矿石运输是矿山生产过程中的重要环节。随着发展，矿区广泛应用皮带进行运输，但是它的运行安全稳定与否直接关系到矿山的产能。
 

近期，在北京举办的第一届全国煤炭行业矿山AI大模型大赛上，来自山东大学视觉感知与智能系统实验室的团队基于华为矿山AI大模型建立了皮带异物识别模型，通过AI技术代替人工巡检主运输皮带及相关设备，从而增强煤矿安全管理能力，降低皮带运输等区域安全事故的发生概率。

1安全隐患亟需解决

矿山中的主运皮带主要指部署在煤矿井下，从采区上下山至主井提升系统之间专门负责原煤运输的各条皮带。目前我国绝大多数井工煤矿主要依托胶带运输机来完成煤炭的提升运输任务。

“由于矿区生产现场环境复杂，煤流中不可避免地掺入锚杆、刮板、枕木单体支柱、工字钢、各类钢板等杂物，给胶带运输系统带来较大的隐患。而主运皮带运输管理的稳定与否，直接关系到井下原煤运输的通畅与否。皮带输送机具有运输量大、作业连续、运输距离长等特点，由于作业位置环境恶劣，皮带输送机在使用过程中容易出现皮带划伤、过载等问题。因此，在皮带输送机运行过程中需要对皮带异物进行实时监测，以保障皮带输送机安全稳定的运行。而现阶段常靠通过肉眼观察监控摄像的方式来对皮带异物进行监测，但是人工检测主要是依靠眼力、经验、耐心等，对检测人员的要求很高，并且该方式存在许多弊端，比如人眼检测容易疲劳，抽检量少，不同人员不同环境不同时间下检测标准不一致等问题。这项技术实用且迫切需要发展。”房体育在采访中表示。

2异物自动识别报警

针对以上问题，山东大学视觉感知与智能系统实验室团队借助AI技术进行系列研究。

“我们在煤矿主运输皮带顶部采用固定点异物识别相机进行智能识别检测，以此实现皮带异物自动识别；同时，对于识别出的异物进行差异化分级处理，实现对各类异物事件信息的精准控制。我们团队设计的项目方案，在煤矿端部署边缘推理设备，利用矿上现有的服务器，接入实时视频进行异物识别；同时构建边缘管控平台，对报警数据进行统计、分析、展示；报警时同时上传对于图像，由管控平台进行收集，为后续优化模型提供数据，实现边用边学的效果；该方案上手容易，操作方便，部署简单，具有很高的市场应用推广意义。并且目前相关功能已在部分实际矿井场景中进行试运行，后续将进行进一步市场推广。”魏致远表示。
 

图片张伟教授带领团队在新矿实地考察调研

3华为矿山AI大模型助力场景应用

韩韬在接受记者采访时表示：“我们团队在参加第一届全国煤炭行业矿山AI大模型大赛前并没有使用过华为矿山AI大模型的平台进行模型的训练与部署，通过此次比赛体验了在此平台上从上传数据集，到在线标注，再到选择模型，进行在线快速训练与部署，整个流程快速便捷、行云流水。平台将以往复杂的处理数据集、配置网络、训练模型参数以及部署模型等繁琐复杂的工作简化成了一个个流程化操作，让零基础的小白也可以通过该平台快速部署使用AI模型，大大降低了AI的使用门槛，给行业的开发带来了极大的便利。华为矿山AI大模型也带给我们很大的惊喜，在一个全新的场景下通过短时间的训练就可以达到如此高的正确率，让我们体会到了大模型的高精度与强泛化能力。平台的智能标注功能也帮助我们省下了大量数据集标注的时间，极大减少了人工的工作量。”

除了比赛中必须进行的操作，我们还浏览了AI Gallery，体验了自动学习等功能，进一步体会到了平台为项目开发提供的大量便利：良好的开源与交流环境，大量可以直接订阅使用的现成模型，低门槛的开发流程与人性化的工具等。总的来说，比赛的过程固然重要，但相比于比赛本身，这次参赛带给我们的另一方面收获是让我们了解并使用了华为矿山AI大模型以及开发平台，实在地体会到了其带来的无数方便之处。在以后的项目开发或者其他比赛中，我们也会将优先将华为矿山AI大模型加入我们的选择之中。

4依托优势赋能智慧矿山

山东大学视觉感知与智能系统实验室团队主要从事机器学习、图像视频分析、智能机器人等领域的研究。近些年，该团队主要依托于人工智能的学科优势，专注于将机器学习，计算机视觉等技术应用于解决矿井内部生产作业的安全智能监测问题。

“目前，团队已基于多模态视觉融合的技术思路进行了相关设备软硬件开发，形成了一套完整的矿井智能监测系统解决方案。该方案以可见光摄像头，红外摄像头等视觉设备进行矿井作业现场的数据采集，以目标检测，语义分割等深度学习进行实际安全监测场景的实时分析识别，以云边融合，前后端协同的系统架构构建了一套功能完备，易于操作的智能监测系统。现阶段，团队已针对矿井场景中光线较弱，场景复杂，设备安全要求高等难题提出了相应解决方案，在矿井巷道人员危险行为分析，皮带过温检测，皮带异物检测以及皮带本体裂痕检测等任务中取得突破，目前相关功能已在部分实际矿井场景中进行试运行。”团队负责人张伟教授表示。

实验室在创立之初，就一直专注于计算机视觉，机器学习，机器人控制等领域的理论探索和应用落地，目前已在视觉智能感知，机器人自主决策，智能系统设计等方法积累了一大批学术和产业成果。未来，该实验室希望能把这种技术优势在矿山智能硬件装备制造，智能感知系统设计以及特种机器人等智能终端的工业场景落地等方面进行进一步深耕，为矿山智能化建设贡献自己的一份力量。