提到“煤矿”，你想到的第一个词是什么？百度“煤矿”二字，搜索量第一的是“煤矿事故”。一场场事故让人触目惊心，矿难家属一遍遍无助的哭喊声更是令人揪心。矿工的人身安全如何才能得到保障，一直是全社会关注的问题。
人工智能的出现，给煤矿行业带来了福音。华夏天信（北京）机器人有限公司，使用百度飞桨开源深度学习平台开发了输煤皮带机器人，代替巡检工人帮助企业有效监管工作人员行为和设备故障，及时报警，显著提高了企业安全生产系数。
煤矿行业最大“杀手”
精准巡检实现难
在煤矿行业，设备场地管理和人员的安全及行为规范有严格要求，比如输煤皮带这种关键生产设备周边，需要现场工作人员严格遵守企业安全规定，包括停开机制度、安全帽、矿工服要求等，否则很容易出现砸伤甚至死亡；另外，胶带输煤机等设备本身也存在着极大地安全隐患，比如托辊出现故障的话很容易和胶带摩擦起火酿成火灾甚至爆炸。所以，人员及属性检测和设备的日常监控和维护变成了安全保障的重要一环。
然而，一般输煤皮带动辄几公里，完全依靠人力现场巡检或远程摄像头查看不仅耗时耗力，而且难免误看漏看。举例来说，大型能源矿业公司新疆特变电工集团旗下有一个大型露天矿，他们的煤开采出来以后要通过胶带运送到电厂。而胶带输送机平时需要定时的人工巡检，通常的做法就是由巡检工人开着吉普车围着胶带走一圈。这个胶带是3.5公里的长度，光开车走一圈就需要很长时间更别说还要仔细巡查，尤其是在冬天暴风雪和恶劣天气下巡检准确度更是难以保证。
人工智能为矿工安全保驾护航
在数智化转型飞速发展的今天，运用AI技术解决行业难题已经是传统企业的常用手段。市场上现有的解决方案主要有3种：
- 一种是具有简单人员入侵检测、边界检测等功能的摄像头，这种方案无法满足定制化的场景；
- 第二种是比较通用的AI能力平台，或者是AutoML平台，这种平台体量较大，且需要业务方或厂商有一定AI技术能力进行自主开发；
- 第三种是直接使用第三方云平台API，这种方案一是无法定制化，而是受制于现场的网络环境，在对实时性要求比较高的情况下无法满足应用需求。
以上3种解决方案，目前有一定的局限性，无法在当前煤矿的业务现场很好落地。
华夏天信基于百度飞桨的计算机视觉识别技术研发了输煤皮带巡检机器人智能监控系统。通过摄像仪将实时视频回传并识别分析，让机器人拥有了快速发现缺陷设备及时通知更换、精准判断工作人员违规行为告知管理人员的能力。难以检测或检测速度慢、识别准确率低、容易漏报和误报等业务难题均得到了有效解决。
输煤皮带巡检机器人核心技术剖析
华夏天信智能识别方案使用百度飞桨目标检测工具套件PaddleDetection进行算法的开发。PaddleDetection提供极丰富且高精度、高效率的目标检测算法，并匹配了完善的数据预处理策略、算法训练及优化工具模块、模型部署工具可以支持开发者快速、高效地解决煤矿业务场景安全监控的问题。
在系统设计上，首要考虑业务分离。因为采集端只有一路视频（3台可见光，监控不同位置，实现同样的功能）。后端处理业务要足够解耦，既保证性能稳定性，又能兼顾将来业务扩展，叠加更多的智能分析功能。
对于人员检测和常规人体属性检测，直接使用PaddleDetection中提供的百度自研的产业级目标检测模型PPYOLO；对于特殊穿戴和托辊等非通用设备，通过之前积累的图片进行训练识别。
另外，为了提高识别精度和更多数据的训练积累，系统在设计中，对巡检点（识别目标所在位置）视频进行截图回传，结合自动和人工标注加入训练集，提高识别效率。
实际上线后，每日3公里巡检2次，单次可积累约200张图片素材。相比之前人工巡检，缺陷发现平均速度提升了300%，及时有效地避免了安全隐患；违规行为迅速下降了90%，现场工作人员的安全意识得到了进一步提高。
飞桨目标检测开发套件PaddleDetection
PaddleDetection旨在帮助开发者更快更好地完成检测模型的训练、精度速度优化到部署全流程。PaddleDetection以模块化的设计实现了多种主流目标检测算法，并且提供了丰富的数据增强、网络组件、损失函数等模块，集成了模型压缩和跨平台高性能部署能力。目前基于PaddleDetection已经完成落地的项目涉及工业质检、遥感图像检测、无人巡检等多个领域。
