(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210810066.1 (22)申请日 2022.07.11 (71)申请人 江西中科 冠物联网科技有限公司 地址 335400 江西省鹰 潭市贵溪市经济开 发区东环路瑞天大道6号 (72)发明人 胡蓉　 (74)专利代理 机构 南昌新赣铭创专利代理事务 所(普通合伙) 36147 专利代理师 汤春微 (51)Int.Cl. G01V 1/00(2006.01) G01D 21/02(2006.01) G06N 3/04(2006.01) G16Y 10/20(2020.01) (54)发明名称 基于物联网的矿山安全生产检测系统及其 检测方法 (57)摘要 本申请涉及智能安全检测的领域， 其具体地 公开了一种基于物联网的矿山安全生产检测系 统及其检测方法， 其采用人工智 能的检测技术， 通过卷积神经网络模型对于地下水的观测数据 的动态变化特征以及地磁的测量变化特征进行 提取， 来综合对于地震进行预警， 并且在特征融 合的过程中， 为了提升在通过深层卷积神经网络 所映射到的高维特征空间内的融合性能， 进行特 征向量的深度单应对齐， 以提高分类的准确性。 这样， 就能够对于矿山的安全生产进行检测。 权利要求书3页 说明书12页 附图5页 CN 115128663 A 2022.09.30 CN 115128663 A 1.一种基于物联网的矿山 安全生产检测系统， 其特 征在于， 包括： 地下水观测数据采集模块， 用于获取由地下流体监测系统采集的多个预定时间点的地 下水观测数据， 其中， 所述 地下水观测数据包括水位、 流 量、 离子浓度和电导 率； 地磁测量数据采集模块， 用于获取由地磁和地电观测台采集的地磁测量波形图； 单点地下水观测数据编码模块， 用于将所述多个预定时间点的地下水观测数据中各个 预定时间点的地下水观测数据分别通过包含嵌入层的上下文编码器以得到多个单时间点 地下水观测特 征向量； 时序关联编码模块， 用于将所述多个单时间点地下水观测特征向量进行二维排列为特 征矩阵后通过第一卷积神经网络以得到地下 水动态观测特征向量； 地磁测量数据编码模块， 用于将所述地磁测量波形图通过作为过滤器的第 二卷积神经 网络以得到地磁测量特 征向量； 融合模块， 用于 融合所述地下水动态观测特征向量和所述地磁测量特征向量以得到分 类特征向量； 以及 安全预警模块， 用于将所述分类特征向量通过分类器以得到分类结果， 所述分类结果 用于表示是否产生 地震预警提 示。 2.根据权利要求1所述的基于物联网的矿山安全生产检测系统， 其中， 所述单点地下水 观测数据编码模块， 包括： 嵌入编码单元， 用于使用所述包含嵌入层的上下文的编码器模型的嵌入层 分别将所述 多个预定时间点的地下水观测数据中各个预定时间点的地下水观测数据转化为输入向量 以获得输入向量的序列； 以及 转换编码单元， 用于使用所述包含嵌入层的上下文的编码器模型的转换器对所述输入 向量的序列进行基于全局的上下文语义编码以获得所述多个单时间点地下水观测特征向 量。 3.根据权利要求2所述的基于物联网的矿山安全生产检测系统， 其中， 所述 时序关联编 码模块， 进一步用于： 使用所述第一卷积神经网络的各层在层的正向传递中对输入数据分 别进行： 对输入数据进行 卷积处理以得到卷积特 征图； 对所述卷积特 征图进行基于局部特 征矩阵的均值池化以得到池化特 征图； 以及 对所述池化特 征图进行非线性激活以得到 激活特征图； 其中， 所述第一卷积神经网络的最后一层的输出为所述地下水动态观测特征向量， 所 述第一卷积神经网络的第一层的输入为所述特 征矩阵。 4.根据权利要求3所述的基于物联网的矿山安全生产检测系统， 其中， 所述地磁测量数 据编码模块， 包括： 降噪单元， 用于将所述地磁测量波形图通过作为滤波器的深度 可分离卷积神经网络以 得到降噪后地磁测量波形图； 以及 卷积编码单元， 用于将所述降噪后地磁测量波形图通过所述作为过滤器的第 二卷积神 经网络以得到所述 地磁测量特 征向量。 5.根据权利要求4所述的基于物联网的矿山安全生产检测系统， 其中， 所述卷积编码单 元， 进一步用于所述第二卷积神经网络的各层在层的正向传递中对输入数据进行卷积处权　利　要　求　书 1/3 页 2 CN 115128663 A 2理、 沿特征矩阵的池化处理和激活处理以由所述第二卷积神经网络的最后一层生成所述地 磁测量特 征向量， 其中， 所述第二卷积神经网络的第一层的输入为所述 地磁测量波形图。 6.根据权利要求5所述的基于物联网的矿山安全生产检测系统， 其中， 所述融合模块， 进一步用于： 以如下公式融合所述地下水动态观测特征向量和所述地磁测量特征向量以得 到所述分类特 征向量； 其中， 所述公式为： 其中Vc表示所述分类特征向量， V1表示所述地下水动态观测特征向量， V2表示所述地磁 测量特征向量， || ·||1表示向量的一范数， 且|| ·||F表示矩阵的Frobenius范数， 表示按 位置差分，⊙表示按位置点乘。 7.根据权利要求6所述的基于物联网的矿山安全生产检测系统， 其中， 所述安全预警模 块， 进一步用于使用所述分类器以如下公式对 所述分类特征向量进行 处理以获得所述分类 结果， 其中， 所述公式为： softmax{(Wn， Bn)： ...： (W1， B1)|X}， 其中， W1到Wn为权重矩阵， B1到Bn 为偏置向量， X为所述分类特 征向量。 8.一种基于物联网的矿山 安全生产检测系统的检测方法， 其特 征在于， 包括： 获取由地下流体监测系统采集的多个预定时间点的地下水观测数据， 其中， 所述地下 水观测数据包括水位、 流 量、 离子浓度和电导 率； 获取由地磁和地电观测台采集的地磁测量波形图； 将所述多个预定时间点的地下水观测数据中各个预定时间点的地下水观测数据分别 通过包含嵌入层的上 下文编码器以得到多个单时间点 地下水观测特 征向量； 将所述多个单时间点地下水观测特征向量进行二维排列为特征矩阵后通过第一卷积 神经网络以得到地下 水动态观测特征向量； 将所述地磁测量波形图通过作为过滤器的第二卷积神经网络以得到地磁测量特征向 量； 融合所述地下水动态观测特征向量和所述地磁测量特征向量以得到分类特征向量； 以 及 将所述分类特征向量通过分类器以得到分类结果， 所述分类结果用于表示是否产生地 震预警提 示。 9.根据权利要求8所述的基于物联网的矿山安全生产检测系统 的检测方法， 其中， 将所 述多个预定时间点的地下水观测数据中各个预定时间点的地下水观测数据分别通过包含 嵌入层的上 下文编码器以得到多个单时间点 地下水观测特 征向量， 包括： 使用所述包含嵌入层的上下文的编码器模型的嵌入层分别将所述多个预定时间点的 地下水观测数据中各个预定时间点的地下水观测数据转化为输入向量以获得输入向量的 序列； 以及 使用所述包含嵌入层的上下文的编码器模型的转换器对所述输入向量的序列进行基 于全局的上 下文语义编码以获得 所述多个单时间点 地下水观测特 征向量。 10.根据权利要求9所述的基于物联网的矿山安全生产检测系统的检测方法， 其中， 融 合所述地下水动态观测特征向量和所述 地磁测量特 征向量以得到分类特 征向量， 包括：权　利　要　求　书 2/3 页 3 CN 115128663 A 3