金属矿山

作者：李雯静,刘鑫

单位：武汉科技大学资源与环境工程学院,湖北 武汉 430081

关键词：智慧矿山,深度学习,ST-GCN,YOLOv4,监控系统,

基金：湖北省高等学校优秀中青年科技创新团队计划项目(编号:T2020002)。

井下作业人员的不安全行为是矿山事故发生的主要原因之一,现有的井下监控方式仍然以人工监控为主,无法快速识别作业人员的不安全行为,导致难以实时预警。 设计了一种基于深度学习的井下人员不安全行为识别与预警系统开发方案,首先制作以井下环境为背景的数据集,然后采用 YOLOv4 网络模型对矿工及安全帽等进行识别以判断安全帽佩戴情况,再采用 OpenPose 算法及 ST-GCN 模型对监控视频中的矿工行为进行识别,最后通过系统对不安全行为进行自动预警。 结合多种深度学习和计算机开发技术开发了一种井下人员不安全行为识别与预警系统,为井下人员的安全管理提供了新的思路,对于智慧矿山建设具有参考意义。

来源：2023年第03期

《金属矿山》期刊编辑部

查看金属矿山杂志2023年第03期