重点推送《智能矿山》“智能示范矿井”专栏刊载的论文，邀请全国各矿井分享最新智能化建设成果、亮点与经验，旨在发挥典型智能示范矿井引领作用，促进我国矿山智能化建设高质量发展。截至目前，《智能矿山》杂志已刊载72家矿井智能化建设成果论文122篇。
第一作者：戈海宾，正高级工程师，现任金桥煤矿党委书记、矿长，主要从事煤矿智能化与信息化方面的相关研究工作。E-mail：
通讯作者：寇旗旗，副教授，博士，主要从事图像处理/AI视频分析、智能检测与模式识别方面的相关研究工作。E-mail ：/span>
引用格式：戈海宾,邹国良,杨汶泉,等.金桥煤矿重大灾害风险防控平台建设实践与成效[J].智能矿山,2025,06(12):17-26.
济宁能源发展集团有限公司金桥煤矿（简称金桥煤矿）核定生产能力110万t/a，主采煤层3煤，平均厚度5.20 m，井田煤质优良，为1/3焦煤，主要用于动力用煤和炼焦配煤，为华东地区稀缺煤种。先后荣获“国家一级安全生产标准化煤矿”“山东省健康促进企业试点单位”“济宁市五一劳动奖状”“金乡县特殊贡献企业”等荣誉称号，2024年获得“煤炭行业标杆煤矿”，是山东省唯一获得此荣誉的煤矿企业。
为了切实提高矿山数字化、智能化安全生产水平，及时发现隐患问题，遏制矿山重特大事故发生，实现煤矿重大安全风险的实时识别、监测和精准研判，国家矿山安全监察局和财政部联合印发了《煤矿及重点非煤矿山重大灾害风险防控建设工作总体方案》（矿安〔2022〕128号）。山东省能源局、国家矿山安全监察局山东局和山东省财政厅联合印发了《山东省煤矿重大灾害风险防控建设工作实施方案》（鲁能源安全〔2023〕34号）。金桥煤矿积极响应国家和山东省建设煤矿重大灾害风险防控平台的号召，通过产学研技术攻关开展了煤矿重大灾害风险防控平台研发。
采用煤矿特殊环境下的工业视频图像特征增强和识别方法，突破了制约煤矿安全风险的视觉实时感知、边缘分析决策、云边端协同控制等关键核心技术；研制了端边实时在线分析与交互的视频AI边缘计算终端和成套装备，通过研发高速视频感知、实时识别、动态协同预警的煤矿安全风险全域感知与智能防控系统平台，实现了人员、设备和环境等风险隐患的高效识别，并建设了智能化视频AI监管示范工程且进行推广应用，该技术通过了达到国际先进水平的鉴定评价。重大灾害风险防控平台自投入运行以来，实现了煤矿关键地点、重点部位等重大灾害风险实时监测、精准研判，第一时间对风险隐患进行报警，做到及时进行处置，有效防范遏制了煤矿重特大事故。金桥煤矿重大灾害风险防控平台整体架构如图1所示。
金桥煤矿基于企业生产需要，利用人工智能、大数据技术，在煤矿全域建设了重大灾害风险防控平台。平台主要包括AI视频智能辅助监管监察系统、应急处置视频智能通信系统、重大违法行为智能识别分析系统。
重大灾害风险防控平台在矿端通过在关键位置安装智能摄像仪+AI分析装置实时分析矿井图像，集团端系统平台及时接收矿端上传的报警数据、报警信息、报警图像等内容，在集团平台一体化展示。重大灾害风险防控平台在金桥煤矿的矿端显示主界面如图2所示。
在金桥煤矿3301采煤工作面建设工作面智能监察子系统，通过采集采煤工作面视频监控数据和现场监测系统数据，应用大数据分析技术，实现对采煤工作面采煤机等设备动态数据分析可视化、采煤工作面数据全过程记录以及违章行为自动固定证据。金桥煤矿3301采煤工作面的智能辅助监管监察应用效果界面如图3所示。
采煤工作面设备动态异常检测系统基于Transformer架构，构建多模态时序融合网络，整合采煤机振动传感器、温度传感器的数据与红外热成像视频数据。振动数据以1 kHz采样率采集，经快速傅里叶变换（FFT）转换为频谱特征，与每秒30帧的视频流同步对齐后输入网络。视频分支采用ResNet-50提取动态纹理特征，传感器分支通过多头自注意力机制捕捉设备状态的长程时序依赖。
跨模态特征对齐模块通过空间-时序注意力机制动态融合传感器频谱与视频特征，生成联合嵌入向量。异常评分模块基于历史数据动态调整阈值，当检测到频谱能量突变或热成像局部高温区域时，触发报警（预警/报警/急停），并关联设备控制接口实现自动停机保护。
在金桥煤矿四采区新输送带下山、3301皮顺和轨顺建设掘进工作面智能监察子系统，通过采集掘进工作面视频监控数据和现场监测系统数据，对人员施工时是否挂网防护、指定危险区域内的人员是否超时和超定员作业等进行检测识别。金桥煤矿掘进工作面智能辅助监管监察应用效果界面如图4所示。
人员施工安全违规检测系统，基于改进的SlowFast-YOLO混合框架，实现人员行为与安全装备的实时监测。Slow分支以低帧率运行YOLOv8模型，通过CSPDarknetX主干网络提取施工场景全局语义特征，精准定位危险区域（如未支护顶板、临边洞口）。Fast分支以全帧率部署轻量化MobileNetV3网络，结合时间卷积层（TCN）捕捉人员肢体动作细节，识别未佩戴安全绳、未挂设防护网等瞬时违规行为。
时空融合模块采用门控注意力机制，动态加权全局语义与局部动作特征，输出违规行为置信度。危险区域判定基于多边形掩膜技术，当人员边界框与危险区域重叠率超过30%且安全装备置信度低于阈值时，系统自动截取视频片段并生成违规报告。
在金桥煤矿副井上下井口建设超定员智能分析子系统，通过在副井安装智能双目摄像头，利用AI技术自动识别矿端上传的入井人员数量，结合煤矿前置机采集的人员精确定位系统数据，分析人员是否带卡下井作业，辅助监管国家监察委员会发现煤矿隐瞒作业人数等违法违规生产行为。超定员智能分析与辅助监管监察应用界面如图5所示。
人员未带卡下矿检测系统，通过构建多模态图神经网络（GNN）系统，融合UWB精确定位数据与人脸识别特征。每个人员实体建模为图节点，节点属性包含UWB坐标、FaceNet提取的512维人脸特征及时间戳信息。边权重通过UWB空间距离与人脸特征相似度联合计算，确保物理位置与生物特征的强关联。
图注意力网络（GAT）聚合多跳邻居信息，动态更新节点状态，解决人员密集场景下的身份混淆问题。异常检测模块实时比对UWB标签与人脸识别结果，当同一节点的人脸匹配置信度持续5 min低于0.7时，判定为未授权人员违规作业，触发声光报警并封锁相关区域门禁。
在金桥煤矿井底中央水仓、二采区水仓、四采区水仓、中1#、2、东翼1#、2，通过在水仓入口、溜煤眼安装AI智能摄像仪，实现人员入侵识别。金桥煤矿井下关键地点视频智能分析与辅助监管监察应用界面如图6所示。
人员入侵实时检测系统，基于YOLOv8架构设计运动增强检测模型，集成光流引导注意力模块与跨摄像头轨迹跟踪。主干网络CSPDarknet-X嵌入轻量化FlowNet-Lite分支，通过计算相邻帧光流场生成运动显著性热图，增强动态目标特征响应。
检测头采用动态标签分配策略，优先匹配运动区域内的高置信度目标，提升静态场景下的入侵检测灵敏度。地理围栏模块基于语义分割结果（DeepLabv3+预训练）构建禁入区域掩膜，结合ByteTrack多目标跟踪算法，当入侵目标轨迹与禁入区交并比（IoU）超过0.5时，触发定向语音警告并联动门禁系统闭锁。
金桥煤矿主运带式输送机共计8部，西翼带式输送机2部，二采区1部，东翼输送带下山1部，东翼输送带石门1部，四采输送带联络巷1部，四采输送带下山2部。建设带式输送机着火智能分析子系统，在带式输送机头、机尾安装智能摄像头，当输送带着火时，系统自动在现场发出报警信号，并自动上传到地面调度室，以便第一时间发现火情并采取措施处置。金桥煤矿带式输送机超温智能分析与辅助监管监察应用界面如图7所示。
井下火情监测系统，基于YOLO和双光谱检测框架，同步处理可见光与热成像视频流。可见光分支采用CSPDarknet提取烟雾纹理特征，通过Gabor滤波器增强低对比度区域的烟雾边缘信息；热成像分支部署GhostNet轻量化网络，提取定长波长辐射特征，定位温度异常区域（150 ℃）。
特征融合阶段引入通道注意力机制，根据环境光照强度动态调整双流特征权重，在低照度场景下提升热成像分支的决策权重。后处理模块结合形态学开运算消除灯光反光干扰，当火焰与烟雾的联合检测置信度超过0.9时，自动启动喷淋系统并推送报警信息至应急平台。
在金桥煤矿调度室、集控室、洗煤厂集控室、主副井绞车房、地面变电所安装摄像仪，建设调度室空岗、睡岗智能分析子系统，在摄像仪画面中标定调度室人员工作区域，识别调度室人员空岗、睡岗情况。金桥煤矿调度室空岗、睡岗智能分析与辅助监管监察应用界面如图8所示。
调度室空岗、睡岗检测系统，开发基于YOLO的双任务检测模型，同步执行人体检测与头部姿态估计。在YOLOv8检测头中集成轻量化EfficientPose模块，通过回归6自由度头部关键点（鼻尖、双眼、双耳）计算人员俯仰角与偏航角。
空岗检测模块基于工位标定矩阵，当特定区域连续5 min未检测到人体时，判定为空岗。睡岗识别采用时序滑动窗口分析，统计30 s内头部俯仰角超出［-15°，15°］范围的频率，当闭眼频率40%或头部静止时长超过阈值时，触发睡岗报警，系统支持多屏监控场景，通过ROI区域分组管理实现大规模调度室的分布式监测。
在金桥煤矿井下采煤、掘进工作面等人员聚集区域，建设应急指挥通信子系统，预留视频接口和应急照明接口，可在现场接通视频及应急电源，确保在现场指挥部能够看到现场视频。金桥煤矿井下应急指挥通信子系统与便携式通信设备如图9所示。
应急通信视频接口控制系统，基于强化学习（PPO算法）设计自适应视频传输系统，智能体观测状态包括网络带宽波动、光照强度传感器数据及YOLOv8生成的异常区域热力图。动作空间定义视频分辨率（480/720/1 080 Pix）、编码码率（1～10 Mbit/s）及应急照明强度（0%～100%）的联合调控策略。
奖励函数优先保障火灾、冒顶等关键区域的视频质量（PSNR30 dB），最小化能耗与带宽占用。系统通过离线仿真预训练与在线微调相结合，在华为Atlas 500边缘设备上实现毫秒级决策响应，确保极端环境下的通信链路稳定性。
在金桥煤矿主副井口、主运带式输送机、2个工作面、4个掘进工作面、3个临时作业地点、3个水泵房建设超强度生产分析研判子系统，通过加装智能用电融合终端，实时监测煤矿重要设备的电流、电压，负载等主要数据变化；在采煤机、带式输送机、液压支架加装智能摄像头，对相关数据进行监控，对生产状态进行分析，实现对生产状态异常、超强度生产报警，生成违章证据。金桥煤矿超强度生产分析研判子系统应用界面如图10所示。
设备超负荷生产检测系统基于时间卷积网络（TCN）构建多变量时序分析模型，输入电流、电压、负载等传感器数据经标准化与滑动窗口切片后，通过因果膨胀卷积提取多尺度特征。
异常检测采用对抗生成架构，生成器学习正常工况的数据分布，判别器计算重构误差的动态时间规整（DTW）距离。当连续5 min的重构误差超过历史数据99%分位数时，判定为超负荷生产，同步生成设备运行曲线对比图作为证据，并强制降低采煤机运行功率。
在金桥煤矿各车场、行车巷道建设辅助运输智能监测子系统，通过加装智能摄像头与人员精确定位系统进行关联，实现对行车时行人（行人违章）、行人时行车（司机违章）、挡车设施复位监测、运输物料超宽、超高、锚杆未按规定摆放、料车超挂、未悬挂安全绳、可摘挂候车人员乘坐距离间距不足、单轨吊超速、乘坐人员超员等违法违规行为报警，生成违章行为证据。金桥煤矿辅助运输智能监测子系统应用界面如图11所示。
运输违规行为检测系统，提出YOLO-3DPro双目视觉检测框架，通过双摄像头视差计算实现物料尺寸立体测量。YOLOv5检测头扩展三维回归分支，直接输出物料长、宽、高估计值，结合先验知识库中的安全阈值进行实时比对。
违规判定引擎内置32类运输规则知识图谱，当检测到单轨吊速度过大、物料锚杆未固定或安全绳未悬挂时，自动关联违规视频片段与三维点云重建数据，生成包含空间参数标注的举证文件。
在金桥煤矿变电所、井下所有风门处建设一通三防智能监测子系统，利用AI智能摄像仪，对固定区域人员进行跟踪识别，如变电所进行人员巡检轨迹跟踪，对人员轨迹进行绘制，并通过客户端将人员巡检轨迹汇总并记录；利用AI智能摄像仪结合风门状态传感器以及风门视频监控数据，实时动态确认风门状态是否正常，对风门状态异常进行及时报警，并在客户端进行报警弹窗并记录归档。金桥煤矿“一通三防”智能监测子系统应用界面如图12所示。
人员巡检轨迹合规性检测系统，采用DeepSORT++跟踪算法与图嵌入联合模型，通过OSNet-ReID特征优化跨摄像头人员跟踪精度。轨迹数据经DBSCAN聚类后构建巡检路径图，节点表示关键巡检点（如变电柜、风机位），边权重由实际停留时长与标准时长差值确定。图相似度计算模块利用Node2Vec算法将路径映射至低维空间，通过余弦相似度评估实际轨迹与标准路线的偏离度。当偏离度持续2 min超过阈值时，系统自动推送提醒至巡检人员手持终端，并记录合规性评分至考核数据库。
重大灾害风险防控平台将人工智能视频分析技术及智能装备与现代煤炭开采技术深度融合，实现安全隐患智能预警，并与自动化系统联动，进一步提升了金桥煤矿智能化生产水平，保障了煤矿生产安全，降低了煤炭开采成本的同时极大提升了开采效率。
自平台运行以来，已处理 35 070 条报警信息，其中 32 615条有效报警精准聚焦人员巡检、输送带运行、人员入侵等关键风险点，已经成为金桥煤矿安全保障的核心力量。平台算法持续迭代升级，互帮支护防碰撞检测、电子围栏、超宽车辆识别、人员跌倒监测等前沿算法相继上线，预警能力呈几何级数提升。
在报警处理环节，平台工作人员借助集控室大屏巡查界面，如同掌控安全管理的“中枢神经”，实时分析研判，快速响应处理。一般报警详细记录，生成精确的日汇报表，并通知责任工区立刻整改；对典型问题报警形成灾害风险防控平台典型问题曝光单，在井口大屏滚动警示，形成强大的威慑力。金桥煤矿“三违”现象显著减少，不安全与不标准作业行为月均降幅达 5.1%，隐患数量月均下降 10.3%，实现了从“人防”到“技防”的转型。
金桥煤矿重大灾害风险防控平台的建设与应用，以加强煤矿事故预警和风险防控为第一要务，从根本上建立煤矿企业的安全管理方式，在隐患发生的第一时间通过视觉分析、边缘计算和物联网技术等前沿技术与AI智能识别监控终端等高端智能装备的深度融合，迅速通知管理人员果断采取措施，以防患于未然。
平台通过构建了安全隐患云-边-端智能视频感知与分析预警模型，在井下关键区域实现自动识别和分析多种安全隐患。通过视频识别应用体系，实现采掘、运输、通风等生产环节的全过程智能化监管，提高了安全监控的准确性和及时性。
平台针对金桥煤矿复杂的井下环境，开发了适应性强的图像增强算法，克服了粉尘、光照不足等干扰因素。建立了包括人员行为识别、设备状态监测、环境参数分析等30多种专用算法，具有良好的自适应能力。技术人员可通过开放式训练接口，根据实际生产需求优化识别模型，确保系统在复杂环境中的可靠运行。
金桥煤矿作为成果示范应用单位，通过解决安全生产技术瓶颈，提高了矿井本质安全水平。自主研发的智能监控技术达到国际领先水平，推动了矿井向智能化、信息化方向发展。建立完善的技术标准和服务支撑体系，带动了传感器制造、软件开发、系统集成等相关产业协同发展。
金桥煤矿重大灾害风险防控平台应用成果，经专家组现场会议鉴定达到国际先进水平，在金桥煤矿应用成果显著，建立了成果示范应用矿井，并先后在汶上义桥煤矿有限责任公司、山东金源矿业有限责任公司、山东济宁运河煤矿有限责任公司等多座矿井的掘进工作面、智能主煤流运输、智能通风、智能供电与排水、智能辅助运输、智能提升、“三违”管理、选煤厂、电子封条等场景推广应用，云-边-端协同的煤矿AI视频识别技术与装备，促进了新一代信息技术与煤炭开发利用的深度融合，项目成果荣获2024年度中国煤炭工业协会科学技术一等奖。
煤矿重大灾害风险防控平台建设及运营情况受到国家矿山安全监察局山东局、地方政府的关注和认可。2023年12月26日，济宁市煤矿重大灾害风险防控建设现场推进会在金桥煤矿召开；2024年5月28日，山东省重大灾害风险防控建设情况现场会在金桥煤矿召开，平台应用效果得到参会人员的认可；2024年8月22日金桥煤矿作为济宁市国有煤炭企业代表，在山东省煤矿智能化建设推进会上作了题为《智能引领，绿色前行：金桥煤矿的智能化标杆之路》的典型报告，赢得了广泛赞誉。成果及应用情况也得到中国煤炭网、大众日报、齐鲁晚报、中国经济导报等多家媒体关注，其中齐鲁晚报以“济宁能源金桥煤矿投入运行重大灾害防控平台，筑起安全生产智防安全墙”为题进行了重点报道。
金桥煤矿重大灾害风险防控平台通过预警预防机制，有效降低了煤矿事故损失和安全投入成本，避免重大事故造成的人员伤亡和财产损失，提升了金桥煤矿生产效率，优化人力资源配置，给企业带来显著效益。煤矿重大灾害风险防控平台的应用在保障矿工生命安全、推动行业技术创新、改善工作环境等方面发挥重要作用，促进金桥煤矿的行业整体竞争力，也为提高行业内安全生产和管理的整体水平作出了重要贡献和积极示范。
煤炭科学研究总院期刊出版公司拥有科技期刊21种。其中，SCI收录1种，Ei收录5种、CSCD收录6种、Scopus收录8种、中文核心期刊9种、中国科技核心期刊11种、中国科技期刊卓越行动计划入选期刊4种，是煤炭行业最重要的科技窗口与学术交流阵地，也是行业最大最权威的期刊集群。
《智能矿山》（月刊，CN 10-1709/TN，ISSN 2096-9139）是由中国煤炭科工集团有限公司主管、煤炭科学研究总院有限公司主办的聚焦矿山智能化领域产学研用新进展的综合性技术刊物。
期刊成果：创刊5年来，策划出版了“中国煤科煤矿智能化成果”“陕煤集团智能化建设成果”“聚焦煤炭工业‘十四五’高质量发展”等特刊/专题30多期。主办“煤矿智能化重大进展发布会”“煤炭清洁高效利用先进成果发布会”“《智能矿山》理事、特约编辑年会暨智能化建设论坛”“智能矿山零距离”“矿山智能化建设运维与技术创新高新研修班”等活动20余次。组建了理事会、特约编辑团队、卓越人物等千余人产学研用高端协同办刊团队，打造了“刊-网-号-群-库”全覆盖的1+N全媒体传播平台，全方位发布矿山智能化领域新技术、新产品、新经验。