AI视觉技术对井下矿工不安全行为识别综述
郝秦霞
甄浩龙
西安科技大学通信与信息工程学院,陕西 西安 710054
摘要：井下矿工的不安全行为是引发矿山安全事故的主要因素之一,实时、准确地识别并预警此类行为对于提升矿井安全管理水平具有重要意义.随着人工智能(AI)视觉技术的快速发展,其在矿工不安全行为识别中的应用受到了广泛关注,并展现出了显著的技术优势.为了系统地梳理该领域的研究进展,探讨AI视觉技术在矿山安全管理中的应用现状及挑战,对相关研究进行了系统性综述:结合矿工不安全行为的特点,将其划分为静态行为和动态行为,以分析不同行为类型的识别方法及其适用性;重点介绍AI视觉技术在行为识别中的关键技术流程,包括数据获取、目标检测、行为识别及分类,并总结现有研究的主要方法及技术创新;此外,展示了不同算法在实际场景中的表现.研究表明,AI视觉技术在矿工不安全行为识别方面取得了重要进展,能够有效提高矿山安全监管能力,但仍面临一些挑战:矿井环境中的光照变化、粉尘干扰、目标遮挡等复杂因素仍对识别精度产生较大影响,导致现有的方法存在一定局限;另一方面,数据资源的缺乏也成为制约技术发展的重要因素,当前可用的矿工不安全行为数据集规模有限,难以覆盖多种行为类型和复杂场景,影响了识别模型的训练效果及实际适用性;同时,尽管部分研究开始探索多模态信息融合,但该方向仍处于发展阶段,相关技术体系尚未成熟.未来研究应进一步提升AI视觉技术在复杂矿井环境下的适应性,优化算法结构以降低计算成本,加快构建高质量、多样化的矿工不安全行为数据集,以支撑更加精准和高效的行为识别;同时,多模态融合技术的发展有望进一步增强行为识别的鲁棒性,为矿山安全管理提供更加智能化的解决方案.
关键词：AI视觉矿工不安全行为行为识别矿井安全生产目标检测
分类号：TD679(矿山电工)
资助基金：陕西省重点研发计划资助项目(2024GX-YBXM-526)
论文发表日期：2025-11-20
在线出版日期：2025-11-25（本平台首次上网日期，不代表文献的发表时间）
页数：10( 211-220 )
英文信息