穩格科技礦井人體安全識別演算法：破解煤礦事故人因難題的AI方案

一、專案背景與行業痛點

煤礦井下作業環境複雜，存在頂板垮落、瓦斯爆炸、機電裝置故障等多重安全隱患。據統計，我國專案要求範圍內的煤礦事故由人為因素引發，傳統安全管控依賴人工巡檢和定期培訓，存在滯後性、覆蓋盲區及誤判率高的問題。例如，山西二畝溝煤礦瓦斯爆炸事故和寧夏王窪煤業皮帶機卷人事故均因人員違規操作且未被及時預警導致。穩格科技針對這一行業痛點，開發了基於多模態融合的礦井人體安全識別演算法，實現即時、精準的違規行為監測與裝備佩戴管控。

二、技術方案與創新點

1. 多模態特徵融合架構
 演算法採用RGB模態與骨骼模態雙路並行設計：

· RGB模態：透過改進的SlowOnly網路提取人員外觀特徵，結合影像增強技術應對井下粉塵、低光照干擾。

· 骨骼模態：基於YOLOX目標檢測演算法定位人體，再透過Lite-HRNet提取2D骨骼關鍵點，生成3D熱圖堆疊輸入PoseC3D網路，降低背景噪聲影響。

· 特徵融合：在早期與晚期階段分別融合雙模態特徵，最終輸出行為識別結果，實驗表明該架構在複雜場景下識別準確率保持在專案要求範圍內，較單模態有所提升。

2. 精度要求較高的關鍵點檢測模型
 針對井下裝置遮擋、人員密集問題，穩格科技最佳化YOLOv8-pose模型，引入DCNv4-PConv混合模組、MLCA注意力機制及RFAConv卷積模組，構建PMR-YOLO模型。該模型在DsLMF+資料集測試中，關鍵點檢測mAP達0.852，較原始模型有所提升，可精準識別9類危險行為，包括違規進入危險區、未佩戴安全帽、操作裝置違規等。

3. 即時預警與閉環管理
 系統部署於井下關鍵區域（如配電房、輸送帶、候罐室），透過5G/WiFi6傳輸影片流至邊緣計算節點，實現即時響應。當檢測到違規行為時，系統立即觸發三級預警：

· 現場級：透過語音廣播提醒作業人員；

· 企業級：推送報警資訊至排程中心，記錄違規證據；

· 監管級：同步資料至政府平臺，支援事故溯源與責任認定。

三、應用成效與行業價值

1. 安全管控效率提升
 在湖北某煤礦試點中，系統日均識別違規行為23次，較人工巡檢效率提升8倍，誤報率保持在專案要求範圍內。例如，某次皮帶機巡檢中，系統即時檢測到維修人員未佩戴自救器，立即觸發警報並阻止作業，避免了一起潛在事故。

2. 裝備佩戴合規率最佳化
 針對安全帽、自救器等裝備佩戴檢測，系統採用空間關係演算法，透過計算裝備識別框與人體框的相交比例，準確率保持在專案要求範圍內。某礦區應用後，裝備缺失導致的安全事故同比有所降低。

3. 模型泛化與成本最佳化
 透過遷移學習技術，模型在15個不同地質條件的礦山中快速適配，資料標註成本有所降低。同時，採用輕量化設計，邊緣裝置算力需求有所降低，單礦部署成本從百萬元級降至30萬元內。

四、技術突破與行業認可

穩格科技演算法已透過國家礦山安全監察局認證，入選《煤礦智慧化建設典型案例集》。其核心成果發表於《工礦自動化》期刊，並被中偉視界、樂迪資訊等企業應用於寧夏、山西等地的智慧礦山專案。例如，中偉視界未戴自救器監測系統基於穩格技術，在新疆某礦實現24小時無死角監控，獲評“2025年度礦山安全創新獎”。