提出了一种视频AI算法分析的固体智能充填开采方法。在原有固体充填液压支架上安装高清AI摄像头、传感器、控制器、控制系统与前端人机交互系统，构成“视频拍摄-AI分析-驱动执行-人机交互”的智能识别与驱动系统，通过机构行为识别与机构运动自行驱动实现固体智能充填。通过分析在支护、落料、夯实工序过程中对固体充填液压支架的影响因素，给出关键充填装备在充填工序执行过程中的调控判据及路径，并根据各算法优缺点对比及工况行为特征适配最优视频图像识别算法。与传统固体充填采煤方法相比，视频AI算法分析的固体智能充填开采方法可提供作业人员的“驾舱式”智能化体验，显著提高充填作业效率。
视频AI算法分析的煤矿固体智能充填开采方法
张强1,2，杨康1,2，曹津铭1,3，白雨1,2，邓攀博1,2，杨子4
中国矿业大学 矿业工程学院
中国矿业大学 深部煤炭资源开采教育部重点实验室
陕西煤业化工集团陕西小保当矿业有限公司
香港大学 统计与精算学系
固体充填开采方法在处理煤基固废和控制地表沉降方面具有较大优势，但其充填效率低、接续时间长、劳动强度大等问题制约着绿色充填开采的发展。针对固体充填技术升级的内生动力、行业发展的迫切需求以及矿山智能化建设的必然趋势，提出视频AI算法分析的固体智能充填方法。本文首先通过分析该固体智能充填方法的内涵及难点，构建出视频AI算法分析的固体智能充填开采方法系统构架，阐述视频AI算法的工作原理与实现流程，并给出视频AI算法可以实现的功能。根据不同地质条件分析了关键充填装备在不同工序下的影响因素，通过Creo进行液压支架骨架建模，实现液压支架在不同工况下机构的运动，给出对应的调控判据及路径，并设计关键充填装备在不同工序下的控制算法流程。根据视频算法特征及算法优缺点初步选择了图像识别算法，将构建好的目标数据集经过算法模型的训练及调参最终确定了最佳算法及对应的参数。通过某矿充填面应用效果分析，SVM各评价指标均优于其他算法，表明SVM模型在工况判别时表现出色，具有高度的准确性及可靠性。本研究可实现关键充填装备机构非正常工况的识别及调控、提高充填效率、机构位姿参数识别、充填空间夯实效果展示，可为视频AI算法分析的固体智能充填开采技术研发与应用提供理论指导。
张强
副教授
博士生导师
张强，男，工学博士，中共党员，中国矿业大学副教授、博导，现任中国矿业大学智能采矿工程系主任。江苏青蓝工程优秀青年骨干教师、江苏省百篇优秀博士论文获得者、江苏省优秀硕士学位论文指导教师。炼焦煤资源绿色开发全国重点实验室专家委员会青年委员、全国煤炭职业教育教学指导委员会煤矿智能化开采专委会委员、山西省煤炭学会千人智库高级专家、山东大学访问学者、内蒙古科技大学兼职博导。
智能充填开采与岩层控制、充填系统设计与充填材料研发、充填支护机器人装备研发等
主持国家自然科学基金项目2项、中国博士后基金1项；参与国家重点研发计划等纵向项目5项；主持企业科技创新项目25项。获智能制造创新大赛一等奖，中国煤炭工业科学技术一等奖、内蒙古自治区科技进步一等奖，中国专利奖优秀奖等科研奖励12项；获授权发明专利70件、制定国家标准1项、行业标准5项；发表学术论文60篇，入选领跑者F5000论文4篇；获计算机软件著作权3项；出版专著1部、参编教材2部。
引用格式
张强，杨康，曹津铭，等. 视频AI算法分析的煤矿固体智能充填开采方法[J]. 煤炭科学技术，2024，52（11）：162−172.
ZHANG Qiang，YANG Kang，CAO Jinming，et al. Solid intelligent backfill coal mining method with video ai algorithm analysis in coal mine[J]. Coal Science and Technology，2024，52（11）：162−172.
策划：常琛
责编：黄小雨
编辑：李莎
审核：常琛
