CN112347905A - 矿山井下前探梁识别及其是否按规程安装监测方法 - Google Patents
矿山井下前探梁识别及其是否按规程安装监测方法 Download PDFInfo
- Publication number
- CN112347905A CN112347905A CN202011217604.3A CN202011217604A CN112347905A CN 112347905 A CN112347905 A CN 112347905A CN 202011217604 A CN202011217604 A CN 202011217604A CN 112347905 A CN112347905 A CN 112347905A
- Authority
- CN
- China
- Prior art keywords
- installed according
- underground
- regulations
- forepoling
- identifying
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 238000004519 manufacturing process Methods 0.000 claims abstract description 24
- 238000010276 construction Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000009434 installation Methods 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 210000000988 bone and bone Anatomy 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 239000003245 coal Substances 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000005422 blasting Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
- H04N5/91—Television signal processing therefor
- H04N5/92—Transformation of the television signal for recording, e.g. modulation, frequency changing; Inverse transformation for playback
- H04N5/9201—Transformation of the television signal for recording, e.g. modulation, frequency changing; Inverse transformation for playback involving the multiplexing of an additional signal and the video signal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Mining & Mineral Resources (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了矿山井下前探梁识别及其是否按规程安装监测方法，包括以下步骤：S1.给摄像头配置算法模型和规程中规定的前探梁数量；S2.系统自动将摄像头信息下发到算法服务；S3.算法服务对摄像头实时监控视频进行计算分析；本发明所达到的有益效果是：避免安全事故的发生：对掘进面施工过程进行实时计算分析，在发现前探梁安装异常后立即报警，通知管理人员及时制止违规行为；节约人力，不用派额外人员下井监督，提升安全性：能实现对施工全过程自动计算分析，无需人工干预，实现智能化监控；能有效事后追责：对于不按安全生产规程安装前探梁的行为能自动固定证据，为事后追责提供关键信息。
Description
技术领域
本发明涉及监测方法技术领域，具体为矿山井下前探梁识别及其是否按规程安装监测方法。
背景技术
在掘进迎头工作中，迎头在放完炮或者切割后没有支护的情况下，顶上的浮矸活石易掉落，顶板破碎较严重的地方更危险，会造成人员伤亡。
为了防止岩石的掉落，暂时维护围岩稳定和保障工作面安全，用前探梁作为临时支护，前探梁梁架可以起到临时支护的作用，挡住迎头顶上没有支护的地方，防止顶上破碎散落及顶板裂开受压。
前探梁的安装属于安全生产工艺流程中重要的一环，现在煤矿企业都使用带班领导和安全员监督的方式进行管理，存在为了赶生产进度，越过这一步骤或不按规程操作，造成人员伤亡的情况。政府和煤矿企业对此都非常重视，都在探索有效的监督方法。目前还没有其他的项目或方法来解决这一问题。
发明内容
本发明要解决的技术问题是克服现有技术的缺陷，提供一种用于地下室抗浮泄压设备装置。
为了解决上述技术问题，本发明提供了如下的技术方案：
矿山井下前探梁识别及其是否按规程安装监测方法，包括以下步骤：
S1.给摄像头配置算法模型和规程中规定的前探梁数量；
S2.系统自动将摄像头信息下发到算法服务；
S3.算法服务对摄像头实时监控视频进行计算分析；
S4.在算法服务发现进入施工状态后，开始计时；
S5.识别前探梁；
S6.对已经识别的前探梁进行校正和去重；
S7.判断前探梁是否已按照规程进行安装；
S8.如果已安装，则停止计时，重复S3；
S9.如果超时未按安全生产规程进行前探梁安装则发出报警信息；
S10.录制前探梁实时安装过程视频，合并到S9的报警信息中；
S11.报警信息会一直持续，直到施工结束或前探梁按安全生产规程正确安装；
作为优选，所述S2中需要加载前探梁模型。
作为优选，所述S3中的计算方式通过后端计算的方式实现，算法和业务实现都依托于服务器。
作为优选，所述S8中如果未超时且未按安全生产规程进行前探梁安装，则重复S5。
作为优选，所述S11中如果施工结束或前探梁按安全生产规程正确安装，则停止计时，重复S3。
作为优选，所述S11中如果施工未结束或前探梁未按安全生产规程正确安装，则停止计时，则重复S5.
作为优选，所述S2的算法服务包括以下步骤：
A、标注前探梁、工人数据，整理形成训练数据集，检测算法标注前探梁和工人位置，姿态估计算法标注工人骨骼；
B、训练检测模型，通过深度卷积网络提取前探梁和工人的特征，输出得到其位置框坐标；
C、训练姿态模型，其损失函数是标注数据骨骼点位置和网络输出骨骼节点位置的均方误差，其损失函数如下：
D、通过深度卷积网络和循环神经网络提取人体骨骼特征信息，输出得到图像中工人的姿态信息；通过工人的姿态，判断其施工过程，并判断是否存在违规的行为.
作为优选，所述S9中用户可以使用系统配置将一段时间内的相同位置相同类型的报警信息合并起来，减少对用户的视觉干扰。
作为优选，所述S11中如果出现系统误报，管理人员可以在系统中将事件信息标记为误报，系统自动将此事件记录入误报数据库中。
本发明所达到的有益效果是：
1、避免安全事故的发生：对掘进面施工过程进行实时计算分析，在发现前探梁安装异常后立即报警，通知管理人员及时制止违规行为；
2、节约人力，不用派额外人员下井监督，提升安全性：能实现对施工全过程自动计算分析，无需人工干预，实现智能化监控；
3、能有效事后追责：对于不按安全生产规程安装前探梁的行为能自动固定证据，为事后追责提供关键信息。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明的步骤流程示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例
如图1所示，本发明提供：矿山井下前探梁识别及其是否按规程安装监测方法，包括以下步骤：
S1.给摄像头配置算法模型和规程中规定的前探梁数量；
S2.系统自动将摄像头信息下发到算法服务；
S3.算法服务对摄像头实时监控视频进行计算分析；
S4.在算法服务发现进入施工状态后，开始计时；
S5.识别前探梁；
S6.对已经识别的前探梁进行校正和去重；
S7.判断前探梁是否已按照规程进行安装；
S8.如果已安装，则停止计时，重复S3；
S9.如果超时未按安全生产规程进行前探梁安装则发出报警信息；
S10.录制前探梁实时安装过程视频，合并到S9的报警信息中；
S11.报警信息会一直持续，直到施工结束或前探梁按安全生产规程正确安装；
其中，所述S2中需要加载前探梁模型。
其中，所述S3中的计算方式通过后端计算的方式实现，算法和业务实现都依托于服务器。
其中，所述S8中如果未超时且未按安全生产规程进行前探梁安装，则重复S5。
其中，述S11中如果施工结束或前探梁按安全生产规程正确安装，则停止计时，重复S3。
其中，所述S11中如果施工未结束或前探梁未按安全生产规程正确安装，则停止计时，则重复S5.
其中，所述S2的算法服务包括以下步骤：
A、标注前探梁、工人数据，整理形成训练数据集，检测算法标注前探梁和工人位置，姿态估计算法标注工人骨骼；
B、训练检测模型，通过深度卷积网络提取前探梁和工人的特征，输出得到其位置框坐标；
C、训练姿态模型，其损失函数是标注数据骨骼点位置和网络输出骨骼节点位置的均方误差，其损失函数如下：
D、通过深度卷积网络和循环神经网络提取人体骨骼特征信息，输出得到图像中工人的姿态信息；通过工人的姿态，判断其施工过程，并判断是否存在违规的行为.
其中，所述S9中用户可以使用系统配置将一段时间内的相同位置相同类型的报警信息合并起来，减少对用户的视觉干扰。
其中，所述S11中如果出现系统误报，管理人员可以在系统中将事件信息标记为误报，系统自动将此事件记录入误报数据库中。
具体的：矿山井下前探梁识别及其是否按规程安装监测方法，包括以下步骤：
S1.给摄像头配置算法模型和规程中规定的前探梁数量；
S2.系统自动将摄像头信息下发到算法服务，然后加载前探梁模型；
S3.算法服务对摄像头实时监控视频进行计算分析，计算方式通过后端计算的方式实现，算法和业务实现都依托于服务器；
S4.在算法服务发现进入施工状态后，开始计时；
S5.识别前探梁；
S6.对已经识别的前探梁进行校正和去重；
S7.判断前探梁是否已按照规程进行安装；
S8.如果已安装，则停止计时，重复S3，如果未超时且未按安全生产规程进行前探梁安装，则重复S5；
S9.如果超时未按安全生产规程进行前探梁安装则发出报警信息；
S10.录制前探梁实时安装过程视频，合并到S9的报警信息中；
S11.报警信息会一直持续，直到施工结束或前探梁按安全生产规程正确安装，且判断结构如下：
1)如果施工结束或前探梁按安全生产规程正确安装，则停止计时，重复S3；
2)如果施工未结束或前探梁未按安全生产规程正确安装，则停止计时，则重复S5；
S12.用户可以使用系统配置将一段时间内的相同位置相同类型的报警信息合并起来，减少对用户的视觉干扰；
S13.如果出现系统误报，管理人员可以在系统中将事件信息标记为误报，系统自动将此事件记录入误报数据库中。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.矿山井下前探梁识别及其是否按规程安装监测方法，其特征在于，包括以下步骤：
S1.给摄像头配置算法模型和规程中规定的前探梁数量；
S2.系统自动将摄像头信息下发到算法服务；
S3.算法服务对摄像头实时监控视频进行计算分析；
S4.在算法服务发现进入施工状态后，开始计时；
S5.识别前探梁；
S6.对已经识别的前探梁进行校正和去重；
S7.判断前探梁是否已按照规程进行安装；
S8.如果已安装，则停止计时，重复S3；
S9.如果超时未按安全生产规程进行前探梁安装则发出报警信息；
S10.录制前探梁实时安装过程视频，合并到S9的报警信息中；
S11.报警信息会一直持续，直到施工结束或前探梁按安全生产规程正确安装。
2.根据权利要求1所述的矿山井下前探梁识别及其是否按规程安装监测方法，其特征在于：所述S2中需要加载前探梁模型。
3.根据权利要求1所述的矿山井下前探梁识别及其是否按规程安装监测方法，其特征在于：所述S3中的计算方式通过后端计算的方式实现，算法和业务实现都依托于服务器。
4.根据权利要求1所述的矿山井下前探梁识别及其是否按规程安装监测方法，其特征在于：所述S8中如果未超时且未按安全生产规程进行前探梁安装，则重复S5。
5.根据权利要求1所述的矿山井下前探梁识别及其是否按规程安装监测方法，其特征在于：所述S11中如果施工结束或前探梁按安全生产规程正确安装，则停止计时，重复S3。
6.根据权利要求1所述的矿山井下前探梁识别及其是否按规程安装监测方法，其特征在于：所述S11中如果施工未结束或前探梁未按安全生产规程正确安装，则停止计时，则重复S5。
7.根据权利要求1所述的矿山井下前探梁识别及其是否按规程安装监测方法，其特征在于：所述S2的算法服务包括以下步骤：
A、标注前探梁、工人数据，整理形成训练数据集，检测算法标注前探梁和工人位置，姿态估计算法标注工人骨骼；
B、训练检测模型，通过深度卷积网络提取前探梁和工人的特征，输出得到其位置框坐标；
C、训练姿态模型，其损失函数是标注数据骨骼点位置和网络输出骨骼节点位置的均方误差，其损失函数如下：
D、通过深度卷积网络和循环神经网络提取人体骨骼特征信息，输出得到图像中工人的姿态信息；通过工人的姿态，判断其施工过程，并判断是否存在违规的行为。
8.根据权利要求1所述的矿山井下前探梁识别及其是否按规程安装监测方法，其特征在于：所述S9中用户可以使用系统配置将一段时间内的相同位置相同类型的报警信息合并起来，减少对用户的视觉干扰。
9.根据权利要求1所述的矿山井下前探梁识别及其是否按规程安装监测方法，其特征在于：所述S11中如果出现系统误报，管理人员可以在系统中将事件信息标记为误报，系统自动将此事件记录入误报数据库中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011217604.3A CN112347905A (zh) | 2020-11-04 | 2020-11-04 | 矿山井下前探梁识别及其是否按规程安装监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011217604.3A CN112347905A (zh) | 2020-11-04 | 2020-11-04 | 矿山井下前探梁识别及其是否按规程安装监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112347905A true CN112347905A (zh) | 2021-02-09 |
Family
ID=74430125
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011217604.3A Withdrawn CN112347905A (zh) | 2020-11-04 | 2020-11-04 | 矿山井下前探梁识别及其是否按规程安装监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112347905A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113343947A (zh) * | 2021-08-02 | 2021-09-03 | 长沙鹏阳信息技术有限公司 | 一种基于人工智能的石油井下油管升降安全分析方法 |
-
2020
- 2020-11-04 CN CN202011217604.3A patent/CN112347905A/zh not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113343947A (zh) * | 2021-08-02 | 2021-09-03 | 长沙鹏阳信息技术有限公司 | 一种基于人工智能的石油井下油管升降安全分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111325434A (zh) | 一种基于大数据的煤矿生产风险评估指标体系构建方法 | |
| CN111046460A (zh) | 一种基于bim的基坑监测系统及监测方法 | |
| CN112434826A (zh) | 一种充电桩充电设施运维故障智能分析与预警系统 | |
| CN207909318U (zh) | 一种高风险区域内物品遗留智能检测预警系统 | |
| CN110121053B (zh) | 一种钻井现场风险分级预警的视频监控方法 | |
| CN110652684A (zh) | 电力消防安全综合管理系统 | |
| CN111914687B (zh) | 一种基于车联网主动识别事故的方法 | |
| CN112308510A (zh) | 一种绿色环保建筑施工管理系统及方法 | |
| CN112651642A (zh) | 一种基于多设备感知的水利工程现场人员安全管理系统 | |
| CN109471398A (zh) | 电力实验作业现场安全机器人监督交互方法 | |
| CN112347905A (zh) | 矿山井下前探梁识别及其是否按规程安装监测方法 | |
| CN112819374A (zh) | 一种铁路桥梁施工人员风险管理系统与方法 | |
| CN115567235A (zh) | 一种网络安全应急处置系统及应用方法 | |
| CN115375090A (zh) | 一种基于bim技术的施工安全和施工进度监管系统及方法 | |
| CN213126247U (zh) | 一种地铁车辆段施工安全隐患智能监控系统 | |
| CN110031043B (zh) | 一种土木工程建筑结构实时智能监测系统 | |
| CN111178693A (zh) | 一种基于二维码的消防设备管理系统 | |
| CN116168337A (zh) | 电力施工现场对安全帽未佩戴违章进行图像化智能识别的系统 | |
| CN104977870A (zh) | 一种车间设备事故辅助处理系统及方法 | |
| CN110443727A (zh) | 一种识别施工现场安全行为的方法 | |
| CN214042542U (zh) | 一种临边防拆报警系统 | |
| CN214409649U (zh) | 一种基于红外辐射特征的煤自燃监控预测系统 | |
| CN113869758A (zh) | 智慧两票管理及作业现场风险预警系统 | |
| CN203299637U (zh) | 屏柜柜门监控预警系统 | |
| CN108895308B (zh) | 防止燃气管网被破坏的在线监控方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210209 |