一、核心需求与挑战

     矿山罐笼作为井下人员运输的核心设备，其超员问题直接关系到矿工生命安全与设备运行安全。一旦超员，轻则导致提升机过载、罐笼晃动加剧，重则引发坠罐、断绳等恶性事故。因此，防超员系统的核心需求是：实时、准确地统计罐笼内人数，当人数超过核定载员（如18人）时，立即发出告警并自动闭锁提升机控制系统，杜绝超员运行。

然而，实现这一需求面临三大技术挑战：

     第一，井下环境极端恶劣。 罐笼内部空间狭小，人员密集时相互遮挡严重；巷道内光线昏暗，通常照度低于10 lux，且存在大量粉尘、水雾；罐笼运行中会产生剧烈晃动。这些因素都极大干扰了传统摄像头的人体检测效果。

     第二，网络条件不可靠。 矿井深处往往没有稳定的工业以太网，或者网络带宽极低、时延大，无法依赖云端服务器进行视频分析。系统必须能够独立在本地完成所有计算和决策，即具备完全的离线运行能力。

     第三，响应速度要求极高。 提升机从启动到加速的时间很短，防超员系统必须在人员进入罐笼后的数秒内完成检测、判定和闭锁信号输出，端到端延迟需控制在100毫秒以内，否则可能无法阻止超员提升。同时，系统必须与现有提升机PLC（可编程逻辑控制器）无缝联动，采用标准工业协议。

二、总体架构（端-边-控协同）

     针对上述挑战，本方案采用“端-边-控”三层协同架构，彻底摆脱对云端的依赖，实现本地实时闭环控制。

     前端（图片采集层）：在罐笼内部对角位置安装两台矿用型高清摄像头。摄像头选用星光级图像传感器（最低照度0.001 lux）或红外热成像传感器，确保在黑暗、粉尘环境中仍能采集清晰图像。镜头采用120°广角，覆盖罐笼绝大部分区域；对角安装可减少单视角下的遮挡盲区。摄像头通过屏蔽网线或光纤将视频流实时传输至边缘计算盒子。

     边缘（计算层）：在罐笼顶部或井口墙壁上部署矿用边缘计算盒子。该设备需具备防爆认证、IP65防护等级，工作温度范围-20℃~60℃，无风扇散热设计以适应井下粉尘环境。算力要求不低于10 TOPS，内置深度学习推理加速引擎，可离线运行轻量化目标检测模型。边缘盒子接收双路视频流，实时运行人员检测算法，完成人数统计和超员判定。

     控侧（执行层）：边缘计算盒的输出端连接三部分设备：一是声光报警器（安装在井口信号房），用于语音提示和警报；二是提升机控制柜内的闭锁继电器，通过干接点信号或Modbus TCP协议与PLC通信；三是井口调度大屏，实时显示当前人数和报警状态。当边缘盒子判定超员时，立即向PLC输出闭锁信号；PLC逻辑中设定“收到闭锁信号时禁止提升机启动（或仅允许下放、禁止上提）”。只有人数降至核定数以下且人工按下复位按钮后，闭锁才能解除。

     整个架构无需连接矿井环网或云端，所有计算在本地完成，断网状态下功能完全正常，满足矿山安全规程对“独立于网络”的要求。

三、关键技术方案

1. 人员检测与计数模型

     算法选择YOLOv8或RT-DETR作为基础检测框架。针对罐笼俯视或侧视视角，训练专用的人头-肩部检测模型——因为罐笼内人员身体常被遮挡，但头部和肩部相对完整。训练数据集需包含井下真实场景：低照度、粉尘、反光衣、安全帽等，并通过数据增强模拟各种干扰。

     为了应对严重遮挡，采用双摄像头交叉验证机制：AI边缘盒子分别检测各自画面中的人员，然后通过对比匹配，融合两路结果，去除重复计数。同时引入轻量级ReID（行人重识别） 模块，对进出罐笼的人员进行轨迹跟踪，避免进出过程中被重复统计。最终输出罐笼内实时人数，准确率可达98%以上。

2. 边缘计算推理加速

     边缘盒子内模型推理需满足实时性要求。首先将PyTorch训练的模型转换为ONNX格式，再使用TensorRT进行INT8量化加速，单帧检测耗时从原始50ms降至30ms以内。同时采用多线程流水线：一个线程负责视频解码和预处理，另一个线程负责推理，第三个线程负责后处理和逻辑判定。双路视频交替处理，整体帧率可达25fps。

3. 超员判定与PLC闭锁集成

超员阈值可配置（例如核定18人），并支持分时段、分班次动态调整。系统设两级报警：

• 预报警：当人数达到核定数的90%（例如16人）时，边缘盒子通过语音模块提示“即将满员，请等待下一罐”，提醒候罐人员停止进入。
• 超员报警：人数超过核定数时，立即触发声光报警（红灯闪烁+“超员危险，禁止启动”语音），同时通过硬接线IO或Modbus TCP向PLC发送闭锁信号。

     PLC侧逻辑：接收闭锁信号后，将提升机控制回路中的“允许启动”触点断开，司机按下启动按钮无效。解除闭锁需满足两个条件：边缘盒检测到人数≤核定数，且井口信号房人工按下“复位”按钮（防止自动复位导致频繁启停）。