矿山井下风门识别及其异常状态监测方法与流程

[0001]
本发明涉及监测方法技术领域，具体为矿山井下风门识别及其异常状态监测方法。


背景技术：

[0002]
矿山井下风门的作用有以下几点：
[0003]
1、供给井下足够的新鲜空气，满足人员对氧气的需要。
[0004]
2、冲淡井下有毒有害气体和粉尘，保证安全生产。
[0005]
3、调节井下气候，创造良好的工作环境。
[0006]
4、控制风流。矿井通风系统是由通风机和通风网络两部分组成。风流由入风井口进入矿井后，经过井下各用风场所，然后进入回风井，由回风井排出矿井，风流所经过的整个路线称为矿井通风系统。
[0007]
如果风门长时间未关闭，会导致风流不按矿山设计方案运行，导致其他地方出现风压不足、无风的情况，使井下工人不能获得足够氧气，造成缺氧性休克、死亡等事故。
[0008]
目前井下风门使用传感器监测开关状态，可以获得风门开关信号，但是传感器只能传递开关信号，不能获取画面，会存在误报的情况，如风门已关闭，但是传感器获得的数据依然是开启状态，不能实现报警并提供视频数据给管理人员，在看到传感器发出的开关信号后，管理人员需调取视频监控或下井查看，给管理人员带来困扰。
[0009]
现在还没有其他项目对此提出解决办法。


技术实现要素：

[0010]
本发明要解决的技术问题是克服现有技术的缺陷，提供矿山井下风门识别及其异常状态监测方法。
[0011]
为了解决上述技术问题，本发明提供了如下的技术方案：
[0012]
本发明作为优选，包括以下步骤：
[0013]
(1)、井下风门损坏监测包括以下步骤：
[0014]
s11.在系统中给摄像头配置算法模型；
[0015]
s12.系统自动将摄像头信息下发到算法服务；
[0016]
s13.算法服务对摄像头实时监控视频进行计算分析；
[0017]
s14.在摄像头发现风门被损坏后，发送风门损坏信息；
[0018]
s15.录制最近风门正常的时间到发现损坏后15秒的视频，合并到第4条的报警信息中；
[0019]
s16.报警信息会一直持续，持续发送报警信息，直到风门被修复。
[0020]
(2)、井下风门开启时间过长监测包括以下步骤：
[0021]
s21.在系统中给摄像头配置算法模型和允许开启时长；
[0022]
s22.系统自动将摄像头信息下发到算法服务；
[0023]
s23.算法服务对摄像头实时监控视频进行计算分析；
[0024]
s24.在摄像头发现风门开启后，开始对风门开启状态计时；
[0025]
s25.如果风门关闭，则停止计时，回到第3步；
[0026]
s26.风门开启时间超过允许时长，则发出报警信息，为了报警信息及时性，先发送不带视频的风门被损坏的报警信息；
[0027]
s27.录制风门实时状态视频，合并到第6条的报警信息中；
[0028]
s28.报警信息会一直持续，直到风门被关闭；
[0029]
s29.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；
[0030]
s210.如果出现系统误报，系统自动将此事件记录入误报数据库中。
[0031]
作为优选，所述步骤s15中，当风门损坏异常时，录制最近风门正常的时间到发现损坏后15秒的视频，合并到第s14条的报警信息中。
[0032]
作为优选，所述步骤(2)中的算法嵌入到前端摄像头中，对风门开关状态监测。
[0033]
作为优选，所述步骤(1)中的s14发送的为不带视频的风门被损坏的报警信息，以确保报警信息及时性。
[0034]
作为优选，所述步骤s14中，算法服务检测到风门开启后，开始对风门开启状态计时，当计时时长超过风门允:许开启时长则判定为风门开启过久异常，此时发送异常报警信息。
[0035]
作为优选，所述步骤s14中，算法服务检测到风门开启后，开始对风门开启状态计时，若计时时长未超过风门介.许开启时长，则判定为风门开启正常，不发送异常报警信息。
[0036]
作为优选，所述步骤s16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，如果出现系统误报，系统自动将此事件记录入误报数据库中。
[0037]
作为优选，所述步骤s27中报警信息会一直持续，直到风门被关闭，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，如果出现系统误报，系统自动将此事件记录入误报数据库中。
[0038]
作为优选，井下风门和风门状态识别算法的步骤如下：
[0039]
s31.根据风门监控视频中的正常情景和异常情景建立对应的算法模型，包括风门的目标检测模型和风门的分类模型。
[0040]
s32.根据监控视频的内容准备算法对应的数据集；风门检测算法标出风门在图像中的具体位置信息，风门分类算法将风门截图并标示当前风门的状态是打开还是关闭。
[0041]
s33.风门的检测算法，通过数据集内的标注情况，获取风门在图像中的锚点，包含风门在图像中的位置坐标作为标签信息，输入图像通过多个多层卷积神经网络提取不同尺度的风门特征信息，组合得到整体特征，经过全连接层输出风门的位置坐标，概率值。当概率值大于0.5时，保留当前预测。
[0042]
s34.通过坐预测框与标注数据框的iou比值可以判定预测效果是否好,整个模型的损失函数为：
[0043][0044]
s5.对于检测到的风门，使用分类算法进行分类，将风门的状态分为关闭和打开两个状态进行数据标注，通过残差网络提取特征输出0或1，分别代表关闭和打开两个状态，与标注的情况进行对比，对比用的交叉熵损失函数，
[0045][0046]
本发明所达到的有益效果是：
[0047]
1、实时监测井下风门状态，可以根据实际需要设置风门最长开启时间，一旦风门开启时间超过设定值立即发出报警信息，报警信息中有风门位置、风门状态、视频等信息，可以使管理人员不用一直关注风门监控画面和传感器系统，在得到报警信息后可以查看视频直接进行人工判定，判断报警信息是否为真实有效信息。节约查看监控画面的人工，同时也可以不用再下井查看，提升管理人员安全性。同时还可以做到风门损坏监测，比如被胶轮车撞开，能记录风门被撞的过程以及结果，在提升安全性的同时，还能做到时候追责。
[0048]
2、系统会有明显强烈的报警提示，让管理人员不会遗漏每一条报警信息，保证每一条报警消息都能得到管理人员的关注，从而避免事故的发生。
附图说明
[0049]
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：
[0050]
图1是本发明的井下风门损坏监测步骤流程示意图；
[0051]
图2是本发明的井下风门开启时间过长监测步骤流程示意图。
具体实施方式
[0052]
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。
[0053]
实施例
[0054]
如图1-2所示，本发明提供其中，包括以下步骤：
[0055]
(1)、井下风门损坏监测包括以下步骤：
[0056]
s11.在系统中给摄像头配置算法模型；
[0057]
s12.系统自动将摄像头信息下发到算法服务；
[0058]
s13.算法服务对摄像头实时监控视频进行计算分析；
[0059]
s14.在摄像头发现风门被损坏后，发送风门损坏信息；
[0060]
s15.录制最近风门正常的时间到发现损坏后15秒的视频，合并到第4条的报警信息中；
[0061]
s16.报警信息会一直持续，持续发送报警信息，直到风门被修复。
[0062]
(2)、井下风门开启时间过长监测包括以下步骤：
[0063]
s21.在系统中给摄像头配置算法模型和允许开启时长；
[0064]
s22.系统自动将摄像头信息下发到算法服务；
[0065]
s23.算法服务对摄像头实时监控视频进行计算分析；
[0066]
s24.在摄像头发现风门开启后，开始对风门开启状态计时；
[0067]
s25.如果风门关闭，则停止计时，回到第3步；
[0068]
s26.风门开启时间超过允许时长，则发出报警信息，为了报警信息及时性，先发送不带视频的风门被损坏的报警信息；
[0069]
s27.录制风门实时状态视频，合并到第6条的报警信息中；
[0070]
s28.报警信息会一直持续，直到风门被关闭；
[0071]
s29.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；
[0072]
s210.如果出现系统误报，系统自动将此事件记录入误报数据库中。
[0073]
其中，所述步骤s15中，当风门损坏异常时，录制最近风门正常的时间到发现损坏后15秒的视频，合并到第s14条的报警信息中。
[0074]
其中，所述步骤(2)中的算法嵌入到前端摄像头中，对风门开关状态监测。
[0075]
其中，所述步骤(1)中的s14发送的为不带视频的风门被损坏的报警信息，以确保报警信息及时性。
[0076]
其中，所述步骤s14中，算法服务检测到风门开启后，开始对风门开启状态计时，当计时时长超过风门允:许开启时长则判定为风门开启过久异常，此时发送异常报警信息。
[0077]
其中，所述步骤s14中，算法服务检测到风门开启后，开始对风门开启状态计时，若计时时长未超过风门介.许开启时长，则判定为风门开启正常，不发送异常报警信息。
[0078]
其中，所述步骤s16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，如果出现系统误报，系统自动将此事件记录入误报数据库中。
[0079]
其中，所述步骤s27中报警信息会一直持续，直到风门被关闭，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，如果出现系统误报，系统自动将此事件记录入误报数据库中。
[0080]
其中，井下风门和风门状态识别算法的步骤如下：
[0081]
s31.根据风门监控视频中的正常情景和异常情景建立对应的算法模型，包括风门的目标检测模型和风门的分类模型。
[0082]
s32.根据监控视频的内容准备算法对应的数据集；风门检测算法标出风门在图像中的具体位置信息，风门分类算法将风门截图并标示当前风门的状态是打开还是关闭。
[0083]
s33.风门的检测算法，通过数据集内的标注情况，获取风门在图像中的锚点，包含风门在图像中的位置坐标作为标签信息，输入图像通过多个多层卷积神经网络提取不同尺度的风门特征信息，组合得到整体特征，经过全连接层输出风门的位置坐标，概率值。当概率值大于0.5时，保留当前预测。
[0084]
s34.通过坐预测框与标注数据框的iou比值可以判定预测效果是否好,整个模型的损失函数为：
[0085][0086]
s5.对于检测到的风门，使用分类算法进行分类，将风门的状态分为关闭和打开两个状态进行数据标注，通过残差网络提取特征输出0或1，分别代表关闭和打开两个状态，与标注的情况进行对比，对比用的交叉熵损失函数，
[0087][0088]
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。