重大進展特刊
為宣傳推廣煤礦智能化建設先進經驗和創新成果,發揮典型示范引領作用,《智能礦山》于2025年第2期策劃出版了《2024年煤礦智能化重大進展成果特刊》,刊登代表新時代煤礦人創造性實踐和智慧結晶的11項智能化建設成果,以饗讀者。
文章來源:《智能礦山》2025年第2期“2024 年煤礦智能化重大進展成果特刊”
作者簡介:李偉,研究員,博士,現任山東能源集團有限公司黨委書記、董事長,主要從事煤炭安全高效開采和清潔高效利用方面的技術研究與工程實踐工作。Email:sdnyliwei@shandong-energy.com
作者單位:山東能源集團有限公司
引用格式:李偉.全球首個礦山行業大模型在山東能源落地商用[J].智能礦山,2025,6(2):2-6.
點擊文末左下角閱讀原文,免費下載閱讀pdf全文
數字經濟是新一輪科技革命和產業變革新機遇的戰略選擇,人工智能(簡稱AI)是引領科技革命和產業變革的戰略性技術,具有溢出帶動性的“頭雁”效應。自2020年起,山東能源集團有限公司(簡稱山東能源)聯合華為技術有限公司(簡稱華為公司)共同探討礦山大模型應用場景,聚焦全球首款礦山行業大模型商用,分析技術架構并突破關鍵技術,研發出全球首個礦山行業大模型,涵蓋視覺感知和數據預測方案,提供多方面樣板,實現創新突破與成果轉化,在行業內發揮重要引領和示范作用。
礦山行業大模型主要建設內容
1.1 構建傳統行業智能化升級示范樣板
為契合礦山領域智能化改造與數字化轉型的迫切需求,構建了礦山場景專用視覺大模型和預測大模型。視覺大模型利用先進的圖像處理技術,精準識別礦山作業場景中采煤機運行狀態、礦石運輸情況等各類目標;預測大模型憑借強大的數據分析能力,預測礦山生產中礦石品位變化趨勢、設備故障發生概率等關鍵參數。視覺和預測大模型協同發力,全面覆蓋了礦山領域采煤、掘進、主運、輔運、提升、安監、防沖、洗選、焦化9個專業的100多類AI場景,礦山行業大模型建設場景如圖1所示。在采煤工作面,視覺大模型實時監測采煤機的割煤速度和位置,預測大模型根據地質數據預估頂板垮落風險,為安全生產提供精準指導,增強生產安全保障,顯著提升了山東能源礦山領域的智能化水平。
圖1 礦山行業大模型建設場景
1.2 打造業內首個全棧自主研發的行業大模型
礦山行業大模型采用昇騰、盤古大模型等前沿國產化技術,以預訓練大模型為基礎,深度優化模型架構與算法,使其具備強大的泛化能力,適應不同礦山場景。通過國產化算力適配,充分發揮硬件性能,確保高效運算。云邊架構協同實現了中心與邊緣的無縫協作,數據在云端集中訓練與管理,邊緣端實時推理與反饋,保障了系統的穩定性與響應速度。融合系列核心關鍵技術,打造出可信可靠、通用泛化、自我進化的全棧自主可控的礦山人工智能大模型,填補了國內外礦山領域垂直行業大模型的空白,為煤炭行業智能化轉型提供了堅實支撐。
礦山行業大模型關鍵技術創新
2.1 礦山場景感知與動態數據建模
通過礦山現場的傳感器、攝像機等設備,實時采集礦山的環境數據、設備狀態、生產流程等信息,結合AI技術進行深度學習與分析,有效感知礦山環境變化,并建立動態數據模型。礦山場景感知關鍵技術從大量原始數據中提取有價值的信息,支持實時決策和預測。通過動態監測設備運行狀態,建立模型預測設備故障并預警,動態數據建模的核心為實時更新和優化模型。通過不斷優化模型參數,實時匹配礦山生產環境變化,實現精準設備故障預測、安全隱患識別等功能。
2.2 構建智能調度與優化算法
應用AI和優化算法,可在復雜生產環境中實現資源合理調配與調度,在突發事件中迅速作出響應。智能調度通過算法優化生產計劃、設備調度,減少生產中非計劃停機時間,提升生產效率。優化算法涉及多目標優化,常用的包括生產成本、時間效率和設備利用率等。優化目標為總成本最小化,同時滿足資源限制、時間約束等條件,通過智能調度與優化算法,實時調整生產計劃,根據礦山現場動態變化優化設備和資源分配,提升生產的靈活性和響應速度。
2.3 礦山安全監測與智能預警
礦山安全監控系統依靠傳感器、攝像機等設備,實時采集礦山中的氣體濃度、溫濕度、設備運行狀態、環境震動等參數,動態感知和預測潛在的安全隱患,通過邊緣計算和云端分析,實現全面監控生產環境、設備狀態及人員安全狀況。礦井智能預警以視覺識別技術和深度學習算法為基礎,進行多維數據融合和分析,利用設備故障預測模型,分析設備歷史數據和實時狀態,早期預測潛在安全事故,并識別異常模式,發現異常征兆及時預警,避免設備故障對生產造成影響,可有效提高安全生產的管理水平,礦山行業大模型實時監測界面如圖2所示。
圖2 礦山行業大模型實時監測界面
2.4 模型性能優化與能耗控制
海量礦山數據的深度學習模型訓練和推理,消耗大量計算資源,帶來高能耗并降低模型反應速度。采用知識精餾技術,降低模型復雜度和計算負擔,優化模型性能并提升精確度。針對不同礦場任務特點,將大型預訓練模型的知識轉移到小網絡中,適應模型壓縮和量化,使模型在低功耗裝置高效運行。通過系列優化,模型既可在礦井現場設備保持高預測準確率,也滿足快速推理需求。
采用邊緣計算和云計算協同架構控制模型能耗,邊緣設備只執行必要的推理任務,通過云中心放置大規模的數據預處理和模型訓練,降低邊緣設備的計算負擔和能耗。邊緣設備采用動態電源管理技術,在不影響實時性和精確性的前提下,基于當前負載調整功耗,減少不必要能耗,實現動態調度和管理,進一步優化能源利用效率。
礦山行業大模型解決的難題
3.1 低代碼融合AI重塑開發工作流
在AI領域,基礎大模型訓練與推理對資源要求極高,在企業本地化部署面臨重重困難,特別是礦山對保密和數據私有化需求強烈的行業,高昂投資成本和資源消耗成為難以逾越的障礙。
通過深入剖析煤炭行業獨特需求,針對性優化基礎大模型,成功研發出適配礦山行業的AI大模型,削減了模型訓練和推理所需資源,為大模型私有化部署創造了條件。創新性地深度融合低代碼技術與AI技術,重構了AI開發工作流程,滿足初級算法工程師僅需簡單培訓,便可借助平臺高效完成模型開發與調優任務,使模型開發、迭代、運維、運營等環節更加便捷、高效,降低了模型開發門檻,為礦山行業的智能化發展注入了新的活力與動力。
3.2 優化數據對齊、網絡結構、下游任務
在視覺處理領域,針對高層語義層面難以對齊的難題,創新性地提出基于信息瓶頸理論的雙分支掩碼自動編碼器。通過獨特的雙分支結構設計,有效解決了語義對齊的關鍵問題,模型在處理視覺信息時,可更好地捕捉和理解高層語義特征,提升了模型對復雜視覺場景的理解能力。為減少圖像冗余信息對模型性能的影響,提出僅聚焦于掩碼區域內關鍵信息的重建策略,加速了掩碼圖像建模過程,提高了模型處理效率,降低計算資源消耗,模型在資源有限的情況下仍保持出色的性能表現。
鑒于當前業界圖文對齊預訓練模型CLIP在細粒度特定區域或像素級別細節處理的不足,研發了統一的多粒度學習框架,通過顯式賦予CLIP局部感知能力,在處理圖文信息時可精準捕捉細微特征,提升了模型在圖像分類、目標檢測等任務的精度,為礦山行業視覺相關應用提供了強大技術支持,大模型視覺技術框架如圖3所示。
圖3 大模型視覺技術框架
3.3 首次實現結構化數據預測
通過深入分析礦山不同場景和任務特性,精準篩選出最適配的基模型,有效解決了因場景與任務差異,導致最優模型難以確定的難題,確保了預測模型的準確性與適應性。
針對部分模型性能欠佳,致使傳統模型集成方案效果受限的情況,創新提出了圖網絡融合技術,通過融合圖網絡結構,實現了模型間優勢互補,提升了結構化數據預測的精度與泛化能力,預測大模型采用集成學習策略,綜合分析與優化多個模型預測結果,進一步增強了預測算法的精度和魯棒性。面對礦山領域復雜的結構化數據時,可提供更加可靠、精準的預測結果。通過基模型選擇和圖網絡融合,研發出自適應、可擴展的礦山預測大模型,首次實現了礦山生產領域的結構化數據預測,大模型預測技術框架如圖4所示。
圖4 大模型預測技術框架
3.4 創建礦山AI大模型全鏈條開發運營體系
針對礦山AI場景面臨的諸多挑戰,開創性地提出了“云邊協同+邊用邊學+非正常即異常”的AI模型迭代優化方法,提供了全面解決方案。
“云邊協同”架構實現了云端強大計算能力與邊緣端實時響應能力的有機結合。云端負責集中訓練和模型優化,邊緣端則專注于現場數據的實時推理和初步處理,二者協同工作,有效提升了場景推理的實時性,確保了礦山生產過程中的關鍵決策能夠及時、準確做出。
“邊用邊學”機制打破了傳統模型更新的固有模式。在礦山實際運營中,可持續從新產生的數據中學習,不斷優化自身性能,縮短模型迭代周期,模型可快速適應礦山環境變化和業務需求的演進。
“非正常即異常”策略創新地解決了負樣本獲取難題,通過深入學習正常樣本的形態特征,模型自動識別并篩選出異常樣本,為模型訓練提供關鍵的負樣本數據,提高了模型對異常情況的識別能力和準確性。
基于上述創新方法,山東能源成功創建了礦山AI大模型全鏈條開發運營體系,涵蓋數據采集、模型開發、訓練優化到部署應用各環節,實現了全流程的標準化、模塊化管理。“云邊協同+邊用邊學+非正常即異常”模型迭代優化方法如圖5所示。
圖5 “云邊協同+邊用邊學+非正常即異常”模型迭代優化方法
礦山行業大模型的應用效果
(1)基于山東能源的AI訓練中心,已開發了安全生產方面的相關視覺、預測方向100多類AI應用場景算法模型,覆蓋主運、防沖、掘進等9大專業,實現了設備聯控及決策優化。目前正在全國70多個生產單位進行推廣復制應用,規模超過3000個場景。下一步,在頂層政策及智能化發展的驅動下,將結合煤礦生產單位的智能化需求,加大山東能源內外部的推廣力度,計劃縱向深化礦山領域,橫向拓展化工、電力等領域,持續打造跨行業、跨領域的更多應用場景,進一步助力能源行業智能化水平提升。
(2)開辟了AI大模型技術應用新路徑,打造智慧礦山建設山東能源新模式。以L0層大模型的視覺、預測大模型基礎通用能力,作為礦山大模型預訓練的模型底座,融合礦山領域海量知識,沉淀高質量數據資產,訓練出L1層礦山大模型,建成云邊協同、邊用邊學的架構體系,首次將大模型技術引入煤炭行業并進行大范圍推廣應用,突破了大模型在工業領域應用精度低、泛化性不足、難以大規模復制推廣等難題,打造了可復制、可移植、可擴展的AI新模式。
(3)開創了傳統行業管理變革新局面,構建礦山安全高質量發展新格局。基于盤古大模型技術場景化應用,通過智能預警、智能監管,加快推動礦山安全治理模式向事前預防轉型,把風險化解在隱患前、把隱患消除在事故前,降低危險作業場所事故的發生率。著力保障從業人員生命安全健康,逐步構建以人為本的安全生產管理體系,踐行以人為本的安全生產方針,成為新型基礎設施建設在煤炭行業應用的重要里程碑。
(4)探索出產學研用深度融合新思路,點燃產業快速升級提質新引擎。依托山東能源深厚的行業經驗積累和華為公司出眾的大模型技術能力,發布了《礦山智能化暨礦山大模型最佳實踐白皮書》,為AI應用實踐提供了統一標準及規范。同時聯合山東大學共同成立“AI+能源”未來技術學院,建立“企業主導,高校支撐”合作機制,實現了AI與能源學科的深度融合,推動AI及能源行業的創新與發展,探索出一條產學研用深度融合的學科交叉育人新模式,推動產教融合、科教融匯,建設貫穿創新鏈、產業鏈的礦山智能化新生態。
總結
(1)依托礦山領域的數據+算法+算力,引入視覺、預測等系統化新技術,研發具有行業特質的專屬大模型,構建了一套識別率高、泛化性強、部署靈活的大模型解決方案,以應對礦山行業復雜多變的業務場景,提高礦山行業的智能化建設水平,提供煤炭生產力的新路徑。
(2)基于云邊協同架構的大模型在礦山安全、生產效率和資源優化方面擁有巨大潛力,本項目的成功應用標志著全球首個礦山行業大模型的落地商用,實現了AI在礦山行業規模化、標準化、常態化推廣應用,推動了煤炭行業的數字化轉型,踐行以人為本的理念,減輕井下人員工作強度,降低事故發生率,保障從業人員安全。
(3)礦山行業大模型的應用促進了煤礦生產從人工管理到智能化管理、從被動管理到主動管理的跨越,為能源行業管理變革注入了新動力,憑借突出的創新性與應用價值,經中國煤炭工業協會鑒定為國際領先水平。
“煤礦智能化重大進展發布會”自 2021年開始,至今已舉辦4次,發布會吸引了眾多煤礦智能化建設領域的專家及科研、工程技術人員,成為展示煤礦智能化建設成果,交流煤礦智能化科技成果的盛會。
往期回顧 | 點擊圖片了解詳情
END
編輯丨李莎
審核丨趙瑞
煤科總院出版傳媒集團成立于2015年,擁有科技期刊21種。其中,SCI收錄1種,Ei收錄5種、CSCD收錄6種、Scopus收錄7種、中文核心期刊9種、中國科技核心期刊11種、中國科技期刊卓越行動計劃入選期刊4種,是煤炭行業最重要的科技窗口與學術交流陣地,也是行業最大最權威的期刊集群。
《智能礦山》
Journal of Intelligent Mine
月刊CN 10-1709/TN,ISSN 2096-9139,聚焦礦山智能化領域產學研用新進展的綜合性技術刊物。
主編:王國法院士
投稿網址:www.chinamai.org.cn(期刊中心-作者投稿)
聯系人:李編輯 010-87986441
往期薦讀
往期特刊
中國煤科特刊
陜煤集團特刊
神東專欄
重大進展特刊
露天礦特刊
理事會特刊
紅柳林煤礦特刊
創新技術特刊
創刊號
版權聲明
本刊對已出版文章持有電子版、網絡版及進行網絡技術交流和與各網絡數據庫合作的權利,稿酬一次性付清,版權歸本刊與作者共同所有,如不同意,請在投稿時聲明。
聲明:本文系轉載自互聯網,請讀者僅作參考,并自行核實相關內容。若對該稿件內容有任何疑問或質疑,請立即與鐵甲網聯系,本網將迅速給您回應并做處理,再次感謝您的閱讀與關注。
不想錯過新鮮資訊?
微信"掃一掃"