Mosaic 数据增强、自适应锚框计算、自适应图片缩放。Mosaic 数据增强主要采用图像拼接、旋转、缩放、反转等处理方式以达到样本增强效果。

（2）主干网络BackBOne 由Focus 结构、CSP 结构组成。Focus 结构主要是进行切片操作，CSP 结构是将原输入分成两个分支，分别进行卷积操作使得通道数减半，一个分支进行Bottleneck * N 操作，然后Concat 两个分支，使得BottlenneckCSP 的输入与输出是同样大小，其作用是为了让模型学习到更多的特征。CSP 网络的优点是能够减少计算量、提升网络能力、保证识别检测速度和准确率。

（3）Neck 部分采用PANet 结构，Neck 主要用于生成特征金字塔。特征金字塔会增强模型对于不同缩放尺度对象的检测，从而能够识别不同大小和尺度的同一个物体。

（4）在预测阶段，根据不同尺度下的特征对目标图像通过损失函数进行类别概率和位置坐标计算，最终得到预测结果。

4 平台实验与可行性分析

4.1 基于改进YOLOv5的矿井作业员工不安全行为检测

在煤矿智能化软硬件平台系统中通过PLC 控制连接的摄像头，使用Python 第三方包读取摄像头内容并通过帧截取将实时监测视频转为图片，利用卷积神经网络对图片进行自主检测和自动识别，从而达到对不安全行为的实时检测。对于矿井员工作业不安全行为的实时监测，通常采用深度学习方式。该方法主要设计的内容为：建立数据集、搭建学习模型、训练数据集、用于识别检测。但对于矿井员工作业不安全行为并未有公开可使用的数据集，因此需要通过搜集大量矿井员工行为图片，采用LabelImg 软件对图片进行人工标注、打标签。建立完数据后将其送入搭建的学习模型中，按照7∶2∶1 的比例将数据集划分为训练集、验证集、测试集。深度学习流程如图4所示。

Fig.4 Flow of deep learning图4 深度学习流程

由于煤矿工作环境相比于其他场景更为复杂，因此在YOLOv5 算法Backbone 中引入注意力机制SENet 以提高识别精准度。SENet 包含Squeeze 和Excitation 两部分，首先进行Squeeze 操作（FSQ（·）），能够将空间维度压缩相当于具有全局感受野的池化操作，然后进行Excitation 操作，通过参数W 为每个特征通道生成权重，得到每一个特征通道的权重后将该权重应用于原来每个特征通道，学习不同通道的重要性。SENet结构如图5所示,Backbone+SENet如图6所示。

Fig.6 Backbone+SENet图6 Backbone+SENet

在Backbone 模块后接SENet 会经过挤压、激励、注意3步操作。Backbone 模块通过卷积神经网络输出图像特征，图像特征经过挤压操作会保持通道数C 不变并将H×W 挤压为1×1，激励操作经过全连接层将特征压缩到C/r 通道，中间使用ReLu 激活函数再接全连接层将特征恢复到C 通道，最后使用Sigmoid 函数获得归一化权重并通过注意操作加权到每个通道特征上。如上所述，通过在YOLOv5 模型基础上添加注意力机制，增强模型对矿井作业员工不安全行为特征提取的精准度。该煤矿智能化软硬件平台系统可应用至井下大部分环境，如一通三防、地测防治水、矿山架空乘人索道等。智能化平台系统在矿山架空乘人索道环境下的应用实景如图7 所示。在矿山架空乘人索道环境装置摄像头，可通过智能化平台系统进行人员不安全行为检测。

Fig.7 Practical application of the intelligent platform system in the environment of the mine overhead passenger ropeway图7 智能化平台系统在矿山架空乘人索道环境下的应用实景

4.2 矿井通风检测

矿井通风系统的主要作用是将外部空气输送至煤矿采掘工作面及其他人工所在的工作场所，同时将井下有污染的空气排至井上地面，保证矿井作业区具有适宜的氧气浓度、较低的瓦斯浓度及较好的空气质量。因此，保证矿井稳定可靠的通风是煤矿安全生产的基础。我国通风管理存在如下问题：目前我国通风管理决策仍以定性分析为主；现有安全监控系统风速传感器稳定性差，测量误差大；巷道断面风速分布不均匀，定点传感器无法测得巷道平均风量，人工测风数据闭合性差，无法对井下主要用风地点风量进行有效调控；基于温度、气体异常的火情风险预警方法各自独立，未实现融合；火灾监测没有与灭火系统实现联控，难以在第一时间灭火；通风系统调控智能化严重不足。在环境恶劣的井下作业区域中，不能有效保证人员及设备的作业安全性，故将更先进的智能化控制技术用于矿井通风控制系统设计，已成为当前重要的研究方向和任务。

智能化矿井软硬件平台系统构建目标在于实现正常生产条件下矿井通风精准检测，从而提高通风系统的自动化、信息化和智能化水平，实现高水平的智能管控，减人提效，确保通风系统安全、合理、高效运行。在此系统中依托智能传感器、物联网、大数据及自动化技术，通过对矿井通风采集数据、环境监测数据融合实现系统分级预警分析与智能化调控等。在整体系统中搭载高精度的风速、风压、温湿度传感器等设备，现场总线采用EtherCAT 工业以太网完成更安全高效的数据传输，利用光纤通信及交换机多次对信息进行转换和运算处理。在软件平台中实现可视化、数据采集、风量调节、智能控制、故障诊断等功能，分别实现对相关数据的智能化分析处理、矿井按需供风，保障通风系统日常运行的科学性和安全性。矿井通风系统框图如图8所示。

Fig.8 Block diagram of mine ventilation system图8 矿井通风系统框图

4.3 煤矿智能化平台可行性分析

本实验硬件环境采用中电智科有限公司型号IS23-X1001、400MHZ 的计算机处理器，软件环境为银河麒麟操作系统、Pytorch 深度学习框架。

银河麒麟系统具有高安全、高可靠、高可用的特点，具有良好兼容性，兼容国内外主流服务器、主流数据库、存储系统和外部设备，支持飞腾、海光等国产CPU 平台。在开发环境方面，银河麒麟系统支持QT Creator、Eclipse 等开发环境，同时提供配套的C/C++、Java、python、PHP、Go 等主流语言编译、测试、调优的开发环境。支持网络冗余、提供多模式网卡绑定功能，满足不同场景的网络需求［14］。此外，麒麟系统中安装的Samba 服务，使其他操作系统Linux、Windows 等均可作为客户机访问麒麟系统提供的文件，从而实现两个系统间的数据交互［15］。因此，搭建的煤矿智能化软硬件平台可以运行Pytorch、keras 等深度学习框架以高效稳定地完成目标检测、图形分类、管网控制等任务，从而实现与不同操作系统间的数据共享。

5 结语

煤炭行业在国民经济中一直处于举足轻重的地位，现代信息化技术的转型升级，不断推动着传统煤炭企业向智能化转型。2020 年2 月，我国发布《关于加快煤矿智能化发展的指导意见》以激励煤矿企业进行创新，实现智能化发展模式。鉴于此，本文采用国产银河麒麟操作系统搭建基于国产自主可控CPU 架构的煤矿智能化软硬件平台，利用深度学习实现人员煤矿作业时的不安全行为检测、通风质量检测及排水量实时检测目标，能够为现有传统煤矿企业走向智能化提供建设性策略支持。煤矿生产安全是重中之重，随着煤炭开采深度和强度的不断增加，亟需依靠科技力量进一步化解安全风险。