打开网易新闻 查看精彩图片
一、核心检测逻辑
检测任务分三步：判断皮带是否运行、找出皮带上的人、分析人是不是坐着。用光流法看皮带有没有运动，用深度学习目标检测算法定位人体，再用人体关键点估计算法算出关节角度，区分坐、蹲、躺。违规判定就一条：皮带转着 + 人压在皮带上 + 人坐着 → 报警。
二、技术实现方案
1. 系统架构（云-边-端协同）
- 端侧：矿用防爆摄像头（可见光加热成像），负责拍图与补光。
- 边侧：矿用边缘计算盒子（算力不低于20 TOPS），做视频解码、AI推理、判断报警、给皮带PLC发信号。
- 云侧：矿山AI管控平台，管模型更新、存报警记录、出统计报表、远程改配置。
2. 算法选型
- 目标检测：一种轻量级高精度目标检测网络，精度和速度都够，小目标也能抓。
- 姿态估计：一种基于关键点的人体姿态估计网络，提取关键点，判断坐姿。
- 运动检测：光流法，知道皮带是转还是停，减少瞎报警。
- 边缘加速：通用推理加速框架，推理延迟能压到10毫秒以内。
3. 检测流程
视频流先做解码和去噪、增强，圈出皮带区域。先看皮带动不动：不动就少检或不检；动就找人体。找到人再分析关键点和姿态，确认人坐着并且压在皮带上，就触发报警，同时让现场的声光报警器响，或者让皮带急停。
三、关键难点与优化策略
难点1：井下光线忽明忽暗、粉尘大、水雾多
换成热成像摄像头——人体比机械热得多；图像预处理时用Retinex提亮、用暗通道去雾；训练模型时往图片里加噪声、模糊、模拟各种光照。
难点2：人身上的衣服和皮带颜色差不多，或者人被挡住一部分
给模型加上注意力机制，让它盯着人看；换端到端检测模型，挡住也不怕；多装几个摄像头，最好在皮带上方45°侧着往下拍。
难点3：检修工人蹲在皮带上被误报成违规
靠衣服或安全帽区分——检修工可以穿特定马甲或戴标签；再加一条时间逻辑：如果一群人带着工具，皮带也停了或者处在检修模式，就暂时不管。但这条得小心用。
难点4：报警太多太烦
同一个目标在同一摄像头下，延迟5秒再报，免得人一动就误报；同一个人连续坐在皮带上，每分钟顶多报一次。分两级：Level 1（光坐着）只声光提醒；Level 2（坐着还离机尾或滚筒很近）直接让皮带急停。
四、硬件部署建议
- 主运输皮带：用400万防爆球机（带热成像），装在机头、机尾和每隔200米的地方，镜头向下歪30°到45°。
- 斜巷皮带：用双目结构光相机，装在人容易翻越的位置，侧着从上往下拍。
- 夜间或高粉尘环境：用红外热成像定焦（640×512），装在皮带行人那一侧，镜头水平或向下20°。
- 边缘计算盒：算力不低于20 TOPS（INT8精度），至少能同时处理4路1080p视频，工作温度-20℃到60℃，要有矿用MA标志。
五、典型报警联动策略
热门跟贴