一、行业背景与技术挑战
煤矿带式输送系统是原煤运输的核心环节。落料口、转载点的堵料事故直接导致产线停滞、设备损坏及物料浪费;洒煤、堆煤、皮带跑偏、异物侵入等问题同样威胁生产安全。传统人工巡检反应滞后、漏检率高。
二、系统总体架构
采用“边缘端实时感知 + 云端智能决策”混合架构,分为四层:
- 感知层:部署矿用高清摄像仪、3D雷达、激光扫描仪、红外热成像及各类传感器,监测皮带跑偏、大块异物、声音、温度、振动。
- AI算法层:以PyTorch/YOLO为核心,构建轻量化煤流堵塞检测模型。采用Star-YOLOv8,用StarNet替换主干网络增强井下特征提取并降低参数量,引入上下文星型融合模块强化多维度特征融合,采用权重共享检测头压缩计算量。
- 控制决策层:基于矿山系统的智能煤流全过程自适应控制,通过AI摄像头感知煤量,实现“煤多快转、煤少缓运、无煤待机”的自适应调速。
- 管控平台层:统一智能管控平台,对各子系统数据进行采集、分析、诊断、预警、决策。
三、核心技术模块
(一)轻量化煤流堵塞检测
依托视频监控系统,提出Star-YOLOv8算法。主干网络采用StarNet替代传统模式,专为井下低照度、高粉尘图像设计,参数量减少1.2M,计算量降低2.714 GFLOPs。引入上下文星型融合模块,在特征金字塔中融合多尺度上下文信息,使模型对大块煤和缓慢堆煤的响应更敏感。检测头采用权重共享策略,单帧检测速度提升0.075 ms。在行业标准下平均精度提升4.57%,检测精度提高1.06%,实现了井下刮板输送机煤流堵塞的实时预警。
(二)立体视觉三维煤流监测
基于立体视觉构建智能煤流监测系统,由高清工业摄像机、嵌入式计算平台、流量监测平台组成。通过左右图像视差计算煤流表面深度信息,重建三维轮廓,精确计算瞬时煤流量和累积煤量。煤量统计误差≤5%,堆煤高度检测达毫米级,左右皮带边缘定位精度毫米级,检测周期秒级。系统适配平直型、U型、V型输送机,抗强光、反光干扰,适应井下低照度、高粉尘环境。该技术同时实现堆煤监测、块煤监测、异物监测、跑偏监测、撕裂监测,一套硬件解决多个痛点。
(三)防卡堵溃与防洒煤控制
智能煤流系统集成煤流量检测、智能仓位、煤流均衡、煤流调速、防卡堵溃等子系统。煤流量检测通过AI算法成像得出瞬时煤流量;智能仓位采集仓位信息控制皮带机启停,实现煤流均衡;煤流调速根据煤流量调节皮带机或给煤机速度,避免过快导致洒煤、过慢导致堆积;防卡堵溃通过逻辑判断(如连续检测到堆煤信号或仓位异常)实现报警。在煤仓关键位置安装声波清仓装置,可远程智能化疏通,仓位波动幅度控制在±5%以内。料仓堵仓、蓬仓风险的早期识别采用“AI视觉识别+3D成像算法”预测协同方案。
(四)AI视觉多目标联合检测
在皮带机搭接转载点、重点监控点设置云台摄像仪,通过数字图像处理和AI识别,同时监测皮带跑偏、堆煤、异物、人员闯入。针对井下光照不均,采用自适应直方图均衡和局部对比度增强预处理。异物识别模型专门训练铁器(锚杆、角钢)等非煤异物,检测准确率≥98%;皮带撕裂检测通过分析纵向条纹断裂特征,准确率≥90%。
四、系统部署方案
- 智能闸口与转载点:部署矿用本安型除尘摄像仪和皮带跑偏识别装置。
- 煤流运输线:AI辅助煤流运输系统24小时在线监测皮带跑偏、堆煤、异物迹象,秒级响应。
- 集中管控平台:煤矿视觉AI一体化管控平台,视频传输延迟低于200毫秒。