CN115861937A - 基于ai图像识别和深度学习的带式输送机智能监控系统 - Google Patents
基于ai图像识别和深度学习的带式输送机智能监控系统 Download PDFInfo
- Publication number
- CN115861937A CN115861937A CN202211679414.2A CN202211679414A CN115861937A CN 115861937 A CN115861937 A CN 115861937A CN 202211679414 A CN202211679414 A CN 202211679414A CN 115861937 A CN115861937 A CN 115861937A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- time
- belt conveyor
- real
- standard
- 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- Withdrawn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
Images
Landscapes
- Control Of Conveyors (AREA)
Abstract
本发明公开了基于AI图像识别和深度学习的带式输送机智能监控系统,属于煤矿领域,用于解决当煤矿生产运输的监控点众多,无法及时发现状况的问题,包括运输监测模块、智能监控模块、历史监测模块和区域设定模块,所述历史监测模块用于对监测区域内带式输送机的工作情况进行监测,区域设定模块依据监测值用于对监测区域的区域等级进行设定,所述运输监测模块用于对监测区域内带式输送机的实时运输情况进行监测,所述智能监控模块用于对不同监测区域内的区域情况进行监控,本发明通过深度学习将划分后的区域设定相对应区域等级,并在适配的监控准则下实现对带式输送机的运输情况以及工作区域内的区域情况进行精准监控。
Description
技术领域
本发明属于煤矿领域,涉及带式输送机监控技术,具体是基于AI图像识别和深度学习的带式输送机智能监控系统。
背景技术
煤矿是人类在富含煤炭的矿区开采煤炭资源的区域,一般分为井工煤矿和露天煤矿。当煤层离地表远时,一般选择向地下开掘巷道采掘煤炭,此为井工煤矿。当煤层距地表的距离很近时,一般选择直接剥离地表土层挖掘煤炭,此为露天煤矿。煤是最主要的固体燃料,是可燃性有机岩的一种。它是由一定地质年代生长的繁茂植物,在适宜的地质环境中,逐渐堆积成厚层,并埋没在水底或泥沙中,经过漫长地质年代的天然煤化作用而形成的。根据煤化程度的不同,煤可分为泥炭、褐煤、烟煤和无烟煤四类。
煤矿生产的煤炭通常由皮带输送机进行运输,由于皮带输送机控制环节复杂、监控点众多,由于人眼视觉疲劳,难以长时间保持警觉,集控人员难以做到24小时实时盯着监控点,同时无法对人员违规行为(危险区域闯入、跨越皮带等)等情况进行即时获取,进而无法做到及时发现问题;
为此,我们提出基于AI图像识别和深度学习的带式输送机智能监控系统。
发明内容
针对现有技术存在的不足,本发明目的是提供基于AI图像识别和深度学习的带式输送机智能监控系统。
本发明所要解决的技术问题为:
如何在相适配监控标准下对煤矿带式输送机的运输情况进行精确监控。
本发明的目的可以通过以下技术方案实现:
基于AI图像识别和深度学习的带式输送机智能监控系统,包括数据采集模块、警报终端、运输监测模块、大数据模块、智能监控模块、分级警报模块、区域划分模块、历史监测模块、区域设定模块以及服务器;所述区域划分模块用于对带式输送机的工作区域进行划分,划分得到若干个监测区域;所述服务器内存储有若干个监测区域的历史监测数据并发送至历史监测模块;所述历史监测模块用于对监测区域内带式输送机的工作情况进行监测,得到监测区域内带式输送机的监测值反馈至服务器,所述服务器将监测区域内带式输送机的监测值发送至区域设定模块,区域设定模块依据监测值用于对监测区域的区域等级进行设定,设定监测区域的区域等级反馈至服务器,服务器依据区域等级得到监测区域内带式输送机的标准输送数据以及监测区域的标准监控数据,所述服务器将标准输送数据发送至运输监测模块,所述服务器将标准监控数据发送至智能监控模块;
所述数据采集模块用于采集不同监测区域内带式输送机的实时输送数据以及不同监测区域的实时监控视频并发送至服务器,所述服务器将实时输送数据发送至运行监测模块,所述服务器将实时监控视频发送至智能监控模块;
所述运输监测模块用于对监测区域内带式输送机的实时运输情况进行监测,生成运行异常信号或运行正常信号反馈至服务器,所述服务器将运行正常信号或运行异常信号发送至分级警报模块;
所述大数据模块用于获取不同物体的预设热成像图,所述智能监控模块用于对不同监测区域内的区域情况进行监控,生成区域正常信号或区域异常信号反馈至服务器,所述服务器将区域正常信号或区域异常信号发送至分级警报模块;所述分级警报模块用于对监测区域内带式输送机的工作情况进行分级警报。
进一步地,历史监测数据为监测区域内带式输送机的故障次数以及每次故障时的故障时间和维护时间、警报次数。
进一步地,所述历史监测模块的监测过程具体如下:
获取监测区域内带式输送机的故障次数;
而后获取监测区域内带式输送机每次故障时的故障时间和维护时间,维护时间减去故障时间得到监测区域内带式输送机每次故障时的故障持续时长,每次故障时的故障持续时长相加求和取均值得到监测区域内带式输送机的故障持续均时长;
最后获取监测区域内带式输送机的警报次数;
计算监测区域内带式输送机的监测值。
进一步地,所述区域设定模块的设定过程具体如下:
监测值比对监测阈值;
判定监测区域的区域等级为第三区域等级、第二区域等级或第一区域等级。
进一步地,第一区域等级的级别高于第二区域等级的级别,第二区域等级的级别高于第三区域等级的级别;
标准输送数据包括带式输送机的标准输送量、以及标准输送量对应的标准运行速度区间、以及带式输送机的标准运行间距区间;标准监控数据为监测区域的标准停留时长和标准间隔间距;
第一区域等级的标准停留时长小于第二区域等级的标准停留时长,第二区域等级的标准停留时长小于第三区域等级的标准停留时长,第一区域等级的标准间隔间距小于第二区域等级的标准间隔间距,第二区域等级的标准间隔间距小于第三区域等级的标准间隔间距。
进一步地,实时输送数据为监测区域内带式输送机的实时输送量、实时运行速度和实时运行间距。
进一步地,所述运输监测模块的监测过程具体如下:
依据区域等级得到监测区域内带式输送机对应的标准输送数据;
获取带式输送机的实时输送量,实时输送量比对标准输送量得到带式输送机对应的标准运行速度区间;
而后获取带式输送机的实时运行速度,若实时运行速度不处于标准运行速度区间,则生成运行异常信号;
若实时运行速度处于标准运行速度区间,则获取带式输送机的实时运行间距,若实时运行间距处于标准运行间距区间,则生成运行正常信号,若实时运行间距不处于标准运行间距区间,则生成运行异常信号。
进一步地,所述智能监控模块的监控过程具体如下:
依据区域等级得到监测区域对应的标准监控数据;
获取不同监测区域内的实时监控视频,按照时间顺序获取实时监控视频中的每一帧画面,而后获取每一帧画面中出现物体的实时热成像图,同时记录出现物体的出现时间并记为初始时间;
依据实时热成像图得到对应的实时轮廓图,依据预设热成像图得到对应的预设轮廓图,将实时轮廓图与预设轮廓图进行比对;
当实时轮廓图与预设轮廓图不匹配,则不进行任何操作,当实时轮廓图与预设轮廓图相匹配,则利用服务器的当前时间减去初始时间得到监测区域内出现物体的出现时长;
同时获取物体与监测区域内带式输送机的实时间隔间距;
若出现时长未超过标准停留时长且实时间隔间距长于标准间隔间距,则生成区域正常信号,若出现时长超过标准停留时长或实时间隔间距短于标准间隔间距,则生成区域异常信号。
进一步地,所述分级警报模块的工作过程具体如下:
若同时接收到区域异常信号和运行异常信号,则生成一级警报指令;
若接收到区域异常信号或运行异常信号,则生成二级警报指令;
若同时接收到区域正常信号和运行正常信号,则生成安全指令。
进一步地,所述分级警报模块将一级警报指令、二级警报指令或安全指令反馈至服务器;
若服务器接收到安全指令则不进行任何操作;
若服务器接收到一级警报指令或二级警报指令,则将一级警报指令或二级警报指令发送至警报终端,所述警报终端接收到一级警报指令或二级警报指令后用于进行警报工作;
一级警报指令的级别高于二级警报指令。
与现有技术相比,本发明的有益效果是:
1、本发明首先通过区域划分模块对带式输送机的工作区域进行划分得到若干个监测区域,同时利用历史监测模块对监测区域内带式输送机的工作情况进行监测,得到监测区域的区域等级,依据区域等级设定监测区域内带式输送机的标准输送数据以及监测区域的标准监控数据,本发明将带式输送机的输送区域进行区域划分,并通过深度学习的方法将划分后的区域设定相对应区域等级,依据区域等级设定相对应的监控准则;
2、本发明通过运输监测模块对监测区域内带式输送机的实时运输情况进行监测,监测生成运行异常信号或运行正常信号,同时通过智能监控模块对不同监测区域内的区域情况进行监控,监控生成区域正常信号或区域异常信号,最终利用分级警报模块对监测区域内带式输送机的工作情况进行分级警报,本发明在适配的监控准则下,实现对带式输送机的运输情况以及工作区域内的区域情况进行精准监控。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的整体系统框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一
请参阅图1所示,基于AI图像识别和深度学习的带式输送机智能监控系统,本系统中的带式输送机主要用于煤矿运输,包括数据采集模块、警报终端、运输监测模块、大数据模块、智能监控模块、分级警报模块、区域划分模块、历史监测模块、区域设定模块以及服务器;
区域划分模块用于对带式输送机的工作区域进行划分,划分得到若干个监测区域,在具体实施时,划分原则可以按照带式输送机的所在区域进行划分,例如一组带式输送机可以为一个监测区域,另一组带式输送机可以为另一个监测区域,同时划分原则也可以按照系统自设定规则;
服务器内存储有若干个监测区域的历史监测数据,并将历史监测数据发送至历史监测模块;
需要具体说明的是,历史监测数据为监测区域内带式输送机的故障次数以及每次故障时的故障时间和维护时间、警报次数等;
历史监测模块用于对监测区域内带式输送机的工作情况进行监测,监测过程具体如下:
将监测区域标记为u,u=1,2,……,z,z为正整数;
获取监测区域内带式输送机的故障次数,并将故障次数标记为GCu;
而后获取监测区域内带式输送机每次故障时的故障时间和维护时间,维护时间减去故障时间得到监测区域内带式输送机每次故障时的故障持续时长,每次故障时的故障持续时长相加求和取均值得到监测区域内带式输送机的故障持续均时长JTu;
最后获取监测区域内带式输送机的警报次数,并将警报次数标记为JCu;
通过公式JZu=GCu×a1+JTu×a2+JCu×a3计算得到监测区域内带式输送机的监测值JZu;式中,a1、a2和a3均为固定数值的权重系数,且a1、a2和a3的取值均大于零;
历史监测模块将监测区域内带式输送机的监测值JZu反馈至服务器,服务器将监测区域内带式输送机的监测值JZu发送至区域设定模块,区域设定模块依据监测值用于对监测区域的区域等级进行设定,设定过程具体如下:
若JZu<X1,则监测区域的区域等级为第三区域等级;
若X1≤JZu<X2,则监测区域的区域等级为第二区域等级;
若X2≤JZu,则监测区域的区域等级为第一区域等级;其中,X1和X2均为固定数值的监测阈值,且X1<X2;
可理解的是,第一区域等级的级别高于第二区域等级的级别,第二区域等级的级别高于第三区域等级的级别;
区域设定模块将监测区域的区域等级反馈至服务器,服务器依据区域等级得到监测区域内带式输送机的标准输送数据以及监测区域的标准监控数据,服务器将标准输送数据发送至运输监测模块,服务器将标准监控数据发送至智能监控模块;
其中,标准输送数据包括带式输送机的标准输送量、以及标准输送量对应的标准运行速度区间、以及带式输送机的标准运行间距区间;标准监控数据为监测区域的标准停留时长和标准间隔间距,标准停留时长为物体在监测区域内的停留时长,标准间隔间隔为物体在监测区域内带式输送机的间隔距离;
可理解的是,第一区域等级的标准停留时长小于第二区域等级的标准停留时长,第二区域等级的标准停留时长小于第三区域等级的标准停留时长,第一区域等级的标准间隔间距小于第二区域等级的标准间隔间距,第二区域等级的标准间隔间距小于第三区域等级的标准间隔间距;
需要举例说明的是,若为第一区域等级,则带式输送机的标准输送量为100KG,标准输送量对应的标准运行速度区间为[Y1,Y2),标准运行间距区间为[N1,N2);若为第二区域等级,则带式输送机的标准输送量为110KG,标准输送量对应的标准运行速度区间为[Y2,Y3),标准运行间距区间为[N2,N3);若为第三区域等级,则带式输送机的标准输送量为120KG,标准输送量对应的标准运行速度区间为[Y3,Y4],标准运行间距区间为[N3,N4];其中,Y1、Y2、Y3和Y4均为固定数值的运行速度阈值,且0<Y1<Y2<Y3<Y4,N1、N2、N3和N4均为固定数值的运行间距阈值,且0<N1<N2<N3<N4;
其中,若为第一区域等级,则标准停留时长为10秒和标准间隔间距为2.5米,若为第二区域等级,则标准停留时长为20秒和标准间隔间距为5米;,若为第三区域等级,则标准停留时长为30秒和标准间隔间距为10米;
在具体实施时,数据采集模块用于采集不同监测区域内带式输送机的实时输送数据以及不同监测区域的实时监控视频,并将实时输送数据和实时监控视频发送至服务器,服务器将实时输送数据发送至运行监测模块,服务器将实时监控视频发送至智能监控模块;
需要具体说明的是,实时输送数据为监测区域内带式输送机的实时输送量、实时运行速度、实时运行间距(指的是带式输送机上的输送皮带与托辊之间的间隔距离)等;
运输监测模块用于对监测区域内带式输送机的实时运输情况进行监测,监测过程具体如下:
依据区域等级得到监测区域内带式输送机对应的标准输送数据;
获取带式输送机的实时输送量,实时输送量比对标准输送量得到带式输送机对应的标准运行速度区间;
而后获取带式输送机的实时运行速度,若实时运行速度处于标准运行速度区间,则进入下一步骤,若实时运行速度不处于标准运行速度区间,则生成运行异常信号;
最后获取带式输送机的实时运行间距,若实时运行间距处于标准运行间距区间,则生成运行正常信号,若实时运行间距不处于标准运行间距区间,则生成运行异常信号;
运输监测模块将运行异常信号或运行正常信号反馈至服务器,服务器将运行正常信号或运行异常信号发送至分级警报模块;
智能监控模块连接有大数据模块,大数据模块与外界互联网相连接,用于获取不同物体的预设热成像图,智能监控模块用于对不同监测区域内的区域情况进行监控,监控过程具体如下:
依据区域等级得到监测区域对应的标准监控数据;
获取不同监测区域内的实时监控视频,按照时间顺序获取实时监控视频中的每一帧画面,而后获取每一帧画面中出现物体的实时热成像图,同时记录出现物体的出现时间并记为初始时间;
依据实时热成像图得到对应的实时轮廓图,依据预设热成像图得到对应的预设轮廓图,将实时轮廓图与预设轮廓图进行比对;其中,实时轮廓图是通过统计实时热成像图中某一颜色的像素点,而后将相同颜色的像素点进行连接,即可得到实时轮廓图;
当实时轮廓图与预设轮廓图不匹配,则不进行任何操作;
当实时轮廓图与预设轮廓图相匹配,则利用服务器的当前时间减去初始时间得到监测区域内出现物体的出现时长;
同时获取物体与监测区域内带式输送机的实时间隔间距;
若出现时长未超过标准停留时长且实时间隔间距长于标准间隔间距,则生成区域正常信号;
若出现时长超过标准停留时长或实时间隔间距短于标准间隔间距,则生成区域异常信号;
智能监控模块将区域正常信号或区域异常信号反馈至服务器,服务器将区域正常信号或区域异常信号发送至分级警报模块;
分级警报模块用于对监测区域内带式输送机的工作情况进行分级警报,工作过程具体如下:
若同时接收到区域异常信号和运行异常信号,则生成一级警报指令;
若接收到区域异常信号或运行异常信号,则生成二级警报指令;
若同时接收到区域正常信号和运行正常信号,则生成安全指令;
分级警报模块将一级警报指令、二级警报指令或安全指令反馈至服务器,若服务器接收到安全指令则不进行任何操作,若服务器接收到一级警报指令或二级警报指令,则将一级警报指令或二级警报指令发送至警报终端,警报终端接收到一级警报指令或二级警报指令后用于进行警报工作;
可理解的是,一级警报指令的级别高于二级警报指令,在具体实施时,警报终端接收到一级警报指令时为急促且长时间的警报声,警报终端接收到二级警报指令时为缓慢且短时间的警报声;
上述公式均是去量纲取其数值计算,权重系数和比例系数的大小是为了将各个参数进行量化得到的一个具体的数值,关于权重系数和比例系数的大小,只要不影响参数与量化后数值的比例关系即可。
实施例二
基于同一发明的又一构思,提出基于AI图像识别和深度学习的带式输送机智能监控系统的工作方法,工作方法具体如下:
步骤S101,区域划分模块对带式输送机的工作区域进行划分,划分得到若干个监测区域,服务器内存储有若干个监测区域的历史监测数据并发送至历史监测模块,通过历史监测模块对监测区域内带式输送机的工作情况进行监测,获取监测区域内带式输送机的故障次数,而后获取监测区域内带式输送机每次故障时的故障时间和维护时间,维护时间减去故障时间得到监测区域内带式输送机每次故障时的故障持续时长,每次故障时的故障持续时长相加求和取均值得到监测区域内带式输送机的故障持续均时长,最后获取监测区域内带式输送机的警报次数,计算监测区域内带式输送机的监测值,历史监测模块将监测区域内带式输送机的监测值反馈至服务器,服务器将监测区域内带式输送机的监测值发送至区域设定模块,区域设定模块依据监测值对监测区域的区域等级进行设定,监测值比对监测阈值,判定监测区域的区域等级为第三区域等级、第二区域等级或第一区域等级,区域设定模块将监测区域的区域等级反馈至服务器,服务器依据区域等级得到监测区域内带式输送机的标准输送数据以及监测区域的标准监控数据,服务器将标准输送数据发送至运输监测模块,服务器将标准监控数据发送至智能监控模块;
步骤S102,数据采集模块采集不同监测区域内带式输送机的实时输送数据以及不同监测区域的实时监控视频,并将实时输送数据和实时监控视频发送至服务器,服务器将实时输送数据发送至运行监测模块,服务器将实时监控视频发送至智能监控模块;
步骤S103,运输监测模块对监测区域内带式输送机的实时运输情况进行监测,依据区域等级得到监测区域内带式输送机对应的标准输送数据,获取带式输送机的实时输送量,实时输送量比对标准输送量得到带式输送机对应的标准运行速度区间;而后获取带式输送机的实时运行速度,若实时运行速度不处于标准运行速度区间,则生成运行异常信号,若实时运行速度处于标准运行速度区间,则获取带式输送机的实时运行间距,若实时运行间距处于标准运行间距区间,则生成运行正常信号,若实时运行间距不处于标准运行间距区间,则生成运行异常信号,运输监测模块将运行异常信号或运行正常信号反馈至服务器,服务器将运行正常信号或运行异常信号发送至分级警报模块;
步骤S104,大数据模块获取不同物体的预设热成像图并发送至智能监控模块,智能监控模块对不同监测区域内的区域情况进行监控,依据区域等级得到监测区域对应的标准监控数据,获取不同监测区域内的实时监控视频,按照时间顺序获取实时监控视频中的每一帧画面,而后获取每一帧画面中出现物体的实时热成像图,同时记录出现物体的出现时间并记为初始时间,依据实时热成像图得到对应的实时轮廓图,依据预设热成像图得到对应的预设轮廓图,将实时轮廓图与预设轮廓图进行比对,当实时轮廓图与预设轮廓图不匹配,则不进行任何操作,当实时轮廓图与预设轮廓图相匹配,则利用服务器的当前时间减去初始时间得到监测区域内出现物体的出现时长,同时获取物体与监测区域内带式输送机的实时间隔间距,若出现时长未超过标准停留时长且实时间隔间距长于标准间隔间距,则生成区域正常信号,若出现时长超过标准停留时长或实时间隔间距短于标准间隔间距,则生成区域异常信号,智能监控模块将区域正常信号或区域异常信号反馈至服务器,服务器将区域正常信号或区域异常信号发送至分级警报模块;
步骤S105,分级警报模块对监测区域内带式输送机的工作情况进行分级警报,若同时接收到区域异常信号和运行异常信号,则生成一级警报指令,若接收到区域异常信号或运行异常信号,则生成二级警报指令,若同时接收到区域正常信号和运行正常信号,则生成安全指令,分级警报模块将一级警报指令、二级警报指令或安全指令反馈至服务器,若服务器接收到安全指令则不进行任何操作,若服务器接收到一级警报指令或二级警报指令,则将一级警报指令或二级警报指令发送至警报终端,警报终端接收到一级警报指令或二级警报指令后进行警报工作。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.基于AI图像识别和深度学习的带式输送机智能监控系统,包括数据采集模块、警报终端、运输监测模块、大数据模块、智能监控模块、分级警报模块、区域划分模块、历史监测模块、区域设定模块以及服务器;其特征在于:
所述区域划分模块用于对带式输送机的工作区域进行划分,划分得到若干个监测区域;所述服务器内存储有若干个监测区域的历史监测数据并发送至历史监测模块;所述历史监测模块用于对监测区域内带式输送机的工作情况进行监测,得到监测区域内带式输送机的监测值反馈至服务器,所述服务器将监测区域内带式输送机的监测值发送至区域设定模块,区域设定模块依据监测值用于对监测区域的区域等级进行设定,设定监测区域的区域等级反馈至服务器,服务器依据区域等级得到监测区域内带式输送机的标准输送数据以及监测区域的标准监控数据,所述服务器将标准输送数据发送至运输监测模块,所述服务器将标准监控数据发送至智能监控模块;
所述数据采集模块用于采集不同监测区域内带式输送机的实时输送数据以及不同监测区域的实时监控视频并发送至服务器,所述服务器将实时输送数据发送至运行监测模块,所述服务器将实时监控视频发送至智能监控模块;
所述运输监测模块用于对监测区域内带式输送机的实时运输情况进行监测,生成运行异常信号或运行正常信号反馈至服务器,所述服务器将运行正常信号或运行异常信号发送至分级警报模块;
所述大数据模块用于获取不同物体的预设热成像图,所述智能监控模块用于对不同监测区域内的区域情况进行监控,生成区域正常信号或区域异常信号反馈至服务器,所述服务器将区域正常信号或区域异常信号发送至分级警报模块;所述分级警报模块用于对监测区域内带式输送机的工作情况进行分级警报。
2.根据权利要求1所述的基于AI图像识别和深度学习的带式输送机智能监控系统,其特征在于,历史监测数据为监测区域内带式输送机的故障次数以及每次故障时的故障时间和维护时间、警报次数。
3.根据权利要求2所述的基于AI图像识别和深度学习的带式输送机智能监控系统,其特征在于,所述历史监测模块的监测过程具体如下:
获取监测区域内带式输送机的故障次数;
而后获取监测区域内带式输送机每次故障时的故障时间和维护时间,维护时间减去故障时间得到监测区域内带式输送机每次故障时的故障持续时长,每次故障时的故障持续时长相加求和取均值得到监测区域内带式输送机的故障持续均时长;
最后获取监测区域内带式输送机的警报次数;
计算监测区域内带式输送机的监测值。
4.根据权利要求3所述的基于AI图像识别和深度学习的带式输送机智能监控系统,其特征在于,所述区域设定模块的设定过程具体如下:
监测值比对监测阈值;
判定监测区域的区域等级为第三区域等级、第二区域等级或第一区域等级。
5.根据权利要求4所述的基于AI图像识别和深度学习的带式输送机智能监控系统,其特征在于,第一区域等级的级别高于第二区域等级的级别,第二区域等级的级别高于第三区域等级的级别;
标准输送数据包括带式输送机的标准输送量、以及标准输送量对应的标准运行速度区间、以及带式输送机的标准运行间距区间;标准监控数据为监测区域的标准停留时长和标准间隔间距;
第一区域等级的标准停留时长小于第二区域等级的标准停留时长,第二区域等级的标准停留时长小于第三区域等级的标准停留时长,第一区域等级的标准间隔间距小于第二区域等级的标准间隔间距,第二区域等级的标准间隔间距小于第三区域等级的标准间隔间距。
6.根据权利要求1所述的基于AI图像识别和深度学习的带式输送机智能监控系统,其特征在于,实时输送数据为监测区域内带式输送机的实时输送量、实时运行速度和实时运行间距。
7.根据权利要求6所述的基于AI图像识别和深度学习的带式输送机智能监控系统,其特征在于,所述运输监测模块的监测过程具体如下:
依据区域等级得到监测区域内带式输送机对应的标准输送数据;
获取带式输送机的实时输送量,实时输送量比对标准输送量得到带式输送机对应的标准运行速度区间;
而后获取带式输送机的实时运行速度,若实时运行速度不处于标准运行速度区间,则生成运行异常信号;
若实时运行速度处于标准运行速度区间,则获取带式输送机的实时运行间距,若实时运行间距处于标准运行间距区间,则生成运行正常信号,若实时运行间距不处于标准运行间距区间,则生成运行异常信号。
8.根据权利要求7所述的基于AI图像识别和深度学习的带式输送机智能监控系统,其特征在于,所述智能监控模块的监控过程具体如下:
依据区域等级得到监测区域对应的标准监控数据;
获取不同监测区域内的实时监控视频,按照时间顺序获取实时监控视频中的每一帧画面,而后获取每一帧画面中出现物体的实时热成像图,同时记录出现物体的出现时间并记为初始时间;
依据实时热成像图得到对应的实时轮廓图,依据预设热成像图得到对应的预设轮廓图,将实时轮廓图与预设轮廓图进行比对;
当实时轮廓图与预设轮廓图不匹配,则不进行任何操作,当实时轮廓图与预设轮廓图相匹配,则利用服务器的当前时间减去初始时间得到监测区域内出现物体的出现时长;
同时获取物体与监测区域内带式输送机的实时间隔间距;
若出现时长未超过标准停留时长且实时间隔间距长于标准间隔间距,则生成区域正常信号,若出现时长超过标准停留时长或实时间隔间距短于标准间隔间距,则生成区域异常信号。
9.根据权利要求8所述的基于AI图像识别和深度学习的带式输送机智能监控系统,其特征在于,所述分级警报模块的工作过程具体如下:
若同时接收到区域异常信号和运行异常信号,则生成一级警报指令;
若接收到区域异常信号或运行异常信号,则生成二级警报指令;
若同时接收到区域正常信号和运行正常信号,则生成安全指令。
10.根据权利要求9所述的基于AI图像识别和深度学习的带式输送机智能监控系统,其特征在于,所述分级警报模块将一级警报指令、二级警报指令或安全指令反馈至服务器;
若服务器接收到安全指令则不进行任何操作;
若服务器接收到一级警报指令或二级警报指令,则将一级警报指令或二级警报指令发送至警报终端,所述警报终端接收到一级警报指令或二级警报指令后用于进行警报工作;
一级警报指令的级别高于二级警报指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211679414.2A CN115861937A (zh) | 2022-12-27 | 2022-12-27 | 基于ai图像识别和深度学习的带式输送机智能监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211679414.2A CN115861937A (zh) | 2022-12-27 | 2022-12-27 | 基于ai图像识别和深度学习的带式输送机智能监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115861937A true CN115861937A (zh) | 2023-03-28 |
Family
ID=85654971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211679414.2A Withdrawn CN115861937A (zh) | 2022-12-27 | 2022-12-27 | 基于ai图像识别和深度学习的带式输送机智能监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115861937A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115877115A (zh) * | 2023-02-27 | 2023-03-31 | 山东欧通信息科技有限公司 | 基于大数据的弱电设备安装用安全检测系统 |
CN116050972A (zh) * | 2023-03-31 | 2023-05-02 | 国网新源集团有限公司 | 一种基于智能识别的火工品运输监管系统 |
CN116050715A (zh) * | 2023-03-31 | 2023-05-02 | 山东联腾电子科技有限公司 | 一种森林防护防火安全监管系统 |
-
2022
- 2022-12-27 CN CN202211679414.2A patent/CN115861937A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115877115A (zh) * | 2023-02-27 | 2023-03-31 | 山东欧通信息科技有限公司 | 基于大数据的弱电设备安装用安全检测系统 |
CN116050972A (zh) * | 2023-03-31 | 2023-05-02 | 国网新源集团有限公司 | 一种基于智能识别的火工品运输监管系统 |
CN116050715A (zh) * | 2023-03-31 | 2023-05-02 | 山东联腾电子科技有限公司 | 一种森林防护防火安全监管系统 |
CN116050972B (zh) * | 2023-03-31 | 2023-06-09 | 国网新源集团有限公司 | 一种基于智能识别的火工品运输监管系统 |
CN116050715B (zh) * | 2023-03-31 | 2024-01-05 | 山东联腾电子科技有限公司 | 一种森林防护防火安全监管系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115861937A (zh) | 基于ai图像识别和深度学习的带式输送机智能监控系统 | |
CN107433962B (zh) | 一种用于轨道交通故障监控与智能预警的方法和系统 | |
CN114333245B (zh) | 一种基于滑坡立体监测的多参数模型动态预警方法 | |
CN111536429B (zh) | 一种基于决策融合的油气管道预警系统及预警方法 | |
CN110619587B (zh) | 一种基坑监测智能预警和数据存证的方法及系统 | |
CN106990109B (zh) | 一种基于多摄像头判定的井下皮带异物检测系统及方法 | |
CN113682763A (zh) | 一种煤流运输智能调速、异物识别系统 | |
CN104670845A (zh) | 皮带运输机堆积、撕裂智能检测装置 | |
Horspool et al. | ShakeMapNZ: Informing post‐event decision making | |
CN105569732A (zh) | 基于图像和水文数据监测的煤矿水灾报警方法 | |
CN115376296A (zh) | 一种基于工业互联网的生产故障预警系统 | |
CN115394060A (zh) | 基于互联网的煤矿综采工作面ai视频智能监控系统 | |
CN113781283B (zh) | 煤炭装车运输安全监管系统 | |
CN214409649U (zh) | 一种基于红外辐射特征的煤自燃监控预测系统 | |
CN110779614B (zh) | 基于分布式光纤传感的海缆锚害监测定位方法及系统 | |
CN204489907U (zh) | 皮带运输机堆积、撕裂智能检测装置 | |
CN111126192A (zh) | 一种基于深度学习煤矿井下物体状态识别系统 | |
CN108732647B (zh) | 风暴潮预报方法 | |
CN115471796A (zh) | 一种基于机器视觉的电网工程监理系统及方法 | |
CN115615478A (zh) | 一种区域地质灾害趋势预测方法 | |
CN108597166A (zh) | 一种采石场安全监控系统和方法 | |
CN204389405U (zh) | 钢轨损伤探测推车 | |
CN112636233A (zh) | 一种海上风电海缆运维工艺 | |
CN107368053B (zh) | 一种基于集散控制系统的生产线停机反馈系统 | |
CN116050938B (zh) | 一种基于数据分析的煤矿运输安全监管系统 |
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: 20230328 |