来源：期刊VIP网 时间：
作者：张立亚;郝博南;马征;杨志方;
单位：煤炭科学技术研究院有限公司;煤炭智能开采与岩层控制全国重点实验室;煤矿应急避险技术装备工程研究中心;北京市煤矿安全工程技术研究中心;
摘要：目前矿山AI视频系统主要采用地面服务器进行分析处理，存在视频分析整体响应时延较高、多系统联动延迟、网络带宽资源占用大等问题。针对该问题，设计了一种轻量化、可边缘部署的矿用AI视频边缘计算系统。提出了基于注册机的轻量化软件开发工具包（SDK）框架，对算子进行解耦，以提升算法并行运算能力，降低SDK对存储空间的需求；对YOLOv7的卷积运算进行分组设计，利用恒等映射对Focus主干网络进行优化，以减少运算量并轻量化网络结构，同时引入Transformer中的注意力机制提高检测性能。集成国产化智能芯片和5G通信模块，研制了矿用AI视频服务器，实现了矿山边缘节点部署与计算。实验结果表明：矿用AI视频边缘计算系统响应出色，部署注册机SDK与改进YOLOv7模型后，平均推理时延为28ms，较ReactNative+YOLOv7和MobileNet分别减少52%和44%；在各种负载情况下，矿用AI视频服务器的响应时间远低于矿山操作的最低要求。现场工业性测试结果表明：矿用AI视频服务器接入8路摄像仪时，响应时延为51 ms，带宽维持在45 Mbit/s，比使用地面服务器时的时延降低了59%，带宽提高了15%,实现了对井下视频数据的实时、就地分析处理，有效降低了数据传输时延，提高了视频分析的响应速率和处理效率。
关键词：智能矿山;AI视频分析;边缘计算;注册机;YOLOv7;轻量化设计
基金资助：工业和信息化部2024年工业互联网创新发展工程-工业5G轻量化融合终端项目（TC240AAKM-132）; 天地科技股份有限公司科技创新创业资金专项项目（2023-TD-ZD005-005,2024-TD-ZD015-01）
