煤矿安全与环保

基于改进YOLO的煤矿主运输系统人员跌落风险识别研究

张 纪锁

乌审旗蒙大矿业有限责任公司

DOI: https://doi.org/10.59429/mkaqhb.v8i2.14582

Keywords: 煤矿主运输系统；跌落风险识别；改进 YOLO 算法；智慧矿山安全监测

---

Abstract

煤矿主运输系统中破碎机平台、煤仓入口及转载点等区域空间结构复杂、设备运行密集，是人员跌落事故的 高风险区域。针对传统“人防 + 物防”模式在复杂井下环境中存在响应滞后、识别精度不足等问题，本文提出一种 基于改进 YOLO 算法的煤矿主运输系统人员跌落风险识别方案。该方法通过引入多尺度特征融合模块与坐标注意力 机制优化目标检测模型，并结合骨骼姿态识别与运动轨迹分析实现对人员跌落风险行为的提前预判，同时依托边缘 计算架构构建实时检测与多级预警机制。实验结果表明，改进模型在井下复杂环境中的平均检测精度（mAP₅₀）达到 93.2%，误报率低于 0.02%，系统响应时间控制在 10 秒以内，有效提升了煤矿主运输系统人员安全监测能力。研究成 果为智慧矿山环境下煤矿人员安全风险识别与智能防控提供了新的技术路径。

---

References

[1] 齐芳平，石晔，崔志威等 . 基于改进 YOLOv5 的巡更安全风险识别方法研究[J]. 上海节能，2023(12): 1876-1881.

[2] 王士昂 . 基于驾驶行为检测的车队安全驾驶服务系统的设计与实现[D]. 北京交通大学，2023.

[3] 赵乾 . 基于过程跟踪感知的煤矿员工行为安全风险识别研究[D]. 中国矿业大学 ( 北京 )，2023.