科研成果
瓦斯爆炸、瓦斯煤尘爆炸和煤尘爆炸(以下统称瓦斯和煤尘爆炸)会造成大量人员伤亡和财产损失，是煤矿重特大事故中事故起数和死亡人数最多的事故[1]。瓦斯和煤尘爆炸会消耗大量O2，产生大量CO和CO2等有毒有害气体，造成大量人员中毒窒息死亡[2]。瓦斯和煤尘爆炸事故后，遇险人员在缺氧、CO和CO2浓度较高的灾后环境中滞留时间越长，死亡概率越高。因此，尽早发现事故并报警，尽早撤出遇险人员，尽早派救护队员救出遇险人员，是减少事故人员伤亡的有效措施。目前，煤矿瓦斯和煤尘爆炸事故发现和报警主要靠人工完成，存在发现晚、上报不及时、应急响应慢等问题。特别是当事故现场人员全部遇难或昏迷，将不能及时发现事故。笔者基于瓦斯和煤尘爆炸视频图像特征，研究了煤矿瓦斯和煤尘爆炸感知报警及爆源判定方法，对避免或减少事故人员伤亡具有重要的理论意义和实用价值。
煤矿瓦斯和煤尘爆炸会产生高温、高压、爆炸冲击波、火焰波、大量有毒有害气体和烟气，将沉积在顶底板、巷帮和设备上的粉尘扬起，造成巷道垮塌、设备和设施损坏及位移、人员伤亡等[3]，形成了瓦斯和煤尘爆炸视频图像特征：爆炸火球通常呈红色，亮度高、温度高，辐射较强的红外线和紫外线[4]，火球面积迅速扩大；火焰锋面的面积、亮度、颜色、形状、辐射强度等不断变化；烟尘(烟气和扬尘)的面积、颜色、形状等不断变化；有物体快速移动和变形。
图像静态特征包括火球和烟尘温度场分布特征，火焰锋面颜色和亮度分布特征，火焰锋面和烟尘圆形度及质心等形状特征，红外和紫外辐射强度分布特征[4]，采掘工作面和巷道垮塌、设备和设施损坏及位移、人员伤亡等。瓦斯和煤尘爆炸形成的火球和火焰通常为亮红色。在灰度图像中，火球圆形度较高。
视频动态特征包括亮度变化及变化率、空间结构变化及变化率、形状变化及变化率、颜色变化及变化率、温度场变化及变化率等。爆炸发生瞬间，爆源处空气温度急剧升高，火球迅速增大后充满巷道断面，并形成高温、高速的火焰波和烟尘。爆炸发生后，随着距爆源距离的增加，火焰波前后锋面逐渐重合，火焰厚度逐渐变小，由扇形结构逐渐变换为相对平缓的平面[5]，火焰锋面、火焰波、烟尘前沿位移速度不断减小直至消失，高温区域、火焰波和烟尘的最高温度逐渐减小[6]。随着冲击波的传播，巷道垮塌、设备损坏、物体位移、煤尘卷扬、烟尘温度和浓度逐渐变小[7]。
针对瓦斯和煤尘爆炸视频图像特征，笔者提出了基于视频图像的瓦斯和煤尘爆炸感知报警及爆源判定方法。该方法能够感知监视区域内瓦斯和煤尘爆炸静态和动态特征，并判定爆源，具有非接触、信息丰富和速度快等优点[8]，克服了传感器监测法仅能实现单点监测的缺点。
通过可见光高速彩色防爆摄像机，实时采集煤矿井下监视区域的视频图像，基于颜色空间模型、火焰波传播特征、冲击波传播特征实现瓦斯和煤尘爆炸感知报警及爆源判定。
(1) 在RGB，HSV，YCbCr等颜色空间模型[9]中，分析图像中颜色或亮度异常区域、异常区域面积、异常区域面积增长速度、异常区域最大灰度值、异常区域最大灰度值增长速度、异常区域边缘和空间分布等特征[10-11]，结合不同监视距离内图像异常区域的时空关系，不同监视地点图像异常的时序关系，以及摄像机损坏的时序关系等，辨识煤矿瓦斯和煤尘爆炸，判定爆源位置。
(2) 采用数字图像识别算法，获取爆炸瞬间火球面积增长速度、火球前沿位移速度等[12]，分析火焰波在监视区域内传播过程中的时空关系，不同监视地点的火焰波厚度、形态结构、移动速度、时序关系等特征，结合摄像机损坏的时序关系等，辨识煤矿瓦斯和煤尘爆炸，判定爆源位置。
(3) 分析监视区域内出现快速移动的物体及其移动速度、巷道垮塌及垮塌速度、吊挂在巷道帮壁上的线缆脱落及脱落速度、烟尘区域面积变化及变化率等，分析冲击波裹挟的烟尘在监视区域内传播过程中的时空关系，不同监视地点的巷道和机电设备的破坏程度、冲击波裹挟的烟尘移动速度等特征，结合摄像机损坏的时序关系，辨识煤矿瓦斯和煤尘爆炸，判定爆源位置。
煤矿瓦斯和煤尘爆炸会产生大量红外辐射，图像中火球和火焰波的亮度与周围环境存在显著区别。通过近红外摄像机采集监视区域的近红外视频图像，采用图像智能分析和识别算法，提取图像中异常高亮区域，计算高亮区域的亮度变化率、面积变化率、最高亮度、最高亮度增长速度、分布等特征[10，13-14]，分析火焰波在监视区域内传播过程中的时空关系，不同监视地点的巷道和机电设备的破坏程度、物体移动速度等特征，结合摄像机损坏的时序关系，辨识煤矿瓦斯和煤尘爆炸，判定爆源位置。
煤矿瓦斯和煤尘爆炸瞬间会产生高温火球，随着距爆源距离和爆炸时间的增加，火球温度场分布逐渐发生改变[7，15]。通过红外热像仪(远红外摄像机)采集监视区域的远红外视频图像，分析图像中高温区域温度和亮度分布、高温区域面积及其增长率、高温区域最高温度及其变化率、火焰波的热作用持续时间及其传播速度、火焰波厚度等特征[7]，结合不同位置红外热像仪监测的温度及其变化率[16]，以及红外热像仪损坏的时序关系，辨识煤矿瓦斯和煤尘爆炸，判定爆源位置。
煤矿瓦斯和煤尘爆炸会产生紫外辐射，随着距爆源距离的增加，紫外辐射强度逐渐衰减。通过紫外防爆摄像机采集监视区域的紫外视频图像，采用图像智能分析和识别算法，分析爆炸瞬间产生的火球和爆炸火焰波的紫外辐射光谱图像，提取图像中高亮区域、高亮区域面积变化率、高亮区域最高亮度及其变化率、高亮目标移动速度等特征，结合不同监视地点的紫外辐射光谱图像的亮度变化，以及摄像机损坏的时序关系，辨识煤矿瓦斯和煤尘爆炸，判定爆源位置。
基于可见光视频图像的瓦斯和煤尘爆炸感知报警及爆源判定方法具有监测范围广、成本低、使用与维护简单、受距离影响小、分辨率高、色彩信息丰富、火球和烟尘边缘特征清晰等优点；但抗干扰能力差，易受煤矿井下火灾、巷道灯、矿灯、车灯及红色衣物等影响[17-18]，浓烟降低了可见光摄像机的监视距离和图像质量。
基于近红外视频图像的瓦斯和煤尘爆炸感知报警及爆源判定方法监测范围广，能较好地消除红色衣物的干扰，受井下粉尘、烟雾等气溶胶散射及水蒸气、CO2等辐射吸收气体的影响小，能够在较恶劣的环境中获得比可见光波段更清晰的视频图像，提高了瓦斯和煤尘爆炸感知的可靠性和准确性，降低了误报率；但易受巷道灯、矿灯、车灯等发热和高亮物体的干扰。
基于远红外视频图像的瓦斯和煤尘爆炸感知报警及爆源判定方法监测范围广，可在高粉尘和浓烟等低能见度环境中进行监测；但易受视距内气体吸收、气溶胶散射等辐射衰减[19]，以及监视环境中近距离白炽灯、机电设备等其他高温热源和火灾的影响[14]，存在成本高、图像分辨率低等缺陷。
基于紫外视频图像的瓦斯和煤尘爆炸感知报警及爆源判定方法监测范围广，受巷道灯、矿灯、车灯等发热和高亮物体及红色衣物等影响小，可靠性高；但电气设备和电缆故障产生的电弧会辐射紫外线，影响瓦斯和煤尘爆炸辨识准确率，且紫外摄像机价格昂贵。
为进一步提高瓦斯和煤尘爆炸辨识准确率，笔者提出了多信息融合的瓦斯和煤尘爆炸感知报警及爆源判定方法。该方法融合可见光视频图像、近红外视频图像、远红外视频图像、紫外视频图像、O2、CO2、CO、温度、声音、震动、气压、风速、风向、烟雾、粉尘等信息，综合分析辨识瓦斯和煤尘爆炸，减小火灾、巷道灯、矿灯、车灯、红色衣物、机电设备发热、电气设备和电缆故障放电、煤与瓦斯突出、冲击地压、顶板大面积冒落、水灾、爆破作业、工作面落煤、煤炭转载和运输等对瓦斯和煤尘爆炸辨识的影响。
(1) 瓦斯和煤尘爆炸视频图像具有下列特征：爆炸火球通常呈红色，亮度高、温度高，辐射较强的红外线和紫外线，火球面积迅速扩大；火焰锋面的面积、亮度、颜色、形状、辐射强度等不断变化；烟尘的面积、颜色、形状等不断变化；有物体快速移动和变形。
(2) 基于视频图像的瓦斯和煤尘爆炸感知报警及爆源判定方法能够感知监视区域内瓦斯和煤尘爆炸静态和动态特征，并判定爆源，具有非接触、信息丰富和速度快等优点，克服了传感器监测法仅能实现单点监测的缺点。
(3) 多信息融合的瓦斯和煤尘爆炸感知报警及爆源判定方法融合可见光视频图像、近红外视频图像、远红外视频图像、紫外视频图像、O2、CO2、CO、温度、声音、震动、气压、风速、风向、烟雾、粉尘等信息，综合分析辨识瓦斯和煤尘爆炸，减小火灾、巷道灯、矿灯、车灯、红色衣物、机电设备发热、电气设备和电缆故障放电、煤与瓦斯突出、冲击地压、顶板大面积冒落、水灾、爆破作业、工作面落煤、煤炭转载和运输等对瓦斯和煤尘爆炸辨识的影响。
[1] 孙继平.屯兰煤矿“2·22”特别重大瓦斯爆炸事故原因及教训[J].煤炭学报,2010,35(1):72-75.
SUN Jiping.The causes and lessons of "2·22" gas explosion disaster at Tunlan Coal Mine[J].Journal of China Coal Society,2010,35(1):72-75．
[2] 孙继平.电气火源引起的特别重大瓦斯爆炸事故案例分析[J].工矿自动化,2012,38(2):1-5.
SUN Jiping.Case analysis of especially serious gas explosion disaster caused by electric fire source[J].Industry and Mine Automation,2012,38(2):1-5.
[3] 孙继平.煤矿瓦斯和煤尘爆炸感知报警与爆源判定方法研究[J].工矿自动化,2020,46(6):1-5.
SUN Jiping.Research on method of coal mine gas and coal dust explosion perception alarm and explosion source judgment[J].Industry and Mine Automation,2020,46(6):1-5.
[4] DILLS A N.Classification of battlespace detonations from temporally resolved multi-band imagery and mid-infrared spectra[D].Dayton:Air Force Institute of Technology,2005.
[5] 蔡定根,李会荣,李孝斌,等.汽油蒸气爆炸火焰光学特征的实验研究[J].消防科学与技术,2019,38(8):1187-1189.
CAI Dinggen,LI Huirong,LI Xiaobin,et al.Experimental research on the optical characteristics of gasoline steam explosion flame[J].Fire Science and Technology,2019,38(8):1187-1189.
[6] 张庆华,段玉龙,周心权,等.煤矿井下瓦斯爆炸后爆源临近区域特殊热环境分析研究[J].煤炭学报,2011,36(7):1165-1171.
ZHANG Qinghua,DUAN Yulong,ZHOU Xinquan,et al.Special thermal environment of adjacent explosions center areas after methane explosions[J].Journal of China Coal Society,2011,36(7):1165-1171.
[7] 孙继平.无安全监控系统的煤矿特别重大瓦斯爆炸事故案例分析[J].工矿自动化,2012,38(3):1-4.
SUN Jiping.Case analysis of gas explosion disaster of coal mine without safety monitoring system[J].Industry and Mine Automation,2012,38(3):1-4.
[8] 孙继平,宋姝.煤矿井下自燃火灾的图像识别及综合判据系统[J].中国安全科学学报,2005,15(12):110-112.
SUN Jiping,SONG Shu.Image recognition of coal mine spontaneous combustion and synthetic criterion[J].China Safety Science Journal,2005,15(12):110-112.
[9] 张洪铭,陈先锋,张英,等.基于RGB颜色模型的玉米淀粉爆燃火焰传播速度[J].爆炸与冲击,2018,38(1):133-139.
ZHANG Hongming,CHEN Xianfeng,ZHANG Ying,et al.Flame propagation velocities of cornstarch dust explosion based on RGB color mode[J].Explosion and Shock Waves,2018,38(1):133-139.
[10] 孙继平.基于彩色图像监测设备的矿井爆炸监控系统:CN201810154660.3[P].2018-08-03.
SUN Jiping.Mine explosion monitoring system based on color image monitoring equipment:CN201810154660.3[P].2018-08-03.
[11] YADAV G,GUPTA V,GAUR V,et al.Optimized flame detection using image processing based techniques[J].Indian Journal of Computer Science and Engineering,2012,3(2):202-211.
[12] 聂百胜,杨龙龙,孟筠青,等.基于图像处理的管道瓦斯爆炸火焰传播速度特征[J].煤炭学报,2016,41(4):884-891.
NIE Baisheng,YANG Longlong,MENG Junqing,et al.Characteristics of flame propagation velocity of gas explosion in duct based on image processing[J].Journal of China Coal Society,2016,41(4):884-891.
[13] 余明高,郑凯,郑立刚,等.基于Matlab图像处理的瓦斯爆炸火焰传播速度研究[J].安全与环境学报,2014,14(1):6-9.
YU Minggao,ZHENG Kai,ZHENG Ligang,et al.Flame propagation speed research of the gas explosion through image processing analysis based on Matlab[J].Journal of Safety and Environment,2014,14(1):6-9.
[14] 孙继平,邵子佩,刘毅.基于红外图像的采煤机异常工作及灾害报警系统:CN201720195912.8[P].2018-02-06.
SUN Jiping,SHAO Zipei,LIU Yi.Abnormal work and disaster alarm system of shearer based on infrared image:CN201720195912.8[P].2018-02-06.
[15] 田培培,张猛,王高,等.基于红外热像仪的温压弹爆炸温度场测试[J].红外技术,2016,38(3):260-265.
TIAN Peipei,ZHANG Meng,WANG Gao,et al.Explosive temperature field test of the thermobaric bomb based on the infrared thermal imager[J].Infrared Technology,2016,38(3):260-265.
[16] 林柏泉,菅从光.爆炸波能量变化特征及壁面热效应[J].煤炭学报,2004,29(4):429-433．
LIN Baiquan,JIAN Congguang.Energy changing characteristics of explosion wave and heating effect of wall[J].Journal of China Coal Society,2004,29(4):429-433．
[17] 孙继平,孙雁宇.矿井火灾监测与趋势预测方法研究[J].工矿自动化,2019,45(3):1-4.
SUN Jiping,SUN Yanyu.Research on methods of mine fire monitoring and trend prediction[J].Industry and Mine Automation,2019,45(3):1-4.
[18] 孙继平,孙雁宇,范伟强.基于可见光和红外图像的矿井外因火灾识别方法[J].工矿自动化,2019,45(5):1-5.
SUN Jiping,SUN Yanyu,FAN Weiqiang.Mine exogenous fire identification method based on visible light and infrared image[J].Industry and Mine Automation,2019,45(5):1-5.
[19] 孙继平,李迎春.矿井大气中红外辐射传输特性[J].煤炭学报,2005,30(6):788-791.
SUN Jiping,LI Yingchun.Transmission characteristic of infrared radiation through mine atmosphere[J].Journal of China Coal Society,2005,30(6):788-791.
SUN Jiping, FAN Weiqiang.Gas and coal dust explosion perception alarm and explosion source judgment method based on video image[J].Industry and Mine Automation，2020,46(7)：1-4.