Nothing Special   »   [go: up one dir, main page]

CN117523474A - 一种煤矿掘进人员安全监控方法 - Google Patents

一种煤矿掘进人员安全监控方法 Download PDF

Info

Publication number
CN117523474A
CN117523474A CN202311352338.9A CN202311352338A CN117523474A CN 117523474 A CN117523474 A CN 117523474A CN 202311352338 A CN202311352338 A CN 202311352338A CN 117523474 A CN117523474 A CN 117523474A
Authority
CN
China
Prior art keywords
personnel
mine
time period
area
divided area
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.)
Pending
Application number
CN202311352338.9A
Other languages
English (en)
Inventor
陈志文
朱东阁
刘亚峰
段昌桂
张佳伟
王赞
杨久保
张尧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Coal No 3 Construction Group Co Ltd
Original Assignee
China Coal No 3 Construction Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Coal No 3 Construction Group Co Ltd filed Critical China Coal No 3 Construction Group Co Ltd
Priority to CN202311352338.9A priority Critical patent/CN117523474A/zh
Publication of CN117523474A publication Critical patent/CN117523474A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311Scheduling, planning or task assignment for a person or group
    • G06Q10/063114Status monitoring or status determination for a person or group
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02Agriculture; Fishing; Forestry; Mining
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/25Determination of region of interest [ROI] or a volume of interest [VOI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161Detection; Localisation; Normalisation
    • G06V40/166Detection; Localisation; Normalisation using acquisition arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Educational Administration (AREA)
  • Human Computer Interaction (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Primary Health Care (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种煤矿掘进人员安全监控方法,本发明通过将矿井下划分为多个区域,并设定多个区域的比重,对各划分区域内的各人员活动行为与预设的多个违规行为动作进行匹配,得到对应区域各人员的违规行为动作,对各划分区域的人员头部图像信息进行分析,并与预设的安全帽佩戴图像进行匹配,得到对应区域的人员安全评估指数,对各划分区域内的人员面部信息进行采集并进行匹配,并调取该人员之前的面部采集信息进行分析得到人员状态评估指数,通过对以上参数进行综合分析,可以反映出在对应区域内的人员风险程度,实现监控智能化的同时提高了安全性。

Description

一种煤矿掘进人员安全监控方法
技术领域
本申请涉及煤矿安全技术领域,尤其是涉及一种煤矿掘进人员安全监控方法。
背景技术
为避免煤矿安全事故的发生,很多煤矿企业都加强了对安全生产的重视。
但在实际煤矿掘进作业对人员安全进行监控的过程中还存在以下问题:
1、一般只能通过人工利用视频摄像头对矿井内的各区域进行实时监控,需要人工进行实时的监测,容易存在误差性,不能对矿井下各划分区域内的各人员活动片段进行分析,从而判断人员是否存在违规行为,并进行相应的预警,监控安全智能化程度较低;
2、在考虑人员活动行为的同时,不能与人员所处矿井的环境因素进行综合分析,考虑的因素较为单一,导致安全隐患依然较高。
为此,推出一种煤矿掘进人员安全监控方法。
发明内容
为了解决现有技术中人员安全监控不能对矿井下各划分区域内的各人员活动片段进行分析,从而判断人员是否存在违规行为,并进行相应预警的问题,本申请提供一种煤矿掘进人员安全监控方法。
本申请提供的一种煤矿掘进人员安全监控方法采用如下的技术方案:一种煤矿掘进人员安全监控方法,包括:
S1:对矿井监控时间段内各划分区域的人员行为与工作状态进行分析得到各划分区域的人员隐患评估指数PHj,具体为:
利用矿井下各划分区域所安装的监控摄像头对各划分区域的各人员活动行为进行监控,将各人员活动行为与预设的多个违规行为动作进行匹配,从而得到对应区域内各人员的违规行为动作,设定每个违规行为动作分别对应一个违规评估指数,将各人员的违规行为动作与设定的违规指数进行匹配得到各人员的违规指数,将对应区域内的各人员违规指数之间进行相加得到违规总指数ZKj;对各划分区域内的各人员头部图像信息进行采集,并与预设的安全帽佩戴图像进行匹配,统计各划分区域内的人员未佩戴安全帽数量得到人员安全评估指数ZPj;
利用监控摄像头对各划分区域的人员面部信息进行采集,并将各人员的面部信息进行匹配,得到该员工的在岗信息,在每次采集到员工的面部信息时,与上一次记录的面部信息进行比对,若匹配成功,则更新该员工最后一次进入对应区域的时间戳,直至匹配失败,根据该员工最后一次进入的时间戳与现时刻之间进行时刻差计算得到对应员工的连续工作时长,将各员工的连续工作时长与预设的阈值之间进行比对,统计超出阈值的员工数量得到人员状态评估指数ZEj;
将矿井监控时间段内对应区域的违规总指数ZKj、人员安全评估指数ZPj以及人员状态评估指数ZEj代入公式进行计算得到人员隐患评估指数PHj,其中FMj、FHj以及FDj分别为矿井各划分区域所对应的违规总指数阈值、人员安全评估指数阈值以及人员状态评估指数阈值,ou1、ou2以及ou3分别为违规总指数ZKj、人员安全评估指数ZPj以及人员状态评估指数ZEj的影响权重因子,EKj为预设的矿井各划分区域所对应的比重系数。
可选的,S2:对矿井监控时间段内各划分区域的人员数量进行分析得到各划分区域的人员数量评估指数PUj,将矿井监控时间段内各划分区域的人员隐患评估指数PHj与人员数量评估指数PUj之间进行归一化处理得到人员风险评估指数HTj,具体为:
利用监控摄像头对矿井监控时间段内各划分区域的人员数量进行获取,得到监控时间段各划分区域的总人数;将监控时间段内各划分区域的环境隐患评估指数匹配对预设的取值范围内,设定每个取值范围分别对应一个可容纳人数,得到该监控时间段内对应区域的可容纳人数,将总人数与可容纳人数之间进行比对,根据比对的结果进行进一步分析得到矿井对应监控时间段的人员数量评估指数HPj,具体为:
代入公式进行计算得到矿井下对应此监控时间段内各划分区域的人员隐患评估指数PUj,其中ey1为矿井下总人数XP与可容纳人数XQ差值的影响权重因子;
将矿井监控时间段内各划分区域的人员隐患评估指数PHj与人员数量评估指数PUj之间代入公式HTj=(PHj×eg1+PUj×eg2)×α,进行计算得到各划分区域的人员风险评估指数HTj,其中eg1和eg2分别为各划分区域内人员隐患评估指数PHj与人员数量评估指数PUj的影响权重因子,α为预设的修正因子。
可选的,S3:对矿井监控时间段内各划分区域的温度、煤尘浓度以及瓦斯浓度进行分析得到各划分区域的区域环境评估指数QYj,具体为:
利用温度传感器对矿井监控时间段内各划分区域的温度数值进行检测,得到矿井对应该监控时间段内各时间点的温度数值,将各划分区域内各时间点的温度数值代入折线图内表示,绘制温度数值对应在折线图内的数值点,连接相邻两个数值点得到数值斜线,计算每段数值斜线与水平线之间的夹角,当数值斜线与水平线之间的夹角为锐角时,将该数值斜线标记为第一斜线,当数值斜线与水平线之间的夹角为钝角时,将该数值斜线标记为第二斜线,分别将第一斜线与第二斜线作为矩形的对角线构建矩形,并分别计算各个矩形的面积,将所有第一斜线构建的矩形面积之间进行相加得到第一变值DAj,将所有第二斜线构建的矩形面积之间进行相加得到第二变值DBj,通过第二变值DBj与第一变值DAj之间的比值得到矿井对应该监控时间段内各划分区域的温变比KFj;
利用煤尘检测仪器对矿井监控时间段内各划分区域的煤尘浓度进行监测,得到矿井对应该监控时间段内各时间点的煤尘浓度,将各划分区域内各时间点的煤尘浓度代入曲线图内表示,在曲线图内绘制各划分区域对应煤尘浓度阈值的阈值线,当煤尘浓度曲线高于阈值线时,计算煤尘浓度曲线与阈值线之间构成的阴影面积,同时统计构成的阴影面积个数CBj,将构成的阴影面积之间进行相加得到阴影总面积CAj,对各划分区域的阴影总面积CAj和阴影面积个数CBj之间代入公式YAj=CAj×s1+CBj×s2,进行计算得到煤尘超值YAj,其中s1和s2分别为各划分区域阴影总面积CAj和阴影面积个数CBj的影响权重因子,同时获取各阴影面积所对应的持续时长并进行相加得到超出时长YBj,对各划分区域的煤尘超值YAj、超出时长YBj以及最高浓度值YCj三者之间代入公式进行计算得到煤尘变值KLj,其中a1、a2以及a3分别为各划分区域煤尘超值YAj、超出时长YBj以及最高浓度值YCj的影响权重因子;
利用瓦斯浓度传感器对矿井监控时间段内各划分区域的瓦斯浓度进行监测,得到各划分区域在对应监控时间段内的最高瓦斯浓度值KTj;
将矿井下各划分区域监控时间段内的温变比KFj、煤尘变值KLj以及最高瓦斯浓度值KTj三者之间代入公式进行计算得到对应区域的区域环境评估指数QYj;
其中KAj、KBj以及KCj分别为对应各划分区域内的温变比允许阈值、煤尘变值允许阈值以及最高瓦斯浓度阈值,d1、d2以及d3分别为各划分区域内温变比KFj、煤尘变值KLj以及最高瓦斯浓度值KTj的影响权重因子,μ为预设的修正因子。
可选的,S4:对矿井监控时间段内各运行设备的使用情况进行分析得到各运行设备的设备使用评估指数SBi,对矿井下各运行设备所属划分区域进行获取,并将所处对应区域内的设备使用评估指数SBi与区域环境评估指数QYj之间进行归一化处理得到矿井监控时间段内各划分区域的环境隐患评估指数HVY,具体为:
从矿井下各运行设备的历史记录日志内获取各运行设备每次作业的运行时长,将对应设备每次的运行时长之间进行相加并去均值得到平均作业时长PAi;获取矿井下各运行设备上次的维护日期,将对应设备上次的维护日期与现时刻之间进行时间差计算得到维护时长PBi;同时获取矿井下各运行设备的已使用年限PCi以及维修次数PDi;
对矿井下各运行设备的平均作业时长PAi、维护时长PBi、已使用年限PCi以及维修次数PDi之间代入公式SBi=PAi×e1+PBi×e2+PCi×e3+PDi×e4,进行计算得到设备使用评估指数SBi,其中e1、e2、e3以及e4分别为各运行设备平均作业时长PAi、维护时长PBi、已使用年限PCi以及维修次数PDi的影响权重因子;
对矿井下各运行设备所处划分区域进行获取,将所处对应区域内的设备使用评估指数SBi与区域环境评估指数QYj之间代入公式进行计算得到矿井监控时间段内各划分区域的环境隐患评估指数HVj,其中k为各划分区域内的运行设备总数,df1和df2分别为各划分区域设备使用评估指数SBi与区域环境评估指数QYj的影响权重因子。
可选的,S5:对矿井监控时间段内各划分区域的人员风险评估指数HTj与环境隐患评估指数之间进行综合分析得到人员所处划分区域的危险等级评估指数,并将得到的危险等级评估指数代入预设的取值范围内,得到矿井对应划分区域在该监控时间段内的预警等级,根据得到的预警等级生成对应的指令并执行对应的操作,具体为:
将矿井监控时间段内各划分区域的人员风险评估指数HTj和环境隐患评估指数HVj之间进行归一化处理之间代入公式进行计算得到矿井对应监控时间段内各划分区域的危险等级评估指数WXj,其中LAj和LBj分别为各划分区域的人员风险评估指数允许阈值和环境隐患评估指数允许阈值,vc1和vc2分别为各划分区域的人员风险评估指数HTj和环境隐患评估指数HVj的影响权重因子;
将得到的危险等级评估指数WXH代入预设的取值范围内,生成对应得到预警等级,并将生成的预警等级进行显示。
综上所述,本申请包括以下至少一种有益技术效果:
本发明通过将矿井下划分为多个区域,并设定多个区域的比重,对各划分区域内的各人员活动行为与预设的多个违规行为动作进行匹配,得到对应区域各人员的违规行为动作,对各划分区域的人员头部图像信息进行分析,并与预设的安全帽佩戴图像进行匹配,得到对应区域的人员安全评估指数,对各划分区域内的人员面部信息进行采集并进行匹配,并调取该人员之前的面部采集信息进行分析得到人员状态评估指数,通过对以上参数进行综合分析,可以反映出在对应区域内的人员风险程度,实现监控智能化的同时提高了安全性;
本发明通过在对人员风险程序进行分析的基础上,对人员所处环境的各项因素进行综合,得到人员所处划分区域的危险等级评估指数,根据得到的危险等级评估指数,可以反映人员在对应区域内的危险程度,从而根据危险等级评估指数发出对应预警显示,对风险进行及时的规避,减少安全事故的产生。
附图说明
在下面结合附图对于示例性实施例的描述中,本申请的更多细节、特征和优点被公开,在附图中:
图1为本发明的流程图;
图2为本发明中温度变化折线图;
图3为本发明中煤尘浓度变化曲线图。
具体实施方式
下面将参照附图更详细地描述本申请的若干个实施例以便使得本领域技术人员能够实现本申请。本申请可以体现为许多不同的形式和目的并且不应局限于本文所阐述的实施例。提供这些实施例以使得本申请全面且完整,并充分地向本领域技术人员传达本申请的范围。所述实施例并不限定本申请。
除非另有定义,本文中使用的所有术语(包括技术术语和科学术语)具有与本申请所属领域的普通技术人员所通常理解的相同含义。将进一步理解的是,诸如那些在通常使用的字典中定义的之类的术语应当被解释为具有与其在相关领域和/或本说明书上下文中的含义相一致的含义,并且将不在理想化或过于正式的意义上进行解释,除非本文中明确地如此定义。
实施例
请参阅图1-图3所示,一种煤矿掘进人员安全监控方法,包括:
S1:对矿井监控时间段内各划分区域的人员行为与工作状态进行分析得到各划分区域的人员隐患评估指数PHj,具体为:
利用矿井下各划分区域所安装的监控摄像头对各划分区域的各人员活动行为进行监控,将各人员活动行为与预设的多个违规行为动作进行匹配,从而得到对应区域内各人员的违规行为动作,设定每个违规行为动作分别对应一个违规评估指数,将各人员的违规行为动作与设定的违规指数进行匹配得到各人员的违规指数,将对应区域内的各人员违规指数之间进行相加得到违规总指数ZKj;对各划分区域内的各人员头部图像信息进行采集,并与预设的安全帽佩戴图像进行匹配,统计各划分区域内的人员未佩戴安全帽数量得到人员安全评估指数ZPj;
需要说明的是,人员的违规行为工作包括但不局限于,吸烟、未按规定的路线移动、逾越安全围栏。
利用监控摄像头对各划分区域的人员面部信息进行采集,并将各人员的面部信息进行匹配,得到该员工的在岗信息,在每次采集到员工的面部信息时,与上一次记录的面部信息进行比对,若匹配成功,则更新该员工最后一次进入对应区域的时间戳,直至匹配失败,根据该员工最后一次进入的时间戳与现时刻之间进行时刻差计算得到对应员工的连续工作时长,将各员工的连续工作时长与预设的阈值之间进行比对,统计超出阈值的员工数量得到人员状态评估指数ZEj;
将矿井监控时间段内对应区域的违规总指数ZKj、人员安全评估指数ZPj以及人员状态评估指数ZEj代入公式进行计算得到人员隐患评估指数PHj,其中FMj、FHj以及FDj分别为矿井各划分区域所对应的违规总指数阈值、人员安全评估指数阈值以及人员状态评估指数阈值,ou1、ou2以及ou3分别为违规总指数ZKj、人员安全评估指数ZPj以及人员状态评估指数ZEj的影响权重因子,EKj为预设的矿井各划分区域所对应的比重系数。
S2:对矿井监控时间段内各划分区域的人员数量进行分析得到各划分区域的人员数量评估指数PUj,将矿井监控时间段内各划分区域的人员隐患评估指数PHj与人员数量评估指数PUj之间进行归一化处理得到人员风险评估指数HTj,具体为:
利用监控摄像头对矿井监控时间段内各划分区域的人员数量进行获取,得到监控时间段各划分区域的总人数;将监控时间段内各划分区域的环境隐患评估指数匹配对预设的取值范围内,设定每个取值范围分别对应一个可容纳人数,得到该监控时间段内对应区域的可容纳人数,将总人数与可容纳人数之间进行比对,根据比对的结果进行进一步分析得到矿井对应监控时间段的人员数量评估指数HPj,具体为:
代入公式进行计算得到矿井下对应此监控时间段内各划分区域的人员隐患评估指数PUj,其中ey1为矿井下总人数XP与可容纳人数XQ差值的影响权重因子;
将矿井监控时间段内各划分区域的人员隐患评估指数PHj与人员数量评估指数PUj之间代入公式HTj=(PHj×eg1+PUj×eg2)×α,进行计算得到各划分区域的人员风险评估指数HTj,其中eg1和eg2分别为各划分区域内人员隐患评估指数PHj与人员数量评估指数PUj的影响权重因子,α为预设的修正因子。
S3:对矿井监控时间段内各划分区域的温度、煤尘浓度以及瓦斯浓度进行分析得到各划分区域的区域环境评估指数QYj,具体为:
利用温度传感器对矿井监控时间段内各划分区域的温度数值进行检测,得到矿井对应该监控时间段内各时间点的温度数值,将各划分区域内各时间点的温度数值代入折线图内表示,绘制温度数值对应在折线图内的数值点,连接相邻两个数值点得到数值斜线,计算每段数值斜线与水平线之间的夹角,当数值斜线与水平线之间的夹角为锐角时,将该数值斜线标记为第一斜线,当数值斜线与水平线之间的夹角为钝角时,将该数值斜线标记为第二斜线,分别将第一斜线与第二斜线作为矩形的对角线构建矩形,并分别计算各个矩形的面积,将所有第一斜线构建的矩形面积之间进行相加得到第一变值DAj,将所有第二斜线构建的矩形面积之间进行相加得到第二变值DBj,通过第二变值DBj与第一变值DAj之间的比值得到矿井对应该监控时间段内各划分区域的温变比KFj;
利用煤尘检测仪器对矿井监控时间段内各划分区域的煤尘浓度进行监测,得到矿井对应该监控时间段内各时间点的煤尘浓度,将各划分区域内各时间点的煤尘浓度代入曲线图内表示,在曲线图内绘制各划分区域对应煤尘浓度阈值的阈值线,当煤尘浓度曲线高于阈值线时,计算煤尘浓度曲线与阈值线之间构成的阴影面积,同时统计构成的阴影面积个数CBj,将构成的阴影面积之间进行相加得到阴影总面积CAj,对各划分区域的阴影总面积CAj和阴影面积个数CBj之间代入公式YAj=CAj×s1+CBj×s2,进行计算得到煤尘超值YAj,其中s1和s2分别为各划分区域阴影总面积CAj和阴影面积个数CBj的影响权重因子,同时获取各阴影面积所对应的持续时长并进行相加得到超出时长YBj,对各划分区域的煤尘超值YAj、超出时长YBj以及最高浓度值YCj三者之间代入公式进行计算得到煤尘变值KLj,其中a1、a2以及a3分别为各划分区域煤尘超值YAj、超出时长YBj以及最高浓度值YCj的影响权重因子;
利用瓦斯浓度传感器对矿井监控时间段内各划分区域的瓦斯浓度进行监测,得到各划分区域在对应监控时间段内的最高瓦斯浓度值KTj;
将矿井下各划分区域监控时间段内的温变比KFj、煤尘变值KLj以及最高瓦斯浓度值KTj三者之间代入公式进行计算得到对应区域的区域环境评估指数QYj;
其中KAj、KBj以及KCj分别为对应各划分区域内的温变比允许阈值、煤尘变值允许阈值以及最高瓦斯浓度阈值,d1、d2以及d3分别为各划分区域内温变比KFj、煤尘变值KLj以及最高瓦斯浓度值KTj的影响权重因子,μ为预设的修正因子。
S4:对矿井监控时间段内各运行设备的使用情况进行分析得到各运行设备的设备使用评估指数SBi,对矿井下各运行设备所属划分区域进行获取,并将所处对应区域内的设备使用评估指数SBi与区域环境评估指数QYj之间进行归一化处理得到矿井监控时间段内各划分区域的环境隐患评估指数HVY,具体为:
从矿井下各运行设备的历史记录日志内获取各运行设备每次作业的运行时长,将对应设备每次的运行时长之间进行相加并去均值得到平均作业时长PAi;获取矿井下各运行设备上次的维护日期,将对应设备上次的维护日期与现时刻之间进行时间差计算得到维护时长PBi;同时获取矿井下各运行设备的已使用年限PCi以及维修次数PDi;
对矿井下各运行设备的平均作业时长PAi、维护时长PBi、已使用年限PCi以及维修次数PDi之间代入公式SBi=PAi×e1+PBi×e2+PCi×e3+PDi×e4,进行计算得到设备使用评估指数SBi,其中e1、e2、e3以及e4分别为各运行设备平均作业时长PAi、维护时长PBi、已使用年限PCi以及维修次数PDi的影响权重因子;
对矿井下各运行设备所处划分区域进行获取,将所处对应区域内的设备使用评估指数SBi与区域环境评估指数QYj之间代入公式进行计算得到矿井监控时间段内各划分区域的环境隐患评估指数HVj,其中k为各划分区域内的运行设备总数,df1和df2分别为各划分区域设备使用评估指数SBi与区域环境评估指数QYj的影响权重因子。
S5:对矿井监控时间段内各划分区域的人员风险评估指数HTj与环境隐患评估指数之间进行综合分析得到人员所处划分区域的危险等级评估指数,并将得到的危险等级评估指数代入预设的取值范围内,得到矿井对应划分区域在该监控时间段内的预警等级,根据得到的预警等级生成对应的指令并执行对应的操作,具体为:
将矿井监控时间段内各划分区域的人员风险评估指数HTj和环境隐患评估指数HVj之间进行归一化处理之间代入公式进行计算得到矿井对应监控时间段内各划分区域的危险等级评估指数WXj,其中LAj和LBj分别为各划分区域的人员风险评估指数允许阈值和环境隐患评估指数允许阈值,vc1和vc2分别为各划分区域的人员风险评估指数HTj和环境隐患评估指数HVj的影响权重因子;
将得到的危险等级评估指数WXH代入预设的取值范围内,生成对应得到预警等级,并将生成的预警等级进行显示。
本实施例中需要说明的是,各划分区域为矿井下的正常活动区域、工作区域以及剩余区域,上述实施例中的j=1,2或者3,分别代表三个划分区域。
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 (6)

1.一种煤矿掘进人员安全监控方法,其特征在于,包括:
S1:对矿井监控时间段内各划分区域的人员行为与工作状态进行分析得到各划分区域的人员隐患评估指数;
S2:对矿井监控时间段内各划分区域的人员数量进行分析得到各划分区域的人员数量评估指数,将矿井监控时间段内各划分区域的人员隐患评估指数与人员数量评估指数之间进行归一化处理得到人员风险评估指数;
S3:对矿井监控时间段内各划分区域的温度、煤尘浓度以及瓦斯浓度进行分析得到各划分区域的区域环境评估指数;
S4:对矿井监控时间段内各运行设备的使用情况进行分析得到各运行设备的设备使用评估指数,对矿井下各运行设备所属划分区域进行获取,并将所处对应区域内的设备使用评估指数与区域环境评估指数之间进行归一化处理得到矿井监控时间段内各划分区域的环境隐患评估指数;
S5:对矿井监控时间段内各划分区域的人员风险评估指数与环境隐患评估指数之间进行综合分析得到人员所处划分区域的危险等级评估指数,并将得到的危险等级评估指数代入预设的取值范围内,得到矿井对应划分区域在该监控时间段内的预警等级,根据得到的预警等级生成对应的指令并进行显示。
2.根据权利要求1所述的一种煤矿掘进人员安全监控方法,其特征在于,对矿井监控时间段内各划分区域的人员行为与工作状态进行分析得到各划分区域的人员隐患评估指数,具体为:
利用矿井下各划分区域所安装的监控摄像头对各划分区域的各人员活动行为进行监控,将各人员活动行为与预设的多个违规行为动作进行匹配,从而得到对应区域内各人员的违规行为动作,设定每个违规行为动作分别对应一个违规评估指数,将各人员的违规行为动作与设定的违规指数进行匹配得到各人员的违规指数,将对应区域内的各人员违规指数之间进行相加得到违规总指数;对各划分区域内的各人员头部图像信息进行采集,并与预设的安全帽佩戴图像进行匹配,统计各划分区域内的人员未佩戴安全帽数量得到人员安全评估指数;
利用监控摄像头对各划分区域的人员面部信息进行采集,并将各人员的面部信息进行匹配,得到该员工的在岗信息,在每次采集到员工的面部信息时,与上一次记录的面部信息进行比对,若匹配成功,则更新该员工最后一次进入对应区域的时间戳,直至匹配失败,根据该员工最后一次进入的时间戳与现时刻之间进行时刻差计算得到对应员工的连续工作时长,将各员工的连续工作时长与预设的阈值之间进行比对,统计超出阈值的员工数量得到人员状态评估指数;
对矿井监控时间段内对应区域的违规总指数、人员安全评估指数以及人员状态评估指数进行归一化处理得到人员隐患评估指数。
3.根据权利要求2所述的一种煤矿掘进人员安全监控方法,其特征在于,对矿井监控时间段内各划分区域的人员数量进行分析得到各划分区域的人员数量评估指数,具体为:
利用监控摄像头对矿井监控时间段内各划分区域的人员数量进行获取,得到监控时间段各划分区域的总人数;将监控时间段内各划分区域的环境隐患评估指数匹配对预设的取值范围内,设定每个取值范围分别对应一个可容纳人数,得到该监控时间段内对应区域的可容纳人数,将总人数与可容纳人数之间进行比对,根据比对的结果进行进一步分析得到矿井对应监控时间段的人员数量评估指数;
将矿井监控时间段内各划分区域的人员隐患评估指数与人员数量评估指数之间进行归一化处理得到人员风险评估指数。
4.根据权利要求3所述的一种煤矿掘进人员安全监控方法,其特征在于,对矿井监控时间段内各划分区域的环境参数进行分析,具体为:
利用温度传感器对矿井监控时间段内各划分区域的温度数值进行检测,得到矿井对应该监控时间段内各时间点的温度数值,将各划分区域内各时间点的温度数值代入折线图内表示,绘制温度数值对应在折线图内的数值点,连接相邻两个数值点得到数值斜线,计算每段数值斜线与水平线之间的夹角,当数值斜线与水平线之间的夹角为锐角时,将该数值斜线标记为第一斜线,当数值斜线与水平线之间的夹角为钝角时,将该数值斜线标记为第二斜线,分别将第一斜线与第二斜线作为矩形的对角线构建矩形,并分别计算各个矩形的面积,将所有第一斜线构建的矩形面积之间进行相加得到第一变值,将所有第二斜线构建的矩形面积之间进行相加得到第二变值,通过第二变值与第一变值之间的比值得到矿井对应该监控时间段内各划分区域的温变比;
利用煤尘检测仪器对矿井监控时间段内各划分区域的煤尘浓度进行监测,得到矿井对应该监控时间段内各时间点的煤尘浓度,将各划分区域内各时间点的煤尘浓度代入曲线图内表示,在曲线图内绘制各划分区域对应煤尘浓度阈值的阈值线,当煤尘浓度曲线高于阈值线时,计算煤尘浓度曲线与阈值线之间构成的阴影面积,同时统计构成的阴影面积个数,将构成的阴影面积之间进行相加得到阴影总面积,对各划分区域的阴影总面积和阴影面积个数之间进行归一化处理得到煤尘超值,同时获取各阴影面积所对应的持续时长并进行相加得到超出时长,对各划分区域的煤尘超值、超出时长以及最高浓度值三者之间进行归一化处理得到煤尘变值;
利用瓦斯浓度传感器对矿井监控时间段内各划分区域的瓦斯浓度进行监测,得到各划分区域在对应监控时间段内的最高瓦斯浓度值;
将矿井下各划分区域监控时间段内的温变比、煤尘变值以及最高瓦斯浓度值三者之间进行归一化处理得到对应区域的区域环境评估指数。
5.根据权利要求4所述的一种煤矿掘进人员安全监控方法,其特征在于,对矿井监控时间段内各运行设备的使用情况进行分析,具体为:
从矿井下各运行设备的历史记录日志内获取各运行设备每次作业的运行时长,将对应设备每次的运行时长之间进行相加并去均值得到平均作业时长;获取矿井下各运行设备上次的维护日期,将对应设备上次的维护日期与现时刻之间进行时间差计算得到维护时长;同时获取矿井下各运行设备的已使用年限以及维修次数;
对矿井下各运行设备的平均作业时长、维护时长、已使用年限以及维修次数之间进行归一化处理得到设备使用评估指数;
对矿井下各运行设备所处划分区域进行获取,将所处对应区域内的设备使用评估指数与区域环境评估指数之间进行归一化处理得到矿井监控时间段内各划分区域的环境隐患评估指数。
6.根据权利要求5所述的一种煤矿掘进人员安全监控方法,其特征在于,接收矿井对应监控时间段内所生成的对应指令,并执行对应的操作,具体为:
将矿井监控时间段内各划分区域的人员风险评估指数和环境隐患评估指数之间进行归一化处理,得到矿井对应监控时间段内各划分区域的危险等级评估指数,并将得到的危险等级评估指数代入预设的取值范围内,生成对应得到预警等级,并将生成的预警等级进行显示。
CN202311352338.9A 2023-10-19 2023-10-19 一种煤矿掘进人员安全监控方法 Pending CN117523474A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311352338.9A CN117523474A (zh) 2023-10-19 2023-10-19 一种煤矿掘进人员安全监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311352338.9A CN117523474A (zh) 2023-10-19 2023-10-19 一种煤矿掘进人员安全监控方法

Publications (1)

Publication Number Publication Date
CN117523474A true CN117523474A (zh) 2024-02-06

Family

ID=89742807

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311352338.9A Pending CN117523474A (zh) 2023-10-19 2023-10-19 一种煤矿掘进人员安全监控方法

Country Status (1)

Country Link
CN (1) CN117523474A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118364984A (zh) * 2024-06-20 2024-07-19 中煤科工机器人科技有限公司 基于物联网的煤矿用清仓机器人远程监控系统及方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118364984A (zh) * 2024-06-20 2024-07-19 中煤科工机器人科技有限公司 基于物联网的煤矿用清仓机器人远程监控系统及方法

Similar Documents

Publication Publication Date Title
CN108431585B (zh) 信息处理装置及信息处理方法
CN106022951A (zh) 一种用电异常分析的方法及装置
CN116579601B (zh) 矿山安全生产风险监测预警系统及方法
CN115883779B (zh) 一种基于大数据的智慧园区信息安全管理系统
CN117523474A (zh) 一种煤矿掘进人员安全监控方法
CN113573019A (zh) 一种基于建筑工程施工用安全管控系统
CN110796372A (zh) 一种工业企业安全生产风险辨识系统及其方法
CN104156819A (zh) 一种重要岗位不安全行为自动观察纠偏方法及装置
CN111401685B (zh) 有限空间作业安全风险监控方法
CN109724993A (zh) 图像识别设备的污损程度的检测方法、装置和存储介质
CN111506011A (zh) 一种施工安全监测方法和装置
CN107784659A (zh) 一种搜索电气设备红外图像相似可见光图像的方法
CN113071966A (zh) 电梯故障预测方法、装置、设备及存储介质
CN115115282A (zh) 一种高电压台区电力系统数据分析方法
CN117893008A (zh) 煤矿集群的风险评估方法及装置
CN110987081B (zh) 一种室外环境检测系统
CN110705849A (zh) 巡检机器人的实效评估方法、系统、存储介质及机器人
CN115880722A (zh) 一种配电作业人员穿戴的智能识别方法、系统和介质
CN112101969A (zh) 一种基于时序滑动窗口离散系数的环保数据造假检测方法
CN112911219B (zh) 电力设备巡检路线的识别方法、系统及设备
CN113516091B (zh) 一种识别变电站电火花图像的方法
CN112668749B (zh) 一种基于类标加权极限学习机的煤矿瓦斯预警方法
CN116681307B (zh) 基于多端融合反馈的河道四乱监管追溯显示方法及系统
CN117309040B (zh) 一种开关柜数据采集系统
CN118297777A (zh) 基于数字分析技术的煤矿井下作业安全管控系统

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