基于视频AI系统的煤矿安全监测技术研究

赵坤灿; 林友; 杨昕钰

doi:10.13436/j.mkjx.202605038

煤矿机械 ›› 2026, Vol. 47 ›› Issue (5) : 203 -207. DOI: 10.13436/j.mkjx.202605038

基于视频AI系统的煤矿安全监测技术研究

赵坤灿, 林友, 杨昕钰

作者信息 +

Author information +

文章历史 +

摘要

为提升煤矿安全监测的实时性与准确性，开展基于视频人工智能（AI）系统的煤矿安全监测技术研究。以YOLOv8为基础框架，利用Faster Net替换原始C2f模块以实现模型轻量化；为改善精度损失及复杂场景检测问题，引入卷积块注意力机制（CBAM）强化关键特征聚焦，并采用Soft-非极大值抑制（Soft-NMS）算法优化密集遮挡场景下的目标识别。实验结果显示，该算法的平均检测精确率为95.0%、最大精确率为95.5%，平均每秒帧数（FPS）为78.2帧/s、最大FPS为79.7帧/s，性能优于其他算法。同时，消融实验证实，Faster Net可提升FPS至84.3帧/s,CBAM与SoftNMS算法能将精确率提升至95.0%，有效兼顾监测效率与精度。该算法能够实现对煤矿安全的实时精确监测。