DB14/T 2814-2023 井工煤矿智能识别系统建设规范

ICS73.040

CCSD98

14

山西省地方标准

DB14/T2814—2023

井工煤矿智能识别系统建设规范

Specificationfortheconstructionofintelligentidentificationsystems

forundergroundcoalmines

2023-10-08发布2024-01-07实施

山西省市场监督管理局  发布

DB14/T2814—2023

目次

前言............................................................................II

1范围.................................................................................3

2规范性引用文件.......................................................................3

3术语和定义...........................................................................3

4缩略语...............................................................................4

5总体架构.............................................................................4

6基本要求.............................................................................5

7系统功能要求.........................................................................6

8设备性能要求........................................................................11

9性能指标要求........................................................................12

10系统安全与运维保障.................................................................13

附录A（资料性）摄像机安装...........................................................14

附录B（资料性）场景建设推荐目录.....................................................16

I

DB14/T2814—2023

前言

本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定

起草。

请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。

本文件由山西省能源局提出、组织实施和监督检查。

山西省市场监督管理局对标准的组织实施情况进行监督检查。

本文件由山西省能源标准化技术委员会归口。

本文件起草单位：精英数智科技股份有限公司、山西省能源发展中心、山西大数据产业发展有限公

司、山西云时代精英智慧煤炭科技有限公司、矿山智能感知省技术创新中心、中国联通智慧矿山军团（山

西）。

本文件主要起草人：龚大立、赵存会、邵国荣、侯鹏程、杜楠、吴喆峰、朱晓宁、王学斌、刘志、

李园园、郑海山、李成郁、许春、高雪峰、宋俊生、刘耀宏、康杰、杨林、郭泽华、王鹏、赵帅、王瑞

军、于涛、幸雨东、张卓、王正达、韩秀光、常浩。

II

DB14/T2814—2023

井工煤矿智能识别系统建设规范

1范围

本文件规定了井工煤矿智能识别系统建设（以下简称“系统”）的术语和定义、缩略语、总体架构、

基本要求、系统功能要求、设备性能要求、性能指标要求、系统安全与运维保障。

本文件适用于井工煤矿视频图像类的智能识别系统建设。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，

仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本

文件。

GB/T3836.1爆炸性环境第1部分：设备通用要求

GB/T3836.2爆炸性环境第2部分：由隔爆外壳“d”保护的设备

GB/T22239信息安全技术网络安全等级保护基本要求

GB/T28181公共安全视频监控联网系统信息传输、交换、控制技术要求

GB/T30147安防监控视频实时智能分析设备技术要求

GB/T34960.5信息技术服务治理第5部分：数据治理规范

GB35114公共安全视频监控联网信息安全技术要求

GB/T35295信息技术大数据术语

GB/T39680信息安全技术服务器安全技术要求和测评准则

3术语和定义

下列术语和定义适用于本文件。

重叠度IOU

两个区域重叠的部分除以两个区域的集合部分得出的结果。

损失函数lossfunction

描述模型的预测值与真实值之间的差距大小。

召回率recall

正确的目标被识别全的程度。公式为：识别出正确的目标/图像中所有正确的目标。

井工煤矿智能识别系统intelligentrecognitionsystemforundergroundcoalmines

将煤矿人、机、环等监测数据通过数据采集，统一入湖，经过对视频数据的处理，以及AI智能识别

的技术，实现对井工煤矿人的不安全行为、物的不安全状态、环境的不安全因素的智能识别、分析，以

及风险实时预警、设备联动控制、业务闭环处置。

3

DB14/T2814—2023

数据入湖dataintothelake

将数据源系统中的原始数据采集到数据治理的存储库中，入湖后数据形成统一的存储结构。

数据资产dataasset

组织拥有和控制的、能够产生效益的数据资源。

[GB/T34960.5-2018，定义3.3]

数据治理datagovernance

对数据进行处置、格式化和规范化的过程。

[GB/T35295-2017，定义2.1.43]

深度学习deeplearning

一种基于多层神经网络的机器学习方法。

4缩略语

下列缩略语适用于本文件。

API：应用程序接口（ApplicationProgrammingInterface）

CDN：内容分发网络（ContentDeliveryNetwork）

CPU：中央处理器（CentralProcessingUnit）

GPU：图形处理器（GraphicsProcessingUnit）

JSON：JavaScript对象简谱（JavaScriptObjectNotation）

mAP：所有类标签的平均精确率（MeanAveragePrecision）

MQ：消息队列（MessageQueue）

RESTful：一种网络应用程序的设计风格和开发方式（RepresentationalStateTransfer）

RTSP：实时流传输协议（RealTimeStreamingProtocol）

TOPS：处理器运算能力单位（TeraOperationsPerSecond）

5总体架构

部署架构

系统宜采用“云-边-端”或“边-端”模式进行部署，实现服务以及数据分层管控，部署架构见图1。

云端采用高可用云技术，云包含公有云、私有云、混合云或煤矿或集团自建数据中心。应包含应用

服务器、模型训练服务器、流媒体服务器，实现标注样本管理、算法管理、模型训练、模型持续优化，

同时提供模型管理以及模型下发服务。

边侧采用本地化部署，应包含应用服务器、GPU服务器、流媒体服务器实现煤矿智能识别系统部署、

视频媒体接入以及模型推理识别。

端侧为各类感知设备以及智能分析设备，包含摄像机、井下广播、声光报警器、集控中心、可为上

层应用提供监测子系统感知及识别视频数据源。摄像机安装见附录A。

4

DB14/T2814—2023

图1系统部署架构图

系统架构

系统整体建设中涉及到的数据采集层、数据服务层、应用层，系统结构见图2。

应用层：包括资源管理、模型部署、视频智能识别、融合监测预警、设备联动控制、识别结果管理、

识别结果分析、以及移动APP应用，整体构成煤矿智能识别系统。

数据服务层：包含数据治理、后端模型深度学习以及统一服务。

数据采集层：包含对煤矿生产自动化类系统、安全监测类系统等数据的感知采集。

图2系统结构图

6基本要求

系统建设应满足以下基本建设要求：

a)操作系统、数据库、编程语言、中间件等应为易操作、易维护、开放性好、可靠性高、成熟、

安全的主流产品。软件应有详细的汉字说明和汉字操作指南；

b)系统应与3DGIS技术有机融合；

5

DB14/T2814—2023

c)系统宜与煤矿安全监控、煤矿井下人员定位、煤矿图像监视、各类自动化控制等系统有机融

合；

d)系统应具有与应急广播、通信、井下人员定位、各类自动化控制等系统应急联动功能；

e)系统应支持识别场景扩展、识别结果共享、误识别和漏识别结果自动反馈、模型自学习自优

化功能；

f)系统应满足与上级单位进行数据共享功能；

g)图片或视频像素不低于1280×760，避免出现过曝，低曝，运动模糊等不符合要求的图像。

7系统功能要求

智能识别系统功能

7.1.1资源管理

应具备以下能力：

a)感知场景管理：感知场景是感知元与模型深度融合的集合体，是煤矿视频监测点的“智能监

控室”，对AI模型与视频监控规则深度融合并部署到计算节点的模型实例进行监控与管理。

b)智能分析设备管理：智能分析设备管理可对是智能识别系统所需资源管理的能力，可对推理

服务器、视频服务器、监测点和镜像进行管理，实时监测推理服务器、视频服务器的CPU、GPU、

内存、磁盘、IO等利用率信息，监测点状态信息，并根据实时数据进行不同等级的分级预警、

报警。

7.1.2模型部署

模型使用者可通过在模型市场检索模型并确定模型功能和效果满足使用需求时。应提供CDN缓存的

下载方式，加快模型下载速度。后端模型更新消息会通知到前端系统，前端系统可以完成最新模型的同

步。

可根据视频内容智能识别场景，推荐监测点并与场景关联，可基于监测点进行模型参数微调(自定

义)，并对模型运行状态进行监控，包括模型启动、停止、暂停、调度等。

7.1.3视频智能识别

系统应涉及井工煤矿视频采集与识别，井工煤矿井下识别场景（参见附录B中表B.1），井工煤矿井

上识别场景（参见附录B中表B.2）。

7.1.4融合监测预警报警

对接入系统的井下综采、掘进、主运输、辅助运输、机电硐室等生产系统，地面园区关键设备的摄

像机视频数据，按照矿安全生产管理部门自定义的识别规则进行实时识别、展示、报警。支持按照识别

内容、区域、队组等维度进行查询、展示。此外，系统可对安全类、生产类、保障类监控数据进行接入

展示，多系统感知数据结合视频智能识别结果，依据动态规则配置，实现融合监测预警报警。

7.1.5设备联动控制

系统识别到设备不安全状态、人员不安全行为并发出报警信息后，且不安全行为持续未消除，可将

设备停机指令发送给对应的控制系统，由控制系统向设备发送停机指令，同时，将设备停机信息通过移

动端或语音广播或声光电报警设备提醒岗位操作人员。

设备联动控制具备根据矿方实际需求进行自动配置的功能。

6

DB14/T2814—2023

7.1.6识别结果管理

应具备识别结果调阅功能，第三方应用基于开放的接口，调阅模型实时识别结果和历史识别结果。

a)报警管理功能：应具备前端系统对多种报警规则的管理，根据不同的报警规则进行报警计算、

报警响应、报警消息存储和处置。

b)报警处置。

1)系统能够识别到人员不安全行为、设备异常状态时，联动现场语音广播进行报警，提醒

人员终止不安全行为，或提醒附近区域人员对设备异常状态进行处理，同时，报警信息

可自动推到系统和收集APP，安全管理人员点击报警信息可参看报警详情，点击处置可进

入报警信息处置界面。报警信息包含：报警类型、报警点位置、报警级别、报警时间。

2)系统按照煤矿组织架构及岗位职责，将报警信息推送到对应的区域安全管理人员以及分

管领导，提示其及时处理。根据不同的报警级别、不同场景的配置相应的工作流、业务

流，并进行处置闭环，包括生产现场的小闭环，以及管理流程的大闭环。

c)历史报警记录：系统自动截取识别到的不安全行为、设备异常状态证据视频，并自动保存，支

持按报警级别、报警地点、报警起始时间等维度进行查询展示，支持升序/降序排列，支持查

看报警详情、历史报警视频回放。

d)识别反馈功能：应具备模型识别结果准确率的人工确认和误识别反馈（提交检测结果不正确的

事件及证据）、漏识别反馈（提交未检测到的事件及证据）、反馈处置结果查询功能。

7.1.7识别结果分析

系统应具备识别结果分析功能，可对识别管理功能中的历史的预警、告警、报警处置过程、非预警

告警的正常识别结果，并提供基于时间维度、报警类型维度、报警等级维度、处理闭环管理维度等不同

层面的识别结果数据多维统计分析。

7.1.8移动App应用

移动App应包含实时动态监测、预警信息推送、岗位风险作业可视化管控等功能。工作人员通过移

动App可随时查看矿井的环境监测数据、设备运行数据、人员位置数据；管理人员可通过移动App接收预

警信息并处理，同时应支持处置结果上传；移动App应支持作业流程标准化指引，规范人员作业流程，

提示、指导作业人员标准化操作，协助管理者对人员岗位实现风险分级管控管理。

系统支持移动终端应用，包含：首页实时监测、异常报警、数据统计分析、消息提醒、历史报警查

询等功能。支持实现移动端版本自动升级、更新。

数据采集

7.2.1数据接入

应支持接入包括但不限于安全监测类系统、生产集控类系统、保障类系统的数据感知和数据接入，

用于环境、设备感知数据的采集，以及需要联动控制时指令的下发。

7.2.2感知数据发布

数据发布可为数据服务层的数据治理以及视频分析提供相应数据源，提供多种数据接口、数据消息

等多种类型的数据提供方式。

数据治理

7.3.1数据入湖

7

DB14/T2814—2023

针对视频流入湖应满足满足摄像头实时数据的入湖场景，支持将视频流转换为实时视频数据进行存

储。针对视频文件入湖应满足特定视频文件的入湖场景，支持将视频文件存入大数据集群。针对图片入

湖应满足将需要标注的特定视频转换为图片集进行存储的场景。

7.3.2数据处理

数据处理对象主要为视频数据和图片数据，非结构化数据处理应能支持特征标签提取、支持视频数

据结构化处理成图片、支持图片按视频标签规则合成视频。

7.3.3数据共享

应支持视频数据通过接口共享和数据转发的两种方式将数据资产以服务的形式输出给煤矿智能识

别系统。

后端模型深度学习

7.4.1数据工厂

应具备以下能力：

a)样本数据采集：应具备数据手动上传和自动采集功能，为模型标注、训练和测试提供数据基

础。包含下列2项功能：

1)手动上传：支持图片、视频、文本、音频文件手动导入到后端系统素材库；

2)自动采集：前端系统按照后端系统预先定义好的采集周期实时采集场景视频，并基于AI

算法自动剔除无效和重复数据，定期上传到后端系统素材库。当用户触发误（漏）识别

反馈或模型自感知识别率较低时,自动改变采集策略，高频采集数据并实时上传。

b)数据处理功能：应具备数据处理能力，通过多种数据预处理算法，从大量的、杂乱无章的、

难以理解的数据中抽取生成有价值、有意义的数据，用于模型的训练和验证。包括下列4种

数据处理能力：

1)数据校验：是对数据可用性的基本判断和验证的过程，帮助AI开发者提前识别数据中的

不合法数据，如图片的名字、路径、后缀名不满足训练要求，或图片视频损坏、无法解

码等，防止数据噪声造成的算法精度下降或者训练失败问题；

2)数据清洗：在数据校验的基础上，对数据进行一致性检查，处理一些无效值，例如去除

目标被遮挡、图像质量不高、目标不属于预测分类内的图像数据；

3)数据选择：从全量数据中选择数据子集。在AI开发过程中，采集的数据可能存在大量重

复数据，重复数据对模型精度提升并没有太大作用，反而需要花费很多时间对其进行标

注。使用数据选择进行数据处理，根据相似度删除重复图片、相似图片；

4)数据增强：帮助用户增加标注数据集的数量，提升模型的泛化能力，增加抗扰动的能力。

c)数据标注功能：应具有线上标注功能，屏蔽各类标注工具带来的差异，降低标注成本，包括

但不限图像分类、物体检测、实例分割、语音识别、文本分类等标注类型。包含下列6项功

能：

1)标注数据验证：支持对线下标注数据集的导入和线上校准；

2)标注质量评估：自动评估标注任务完成质量，对不符合质量要求的数据（不可用于模型

训练）给出原因和报告，重新进行标注；

3)个人标注：用户创建单人标注作业，对数据进行手工标注；

4)团队标注：通过将数据集在线共享给团队成员，实现多人分工标注数据并汇总数据训练

的模式，提高线上标注效率；

8

DB14/T2814—2023

5)智能标注：人工标注少量数据后，自动将剩余待标注图片进行智能标注，并由AI开发人

员确认标注结果；

6)版本管理：对数据集进行记录和管理，生成对应版本数据集，让算法工程和标注工程师

快速了解哪些数据集已经满足模型训练的要求，可以进入下一步工作流程。

d)数据市场功能：应建设数据共享交换平台，通过共享数据方式，最大程度复用已有数据集，

避免数据集重复制作。包含下列3项功能：

1)格式转换：使用一种标注方式进行标注的数据，可以经过多种格式的存储转换，从而适

用于不同的算法，达到数据一次标注多次复用的目的；

2)标签检索：从共享数据交换平台中，快速定位包含指定标签的标注数据，人工筛选后直

接用于模型训练和测试。提高数据的使用率，提升模型的泛化能力；

3)数据预览：展示数据集的标签类别、