下一个AI舞台,名叫煤矿( 二 )


我们可以来看两支参赛队伍的作品 。
“中科大少年班” , 是无数人从小梦想加入的学府 。从这里出发的队伍,也加入了矿山AI大模型大赛 。来自中国科学技术大学少年班学院的“蜗壳穿山甲队”,带来了矿上运煤传送带的AI机器人巡检方案 。
在矿山当中 , 大型露天矿区需要使用远距离传送带进行传输 。大型矿山的传送带长度可能达到10公里 。而传送带故障巡检至关重要,一旦因故障造成停工检修 , 每检修一小时就可能影响数千吨的矿物运输 。传统人工巡检,要在如此长的距离中来回巡视 , 面临着环境恶劣,且容易漏检、错检等问题 。

下一个AI舞台,名叫煤矿

文章插图
AI巡检方案则改变了这种情况 。通过巡检机器人(端)、服务端(云)、客户端三部分组合,AI巡检机器人可以通过5G网络将海量感知数据上传至云端,从而在云端进行智能化的故障识别与检测 。这个方案有效应用了大模型泛化性强的优势,可适用于多种使用胶带传输系统的场景,并且可以在发现新的异常场景后,实时上传图片,完成云端迭代训练,让矿山中的巡检AI“越用越聪明” 。
来自中国矿业大学的“煤有办法”团队,带来了“刮板后溜煤矸及人员识别AI模型成果展示” 。
这一项目直接作用于采煤环节 。传统的放顶煤采煤法,需要在开采厚煤层时,沿煤层的底板或煤层某一厚度范围内的底部布置采高为2~3m的采煤工作面,用综合机械化方式进行回采,再利用矿山压力的作用或辅以松动爆破等方法,使顶煤破碎成散体后,由支架后方或上方的“放煤窗口”放出,并由刮板运输机运出工作面 。
这个方法的问题在于,大部分工作面依赖于人工放煤,现场工人只能通过看和听来把握放煤过程、煤矸混放过程和放矸过程 , 掌控放煤口的开关时机 。这种方式高度依赖经验,并且很有可能造成煤炭开采中的浪费 。
“煤有办法”团队,将盘古大模型部署在液压支架后方对准后刮板,使AI识别能力遍布整个工作面 。既可以判断检修期间工作人员的行为安全情况,同时也可以在生产时间拍摄画面传输到井上生产调度室,基于华为矿山AI大模型识别厚煤层放顶煤煤矸,从而降低矸石产出,提高煤炭资源回收率,减少下井人数 。
记得在矿山时,矿上的工程师跟我们说,“什么是煤矿安全?少下矿,不下矿就是最大的安全” 。这句话给我留下了深刻的印象 。今天 , 不仅是各个企业、供应链在为此努力 , 大学生AI开发者也为这个目标贡献出独特的价值 。
校园AI开发者的煤矿首秀,真的十分精彩 。
底座之路:
“众筹模式”让煤矿智能化成为“活水”
矿山智能化,确实有很多的问题 。但如果每个开发者都能解决一个问题 。全中国,甚至全世界的AI开发者都来解决煤矿的问题 , 那么最终会怎样?
【下一个AI舞台,名叫煤矿】我想 , 这才是矿山AI大模型大赛真正带来的启示 。过去 , 我们总是认为AI大模型、开发者、煤矿场景,这几件事是相互分流的:中小型AI开发者团队难以实现大模型的开发,煤炭产业难以找到高水平的AI人才,年轻开发者也总是远离煤矿这种传统行业 。
但这场比赛却打破了这种固化认知 。这种矿山产业出问题 , 科技行业出技术,产学研共同搭建舞台的方式,构成了一种类似“众筹平台”的效应 。煤炭产业的需求,不再需要从找人、招人开始做起;AI开发者,也不会对矿山这样的产业望而生畏 。

相关经验推荐