浅谈AI 技术与煤矿安全管理融合的实践应用

陈博

（陕西陕煤黄陵矿业公司一号煤矿，陕西 延安 727307）

1 前言

近年来，随着AI 人工智能技术的发展，为煤矿安全管理增加了新的管理路径和管理思路。如何在新时代、新技术、新趋势的背景下做好煤矿安全管理是一项极具挑战性的任务，相比传统的煤矿，智能煤矿是将人工智能、物联网、云计算、大数据、机器人、智能装备等与现代煤炭开发利用深度融合，形成全面感知、实时互联、分析决策、自主学习、动态预测、协同控制的智能系统，实现煤矿开拓、采掘、运输、通风、洗选、安全保障、经营管理等过程的智能化运行，对于提升煤矿安全生产水平、保障煤炭稳定供应具有重要意义。

2020 年3 月，由国家发展改革委、能源局、应急部等8 部委联合印发了《关于加快煤矿智能化发展的指导意见》，标志着煤矿智能化建设全面展开。人工智能实质是扩展人类智能，促使智能主体会听（语音识别）、会看（图像识别）、会说（语音报警）、会思考（自主判断）、会学习（知识应用）、会行动（远程控制）。智能主体可以理解数据并且从中学习，利用知识完成特定目标和任务。第一阶段，20 世纪80 年代，人工智能的应用进入发展高潮期。其专家系统模拟人类的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从策略探讨转向知识应用。与此同时，神经网络探索的学习策略和方法，也开始应用于大量的实际中。第二阶段，随着互联网技术的迅速发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化，人工智能相关的领域都开始蓬勃发展。但是，其专家系统模型需要编码过多的显式规则，使得人工智能应用成本增加，同时效率低，因此，人工智能研究的重心从基于知识系统转向了机器学习方向。第三阶段叠加大数据、云计算、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，跨越了理论与应用之间的鸿沟，如图像分类、语音识别、人机对弈、目标检测等人工智能技术实现了重大的技术突破，迎来了爆发式增长的新高潮。

基于目标检测方法，黄陵矿业一号煤矿目前在井下采掘工作面各生产岗位、检修岗位中应用了AI 智能场景风险识别，通过井下采、掘安装高清摄像头，地面数据中心计算设备，搭建算法模型，实现了54 种违规行为的智能识别，开发了瓦斯巡检、电气设备检修、拉移设备列车等12 项智能标准化作业管控流程，同时接入井下语音广播、声光报警、生产控制等系统，实现人-机-环-管协同联控，在煤矿标准化、双重预防管理的基础上增加了视频智能识别、提前预警、联动闭锁、后台实时记录功能，该技术成果推动煤矿安全管理由单一人工管控向AI+人工双重管控转变，取得了非常好的应用效果，对矿井实现高质量发展意义深远，下面就几种典型AI 场景应用与岗位安全管理进行简述。

2 人工智能在煤矿安全监测领域的应用

2.1 巷道口车辆监控

各采掘顺槽与盘区大巷交汇处，采用两个高清摄像机分别安装在大巷距顺槽口前后50m 处，当有车辆来往时，语音提醒附近作业人员，当心车辆、注意安全、及时规避车辆，并在安全地点排队候车，杜绝了不安全事故的发生，控制现场本质安全。巷道口车辆Al+Nosa 智能风险管控系统如图1 所示。

图1 巷道口车辆Al+Nosa 智能风险管控系统

2.2 顺槽监控中心

目前，采掘工作面主要安排人员在顺槽智能监控进行远程干预操作，工作面实现自动作业流程，减少了职工的劳动强度，改善了煤矿职工的作业环境，但在实际生产过程中，存在监控中心岗位人员睡岗情况，该安全风险非常大。通过在该处增加AI 摄像头，当职工出现睡岗情况时，AI 摄像头首先会智能识别并发出语音警报，提醒井下作业人员标准作业，同时会将报警记录发送至地面AI 中心，同时同步推送到跟班队长、安监员手机上，现场跟班人员会第一时间到现场制止“三违”行为，地面AI 中心会将视频记录发送至安监部，精准确定出该名职工姓名进行相应的帮教、处罚。实现现场的本质安全管理。

3 人工智能在煤矿岗位风险管控领域的应用

3.1 工作面运输机机尾电缆槽

工作面运输机机尾处采用一台高清摄像机实现了对违章行为的智能识别、预警、并停机，在实际应用过程中，当巡检人员在刮板运输机未停机的情况下，违章翻越电缆槽进行检修作业时，AI 系统识别、报警，并停机闭锁，同时语音播报违章行为，待巡查人员处理完问题离开运输机后，AI 系统解除闭锁才能再次启动运输机。

3.2 设备列车

设备列车处采用两台高清摄像机实现了对拉移设备列车过程中的风险可视化管控，在实际作业过程中，作业人员可能会出现跳工序或未严格按照流程进行作业，缺少安全确认等环节，有可能造成安全事故，通过在该处增加AI 摄像头，当职工出现跳工序或未按照标准作业流程作业时，现场语音报警提示，并播报正确步骤流程，督促作业人员按章作业，控制风险。

3.3 移变硐室

移变硐室采用两台高清摄像机实现了对移动变电站检修过程中的风险可视化管控，在实际检修作业过程中，检修工可能会出现赶工序、跳流程的现象，未按标准作业流程进行作业，有可能造成触电伤人事故，通过在该处增加AI 摄像头，当职工出现跳工序或者未按照标准作业流程作业，现场语音报警提示，并播报正确步骤流程，督促检修标准作业，控制风险。

3.4 胶带运输机机头

胶带运输机机头采用一台高清摄像机实现了对违章行为智能识别、预警、并停机，在实际应用过程中，当作业人员在胶带运输机未停机的情况下，违章进入落煤区域进行捡矸作业，AI 系统识别、报警，并停机，同时语音播报违章行为，系统保存违章记录并上传，实现了现场本质安全。

3.5 综掘机

综掘机前后采用两台高清摄像机，实现在割煤期间，人员违章进入危险区域，智能识别、报警并停机，通过风险提示、强制停机，双重保护机制，更好保障现场职工的安全。在实际应用过程中，当人员进入二运区域（后摄像头区域），语音提示：你已进入危险区域，请注意安全；当人员进入掘进机后方、铲板附近（前摄像头区域），语音提示：请迅速撤离，并强制要求停机。

3.6 临时支架超循环作业

超前迈步式支架处采用一台高清摄像机，实现对综掘机司机超循环危险作业的识别、语音报警，及时制止并纠正现场违章行为，规范职工标准作业，让职工真正做到不能“三违”、不敢“三违”、不想“三违”，提前规避现场风险。

4 人工智能在煤矿灾害治理领域的应用

对于煤与瓦斯突出矿井，瓦斯超前治理尤为重要，为实现打钻可视化管理，瓦斯抽采钻场施工处，采用一台高清摄像机加现场语音通讯，借助Al+Nosa 智能风险管控平台，实现钻孔施工前下发任务，施工时智能识别钻进进尺，施工后形成电子施工记录单和视频回放，同时对现场作业人员的违章行为（如未使用防突装置、人员靠近钻进部位等）的语音报警，通过对特殊作业现场施工过程中的安全监管，规范职工的作业流程和行为来控制钻孔施工过程中的风险。

5 应用效果评价

人工智能技术融入煤矿管理工作完善了传统安全管理工作中的薄弱、漏洞环节，安全事故的发生往往具有瞬时性，给企业造成损失无法估量，传统的依靠人工去排查隐患、全天不间断监管，甚至特殊的区域环境不适合人员前往，因此必须依靠Al 设备替代人工，而且能够做到24 小时不间断在岗，同时实现零失误的极高精准率。

人工智能应用于煤矿行业紧跟时代步伐，顺应煤矿智能化发展趋势，借助Al 人工智能、大数据、移动互联网等技术，不断创新，将Al 人工智能与Nosa 安健环管理制度体系深度融合，将提升了矿井的安全管理水平和智能化水平，通过Al+Nosa 智能风险管控平台，构建风险智能防御机制，智能识别系统和岗位风险，并超前预警，将系统和岗位风险提前遏制防范，实现本质安全。

据统计，黄陵一号煤矿目前在井下采掘工作面实现了54 种违规行为的Al 智能识别，通过Al 技术辅助，替换各岗位人员，真正实现智能化减人，减少人员将近50%，同时基于Al+Nosa 智能风险管控平台，提前对风险预警，大大降低了事故的发生率，安全事故的发生往往会给企业从财产和名誉上造成不可估量的损失，因此，借助Al 人工智能从根本上维护了企业的财产和名誉。将Al 人工智能融入煤矿安全管理工作取得前所未有的成功，提升了煤矿安全管理水平和智能化水平，同时，吸引大批海内外学者、同行进行参观学习，树立了标杆企业的形象。

6 存在问题及未来研究方向

人工智能技术与煤炭行业融合起步发展较晚，在技术研发以及应用过程中会由于复杂多变的现场条件存在一些问题，比如，煤矿特殊的作业环境，尤其是灾害较多的煤矿对设备和技术的要求极高、苛刻。适用于井下现场的人工智能技术的研究与突破尤为重要。

人工智能模型的管理需要投入大量人力，模型需要根据具体的智能场景和数据进行定制化的训练，因此，模型的周期管理至关重要，其中包含数据的预处理，模型的训练、推理、部署。其中模型的训练更是需要海量的数据，同时还要确保用于模型训练的数据集的质量， ※并根据不同的场景应用如视频或图片等，选择合适的模型。模型训练又需要大量的计算资源。因此，人工智能的应用需要前期大量投入来保证人员配备足够和基础设施硬件可靠。

人工智能应用要求极高的安全性、零失误的精准度，特别是在一些场景下，比如，预警停机灵敏度、远程控制精准度，对于错误的容忍率很低，准确率要求达到99.9%或者更高，另一方面，由于AI 模型能够自主学习，能够通过收集新的数据不断训练并进行自身参数更新。此时，通过自学产生的模型会可能干扰系统的正常流程，所以必须实施严格的验证以防止不可控的事件发生。

人工智能必须加强数据安全监管，进行数据防泄露、数据加密以及数据备份处理，保证数据在整个传输过程中安全可靠。为了保护AI 模型的训练数据完好，不被人为篡改，需要追溯人工智能数据的源头。数据源头的可信度是人工智能的核心要素之一。数据源头以及整个完整的系统要形成一条“监管链”。目前，人工智能的数据需求激增，随之对算力要求更高。如果是模型训练阶段，云端推理对实时性要求不高，现有GPU 能力足矣，但是如果涉及推理阶段中的边缘推理，现有的智能应用场景主要是实时监测和实时远程控制，对实时性要求极高，往往是毫秒级别，则需要更高端的专用FPGA 方案。

7 结语

智能化是煤炭工业发展的大势所趋，近年来，大数据、云计算、物联网的发展为人工智能技术应用更好地解决了落地方案，人工智能助力煤炭企业实现各种智能化场景，形成全面感知、实时互联、分析决策、协同控制的智能系统，改变了煤炭企业传统的运作管理模式。本文简述了人工智能技术在煤矿实时监控、岗位风险管控、矿井灾害治理3 个领域的智能场景应用。随着算力、算法的提高，人工智能能够执行的任务将越来越具有挑战性，同时，随着人工智能的实时性、安全性等一些问题的解决，未来人工智能技术将会应用更广泛。