基于机器视觉的罐笼人员异常行为检测算法研究
王哲1
潘东亚2
李青3
傅哲2
张斌2
詹雨衡4
1.中煤科工集团沈阳研究院有限公司,辽宁抚顺 113122;抚顺中煤科工检测中心有限公司,辽宁抚顺 1131222.西安交通大学,陕西西安 7100493.西安博深安全科技股份有限公司,陕西西安 7103044.北京理工大学,北京 100081
摘要：煤矿罐笼是矿工进出矿井的主要运输工具,承担着从地面到地下数百米深的运载任务.由于罐笼在运行过程中存在速度快、空间有限等特点,矿工在罐笼内站立不稳、意外摔倒等行为可能导致严重的安全事故.提出了一种基于人员行为检测的罐笼辅助系统,以提升煤矿作业的安全性,特别是保障煤矿工人在井下和运输过程中的安全.系统利用IP摄像头实时监控罐笼内部,通过边缘计算设备实现目标检测和行为识别算法,及时发现和处理矿工的异常行为.采用轻量级的MobileNetv2和改进的TSM模型,并增加多尺度区域特征融合模块(MRFA),以提升行为识别的精确性和鲁棒性.试验结果表明,改进后的TSM模型在准确率、参数量和推理速度方面均优于传统行为识别算法,特别是在计算资源有限的边缘设备上表现出更高的效率和可靠性.改进的TSM模型在矿工行为数据集上的准确率达99.30％,显著高于其他主流行为识别算法,具有较高的实用价值和广泛的应用前景.
关键词：行为识别边缘计算罐笼异常告警矿井安全
分类号：TP183(自动化基础理论)TP391.41(计算技术、计算机技术)
论文发表日期：2024-10-12
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 14-18,21 )
英文信息