CN111177942B - 矿井无人化综掘工作面数字孪生智能监控系统 - Google Patents

Abstract

本发明公开了矿井无人化综掘工作面数字孪生智能监控系统，系统由物理实体、数字孪生体、本安型智能网关、云服务器、云数据库、本安型5G基站、机器视觉装置、通信接口、网络交换机和视频显示终端组成。该发明通过构建数字孪生模型，基于机器视觉和边缘计算，利用深度学习算法进行感知分析、仿真模拟、迭代优化与决策控制；基于数据孪生和数据驱动，通过虚拟空间数字孪生无人化综掘工作面实现对远程物理空间矿井无人化综掘工作面的实时监控、智能感知、精准定位和健康预测。本发明解决了现有监控系统通信接口不统一、设备集成能力弱、视频监控实时性差及视频图像模糊等问题，提高了矿井无人化综掘工作面智能监控系统的实时性、准确性和鲁棒性。

Description

矿井无人化综掘工作面数字孪生智能监控系统

技术领域

本发明涉及一种综掘工作面机器视觉和数字孪生技术，属于人工智能、物联网与计算机仿真技术领域，具体涉及矿井无人化综掘工作面数字孪生智能监控系统。

背景技术

近年来，随着矿山无人化开采与人工智能等信息技术深度融合，促进了矿井智能开采技术兴起并向纵深发展，也对矿井无人化综掘工作面监控系统的实时性和智能化提出了更高的要求，因此将智能监控技术应用于综掘工作面对矿井安全开采具有意义重要。

现有矿井监控系统采用井下设备-上位机-服务器-客户端架构，主要基于传统组态软件和人机交互界面从单个设备中查看传感器数据，存在监控实时性差、可视化和智能化程度低等问题。一方面，矿井综掘工作面粉尘、水雾等恶劣环境对视频图像和通信信号影响大，监控图像不清晰、信号传输延迟大，因此难以对矿井综掘工作面进行实时视频监控，难以可视化直观反映矿井综掘工作面环境、工况状态和设备运行状态，以及对设备进行故障定位和健康预测。另一方面，现有矿井掘锚机等设备监控，主要通过RS485、CAN、MODBUS、PROFIBUS等总线接口与上位机连接实现数据的采集与通信，通信接口不统一，现场设备集成能力差，难以实时处理现场设备的信息数据和视频图像，无法对综掘工作面进行三维可视化实时监控、设备故障精确定位和健康状况预测，难以实现对井下无人化综掘工作面物理空间全息感知、生产过程及性能实时监控、虚拟场景可视化三维再现。因此，需要探索发明一种新的面向综掘工作面场景的监控系统与方法。

数字孪生技术广泛应用于智能制造和虚拟生产车间，并逐渐从数字化向智能化和智慧化发展，具有三维模型可视化、逻辑可控制、数据可计算的虚拟模型构建特点。随着5G边缘计算技术、机器视觉三维建模技术以及视觉传感器测量技术在工业应用成果的不断推广，基于5G边缘计算和机器视觉的数字孪生技术将在未来监控技术领域起技术引领作用，并将在矿井无人化综掘工作面智能监控应用方面发挥重要作用。

发明内容

本发明所要解决的技术问题是：为了克服现有技术不足之处，本发明提出了一种面向矿井无人化综掘工作面的数字孪生智能监控系统，通过构建矿井无人化综掘工作面数字孪生模型，基于深度学习算法和数据驱动方式，实现数字孪生体与物理实体之间双向通信、信息交互与虚拟监控。

本发明的技术方案是：矿井无人化综掘工作面数字孪生智能监控系统，所述系统由物理实体、数字孪生体、本安型智能网关、网络交换机、云服务器、云数据库、本安型5G基站、机器视觉装置、视频显示终端和通信接口组成。

所述系统数字孪生体通过所述通信接口获取所述物理实体的运动状态和实时数据，实现双向通信、信息交互和实时监控。

所述系统本安型智能网关用于矿井无人化综掘工作面多源数据进行实时采集、处理与传输，计算、存储无人化综掘工作面实时位置信息，为矿井无人化综掘工作面提供定位服务。

所述系统云服务器和云数据库用于数据存储、分析与优化，为所述系统提供数据通信接口和云存储平台。

所述系统本安型5G基站用于矿井无人化综掘工作面的无线通信与精确定位。

所述系统云数据库用于实现对所述物理实体的历史运行数据、传感器更新数据以及物理模型数据分布式存储管理。

所述系统本安型智能网关用于实现矿井无人化综掘工作面数据的实时传输和定位服务。

所述系统机器视觉装置用于采集矿井无人化综掘工作面图像，获得矿井无人化综掘工作面三维信息。

所述系统通信接口用于完成矿井无人化综掘工作面的数据采集、数据传输、无线通信与定位功能。

所述系统采用深度学习算法对多源传感器感知数据、状态数据以及历史数据进行数据挖掘，通过训练和优化仿真模型提高系统的智能监控精准性和鲁棒性。

所述系统采用压缩感知算法对矿井无人化综掘工作面物理实体的三维模型图像进行采样、压缩与重构，生成可视化三维仿真模型，增强监控图像的清晰度与抗噪性能。

所述系统实现矿井无人化综掘工作面数字孪生的方法，包括如下步骤：

步骤1，物理模型建立：建立物理实体的三维可视化物理模型，根据物理实体的几何外形和机械结构，定义物理模型的几何属性、运动属性和功能属性；

步骤2，逻辑模型表示：建立可控制的逻辑模型，将物理模型映射到逻辑模型，通过图形化、形式化描述逻辑模型的组成要素、组织结构和运行机制，并通过逻辑模型将各要素属性和行为反馈到物理模型，实现对物理模型的优化；

步骤3，仿真模型建立：构建可视化的仿真模型，实现物理实体的孪生对象可视化、孪生结构可视化和孪生过程可视化，定义仿真模型的迭代优化条件；

步骤4，仿真模型优化：基于多源数据，采用深度学习算法对仿真模型进行训练和优化，并将仿真结果反馈到物理模型；

步骤5，仿真模型验证：对物理模型与仿真模型进行一致性与可靠性验证，如满足仿真模型的目标函数迭代优化条件，则执行步骤6，否则，执行步骤2；

步骤6，数据模型构建：构建可计算的数据模型，通过数据采集、数据挖掘、优化迭代和智能决策方法，实现物理实体与虚拟孪生体的数据镜像和数据交换；

步骤7，数字孪生集成：将物理模型、逻辑模型、仿真模型和数据模型演进优化与数据集成，形成可交互的数字孪生体，通过数据驱动方式实现数字孪生体与物理实体的信息交互；以及，

所述系统实现矿井无人化综掘工作面数字孪生体的方法，进一步包括如下步骤：

步骤1，物理实体三维建模：利用三维建模工具建立矿井无人化综掘工作面的物理实体三维模型，并采用有限元分析法求解三维模型的结构参数、几何参数、材料参数、状态参数及边界条件；

步骤2，模型渲染优化：根据步骤1所获取的三维模型，使用3DsMax三维渲染工具对模型结构透视图或点云图进行渲染、添加材质，并对其边缘部分进行优化；

步骤3，仿真场景构建：将步骤2渲染后的模型导入虚拟现实仿真引擎，使用其内置的物理引擎构建可视化仿真模型；

步骤4，数据处理：将物理实体的多源传感器数据作为输入，经多源数据融合后输出，并将传感器实时数据、历史数据及物理模型存储在云数据库中；

步骤5，交互控制：通过OPC UA、TCP/UDP、Web Service通信接口实现数据实时采集、实时同步与更新，通过VR或AR人机接口实现数字孪生体与物理实体的实时交互及虚拟监控。

所述系统采用矿井无人化综掘工作面物理实体结构模型、几何模型和材料模型的多尺度、多层次集成，生成与物理实体1：1比例的数字孪生体三维模型，将物理空间矿井无人化综掘工作面在虚拟空间进行全要素重构，通过实时数据采集、数据融合和迭代计算，形成具有感知、分析和控制能力的数字孪生体。

所述系统基于机器视觉和深度学习算法，对矿井无人化综掘工作面进行感知分析、仿真模拟、迭代优化与决策控制，实现物理实体的数字镜像、数据驱动和动态控制，并通过数字孪生体实现远程控制、自主导航、精确定位、实时监测和故障诊断功能。

所述数字孪生体根据矿井无人化综掘工作面的物理模型及其传感器历史数据和更新数据，实时同步多源传感器数据和运行状态，并实现数据传输、信息交互和实时监控。

所述系统本安型智能网关采用嵌入式RTOS、OPC UA服务适配器和MEC技术，具有独立于底层通信协议的实时数据采集和边缘计算功能，支持5G空中接口、以太网接口、光网络接口、MODBUS总线接口、PROFIBUS总线接口、CAN总线接口、RS485接口、TCP/UDP和HART通信协议。

所述系统云数据库采用松耦合的微服务云平台架构，具有多模数据引擎和计算存储分离功能，具有对结构化、半结构化和非结构化数据的统一管理功能，以及Web Service接口和ODBC数据库通信接口。

所述机器视觉装置包括可定位三维场景的高清摄像机、深度相机、CCD视觉传感器、CMOS视觉传感器和SCMOS探测器，机器视觉装置为本质安全型防爆装置。

所述系统通信接口由5G空中接口、以太网接口、光网络接口、MODBUS总线接口、PROFIBUS总线接口、CAN总线接口、RS485接口、TCP/UDP通信协议、HART通信协议和OPC UA通信协议构成。

所述矿井无人化综掘工作面包括井下无人化掘进工作面、露天矿无人化掘进工作面和机器人化掘进装备作业场景；矿井无人化综掘工作面采矿装置包括掘进机、掘锚机、锚杆钻机，以及掘锚支机器人化掘进装备。

本发明的有益效果在于：

该发明基于深度学习算法和机器视觉技术，通过构建和集成物理模型、逻辑模型、仿真模型和数据模型，发明了矿井无人化综掘工作面数字孪生智能监控系统，通过数字孪生虚拟无人化综掘工作面实现远程物理空间无人化综掘工作面的可视化智能监控。本发明解决了现有监控系统通信接口不统一、现场设备集成能力差、难以实时处理现场设备的信息数据和视频图像等问题，实现对矿井无人化综掘工作面实时监控、智能导航、精准定位和设备健康预测，提高了矿井无人化综掘工作面监控系统的实时性、准确性和系统鲁棒性。

附图说明

图1为矿井无人化综掘工作面数字孪生智能监控系统组成示意图。

图2为矿井无人化综掘工作面数字孪生智能监控系统的结构框图。

图3为矿井无人化综掘工作面数字孪生智能监控系统数字孪生的实现方法。

图4为矿井无人化综掘工作面数字孪生智能监控系统的数据流程图。

图5为矿井无人化综掘工作面数字孪生智能监控系统的实施例示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合附图对本发明的具体实施方式进行详细描述。

图1为矿井无人化综掘工作面数字孪生智能监控系统组成示意图。参照图1所示，上述系统包括：物理实体(101)、数字孪生体(102)、本安型智能网关(103)、网络交换机(104)、云服务器(105)、云数据库(106)、本安型5G基站(107)、视频显示终端(108)、通信接口(109)和机器视觉装置(117)组成。

其中，物理实体(101)为构建无人化综掘工作面三维物理模型提供结构参数和几何参数，为建立仿真模型提供基础数据；数字孪生体(102)集成多物理、多尺度和动态概率仿真模型，在数字空间生成与物理实体1：1比例的可视化三维虚拟模型；本安型智能网关(103)，支持5G空中接口、以太网接口、光网络接口、MODBUS总线接口、PROFIBUS总线接口、CAN总线接口、RS485接口、TCP/UDP和HART通信协议，用于无人化综掘工作面边缘计算和定位服务，处理、存储矿井无人化综掘工作面实时位置信息；网络交换机(104)，用于井下本安型智能网关与地面通信网络的互联；云服务器(105)用于数据存储、分析与优化，为所述系统提供数据通信接口和大数据存储平台，实现对物理实体(101)的历史运行数据、传感器更新数据以及物理模型数据分布式存储管理；本安型5G基站(107)内置或外接机器视觉装置(117)(图中未示出)，用于采集井下无人化综掘工作面的图像信息，对监控目标进行立体标定和定位，为矿井无人化综掘工作面提供无线通信与精确定位；视频显示终端(108)具有VR或AR人机接口，用于接收矿井无人化综掘工作面的视频图像、实时数据和定位信息，并进行三维可视化显示；通信接口(109)包括微传感器、总线接口、5G空中接口、以太网接口和光网络接口，以及OPC UA工业标准接口、Web Service接口和ODBC数据库通信接口，为数字孪生体获取所述物理实体的运动状态和实时数据、实现双向通信和信息交互提供接口。

图2为矿井无人化综掘工作面数字孪生智能监控系统的结构框图。参照图2所示，基于物理空间矿井无人化综掘工作面与虚拟空间矿井无人化综掘工作面信息物理映射关系，建立了上述数字孪生驱动的理论架构，包括物理空间、虚拟空间和数字孪生模型。其中，物理空间元素包括矿井无人化综掘工作面物理对象、无人化综掘工作面作业场景与工况状况、无人化综掘工作面掘进过程和无人化综掘工作面采矿装置。虚拟空间元素包括的三维物理模型、虚拟无人化综掘工作面场景以及无人化综掘工作面仿真模型，数字孪生模型包括对象孪生、过程孪生和性能孪生，数字孪生模型通过数据驱动动态优化仿真模型，实现矿井无人化综掘工作面在物理空间与虚拟空间的信息交互，并对无人化综掘工作面采矿装置进行数据分析与健康预测。

图3为矿井无人化综掘工作面数字孪生智能监控系统数字孪生实现方法。如图3所示，矿井无人化综掘工作面数字孪生智能监控系统数字孪生实现步骤包括：(1)物理模型定义，选取物理实体作为建立三维可视化的物理模型，定义物理实体的几何属性、运动属性和功能属性，以及几何外形和机械结构，定义仿真分析和评估优化条件；(2)逻辑模型表示，建立可控制的逻辑模型，将物理模型映射到逻辑模型，通过图形化、形式化描述逻辑模型的组成要素、组织结构和运行机制，并通过逻辑模型将各要素属性和行为反馈到物理模型，实现对物理模型的优化；(3)仿真模型建立，基于开源图形场景OSG构建可视化的仿真模型，实现物理实体的孪生对象可视化、孪生结构可视化和孪生过程可视化；(4)仿真模型优化，根据步骤(3)建立的仿真模型，基于实时和历史数据对仿真模型进行训练和优化，并将仿真结果反馈到物理模型；(5)仿真模型验证，利用模型相关性与相容性测量与评估算法对物理模型与仿真模型进行一致性与可靠性验证，如满足仿真模型的目标函数迭代优化条件，则执行步骤(6)，否则，返回执行执行步骤(2)；(6)数据模型构建，构建可计算的数据模型，通过数据采集、数据挖掘和数据决策体系，采用多源数据融合和深度学习算法，以及迭代优化和智能决策方法，实现物理实体与虚拟孪生体的数据镜像和数据交换；(7)数字孪生集成，集成物理模型、可控制逻辑模型、可视化仿真模型和可计算数据模型，通过数据驱动与实时交互，实现无人化综掘工作面物理实体与数字孪生体的数字孪生、双向通信和智能监控。

图4为矿井无人化综掘工作面数字孪生智能监控系统及方法的数据流程图。如图4所示，矿井无人化综掘工作面数字孪生智能监控系统的数据流程包括：(1)3D建模，利用三维建模工具建立无人化综掘工作面的物理实体三维模型，并采用有限元分析法求解三维模型的结构参数、几何参数、材料参数、状态参数及边界条件；(2)模型渲染，根据步骤(1)所获取的三维模型，使用3DsMax三维渲染工具对模型结构透视图或点云图进行渲染、添加材质，并对其边缘部分进行修补优化；(3)仿真模型构建，将步骤(2)渲染后的模型导入虚拟现实仿真引擎，使用其内置的物理引擎，基于开源图形场景OSG构建可视化仿真模型，实现数字孪生体可视化建模、生产过程和作业场景虚拟展示；(4)数据融合，将物理实体的多源传感器数据和仿真模型的监控数据作为输入，经多源数据融合后输出，据此驱动数字孪生体完成与物理实体的信息交换，并将传感器实时数据、历史数据及仿真模型的融合数据存储在云数据库中；(5)交互控制，智通过OPC UA、TCP/UDP、Web Service通信接口实现数据实时采集、远程通信和多源动态数据的实时更新，通过人机接口和数据库接口，通过视频终端为用户提供Web Service服务，实现矿井无人化综掘工作面数字孪生体与物理实体的实时交互及虚拟监控。

图5为矿井无人化综掘工作面数字孪生智能监控系统的实施例示意图。参照图5所示，实施例逻辑结构主要由物理空间无人化综掘工作面、虚拟空间数字孪生无人化综掘工作面、数字孪生模型和数字孪生组成。其中，数字孪生模型由物理模型、逻辑模型、数据模型和仿真模型演化集成。数字孪生包括对象孪生、过程孪生和性能孪生。本实施例基于综掘工作面智能监控系统的设计理论方法和底层运行模型，通过物理无人化综掘工作面和虚拟数字孪生工作面在对象要素级、生产过程级和设备性能级实现对象孪生、过程孪生和性能孪生，实现双向映射与实时交互，以及根据无人化综掘工作面孪生数据库、历史数据和装备实时运行数据的实时更新，实现物理无人化综掘工作面与虚拟无人化综掘工作面的全要素、全流程、全数据集成和数据融合。在无人化综掘工作面孪生数据的驱动下，实现无人化综掘工作面生产要素管理、生产过程预仿真、设备性能实时监控等在物理无人化综掘工作面、虚拟无人化综掘工作面、无人化综掘工作面孪生数据与数字孪生监控系统的迭代运行，从而在满足特定地质条件的约束前提下，达到无人化综掘工作面生产系统配置和装备协同安全高效开采的目的。

显然，本领域的技术人员应该明白，本发明及上述实施例所涉及数字孪生监控系统及方法各组成功能，除作为矿井无人化综掘工作面数字孪生智能监控应用于煤矿井下环境和露天矿井环境外，通过适当集成或改进后也适用于非金属和金属等非煤矿山场景的数字孪生智能监控、目标跟踪与精确定位，以及矿井安全监控领域目标跟踪与精确定位。这样本发明不限制除煤矿井下无人化综掘工作面数字孪生智能监控之外的非煤矿山无人化综掘工作面等场景实时监控、目标跟踪和精确定位等通信技术领域。

以上内容是结合具体的优选实施例方式对本发明所做的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明设计思路的前提下，还可进行若干简单的替换和更改，都应当视为属于本发明所提交的权利要求书所涉及的保护范围。

Claims (9)

1.矿井无人化综掘工作面数字孪生智能监控系统，其特征在于，所述系统由物理实体、数字孪生体、本安型智能网关、网络交换机、云服务器、云数据库、本安型5G基站、机器视觉装置、视频显示终端和通信接口组成；其特征还在于，

所述系统数字孪生体通过所述通信接口获取所述物理实体的运动状态和实时数据，实现双向通信、信息交互和实时监控；

所述系统本安型智能网关用于矿井无人化综掘工作面多源数据进行实时采集、处理与传输，计算、存储无人化综掘工作面实时位置信息，为矿井无人化综掘工作面提供定位服务；

所述系统云服务器和云数据库用于数据存储、分析与优化，为所述系统提供数据通信接口和云存储平台；

所述系统本安型5G基站用于矿井无人化综掘工作面的无线通信与精确定位；

所述系统云数据库用于实现对所述物理实体的历史运行数据、传感器更新数据以及物理模型数据分布式存储管理；

所述系统本安型智能网关用于实现矿井无人化综掘工作面数据的实时传输和定位服务；

所述系统机器视觉装置用于采集矿井无人化综掘工作面图像，获得矿井无人化综掘工作面三维信息；

所述系统通信接口用于完成矿井无人化综掘工作面的数据采集、数据传输、无线通信与定位功能；其特征还在于，

所述系统采用深度学习算法对多源传感器感知数据、状态数据以及历史数据进行数据挖掘，通过训练和优化仿真模型提高系统的智能监控精准性和鲁棒性；以及

所述系统采用压缩感知算法对矿井无人化综掘工作面物理实体的三维模型图像进行采样、压缩与重构，生成可视化三维仿真模型，增强监控图像的清晰度与抗噪性能；

所述系统实现矿井无人化综掘工作面数字孪生的方法，包括如下步骤：

步骤1，物理模型建立：建立物理实体的三维可视化物理模型，根据物理实体的几何外形和机械结构，定义物理模型的几何属性、运动属性和功能属性；

步骤2，逻辑模型表示：建立可控制的逻辑模型，将物理模型映射到逻辑模型，通过图形化、形式化描述逻辑模型的组成要素、组织结构和运行机制，并通过逻辑模型将各要素属性和行为反馈到物理模型，实现对物理模型的优化；

步骤3，仿真模型建立：构建可视化的仿真模型，实现物理实体的孪生对象可视化、孪生结构可视化和孪生过程可视化，定义仿真模型的迭代优化条件；

步骤4，仿真模型优化：基于多源数据，采用深度学习算法对仿真模型进行训练和优化，并将仿真结果反馈到物理模型；

步骤5，仿真模型验证：对物理模型与仿真模型进行一致性与可靠性验证，如满足仿真模型的目标函数迭代优化条件，则执行步骤6，否则，执行步骤2；

步骤6，数据模型构建：构建可计算的数据模型，通过数据采集、数据挖掘、优化迭代和智能决策方法，实现物理实体与虚拟孪生体的数据镜像和数据交换；

步骤7，数字孪生集成：将物理模型、逻辑模型、仿真模型和数据模型演进优化与数据集成，形成可交互的数字孪生体，通过数据驱动方式实现数字孪生体与物理实体的信息交互；以及，

所述系统实现矿井无人化综掘工作面数字孪生体的方法，进一步包括如下步骤：

步骤1，物理实体三维建模：利用三维建模工具建立矿井无人化综掘工作面的物理实体三维模型，并采用有限元分析法求解三维模型的结构参数、几何参数、材料参数、状态参数及边界条件；

步骤2，模型渲染优化：根据步骤1所获取的三维模型，使用3DsMax三维渲染工具对模型结构透视图或点云图进行渲染、添加材质，并对其边缘部分进行修补优化；

步骤3，仿真场景构建：将步骤2渲染后的模型导入虚拟现实仿真引擎，使用其内置的物理引擎构建可视化仿真模型；

步骤4，数据处理：将物理实体的多源传感器数据作为输入，经多源数据融合后输出，并将传感器实时数据、历史数据及物理模型存储在云数据库中；

步骤5，交互控制：通过OPC UA、TCP/UDP、Web Service通信接口实现数据实时采集、实时同步与更新，通过VR或AR人机接口实现数字孪生体与物理实体的实时交互及虚拟监控。

2.根据权利要求1所述的系统，其特征还在于，所述系统采用矿井无人化综掘工作面物理实体结构模型、几何模型和材料模型的多尺度、多层次集成，生成与物理实体1：1比例的数字孪生体三维模型，将物理空间矿井无人化综掘工作面在虚拟空间进行全要素重构，通过实时数据采集、数据融合和迭代计算，形成具有感知、分析和控制能力的数字孪生体。

3.根据权利要求1所述的系统，其特征在于，所述系统基于机器视觉和深度学习算法，对矿井无人化综掘工作面进行感知分析、仿真模拟、迭代优化与决策控制，实现物理实体的数字镜像、数据驱动和动态控制，并通过数字孪生体实现远程控制、自主导航、精确定位、实时监测和故障诊断功能。

4.根据权利要求1所述的系统，其特征在于，所述数字孪生体根据矿井无人化综掘工作面的物理模型及其传感器历史数据和更新数据，实时同步多源传感器数据和运行状态，并实现数据传输、信息交互和实时监控。

5.根据权利要求1所述的系统，其特征在于，所述系统本安型智能网关采用嵌入式RTOS、OPC UA服务适配器和MEC技术，具有独立于底层通信协议的实时数据采集和边缘计算功能，支持5G空中接口、以太网接口、光网络接口、MODBUS总线接口、PROFIBUS总线接口、CAN总线接口、RS485接口、TCP/UDP和HART通信协议。

6.根据权利要求1所述的系统，其特征在于，所述系统云数据库采用松耦合的微服务云平台架构，具有多模数据引擎和计算存储分离功能，具有对结构化、半结构化和非结构化数据的统一管理功能，以及Web Service接口和ODBC数据库通信接口。

7.根据权利要求1所述的系统，其特征在于，所述机器视觉装置包括可定位三维场景的高清摄像机、深度相机、CCD视觉传感器、CMOS视觉传感器和SCMOS探测器，机器视觉装置为本质安全型防爆装置。

8.根据权利要求1所述的系统，其特征在于，所述系统通信接口由5G空中接口、以太网接口、光网络接口、MODBUS总线接口、PROFIBUS总线接口、CAN总线接口、RS485接口、TCP/UDP通信协议、HART通信协议和OPC UA通信协议构成。

9.根据权利要求1所述的系统，其特征在于，所述矿井无人化综掘工作面包括井下无人化掘进工作面、露天矿无人化掘进工作面和机器人化掘进装备作业场景；矿井无人化综掘工作面采矿装置包括掘进机、掘锚机、锚杆钻机，以及掘锚支机器人化掘进装备。

Images