研究背景及内容： 矿山立井刚性罐道在矿井提升系统中应用十分广泛，刚性罐道使用过程中极易出现接头错位、磨损、凸起等现象，造成罐笼运行不平稳，引发提升系统强烈振动，不仅影响立井提升系统的平稳运行，而且还可能产生卡罐等安全事故。 本项目通过对罐道接头错位、磨损、凸起等故障特征研究分析，利用人工智能与机器视觉技术建设一套立井刚性罐道巡检预警系统，实现了立井刚性罐道巡检预警，有效提高罐道隐患排查效率和诊断准确率。 关键核心技术： 系统基于深度机器学习的故障检测算法、基于标签识别网络的罐道故障“轨道级”粗定位算法、微分推理机细定位、矿井图像预处理算法、基于深度机器学习的数据集扩充方法，实现罐道检测预警。 经济社会效益： 六矿采取煤矸分运方式提高煤质，但矸石和原煤共用一套皮带运输系统，北二副井每天增加1小时矸石，原煤就可相应增加1小时运输，矿井运输系统平均每小时运输原煤450吨，原煤单价按照500元/吨计算，矿井吨煤成本按照460元/吨计算，每年新增利润606万元，新增税收: 77.22万元。 项目在平顶山天安煤业股份有限公司六矿应用以来，与常规的人工巡检相比，主要如下优点：1、立井刚性罐道智能巡检预警系统运行稳定、巡检效果良好，每天节约大约65分钟检修时间，巡检效率显著提高；2、系统巡检准确性高，降低了巡检人员的经验依赖，符合矿井减人提效和智能化建设要求；3、井筒环境恶劣劳动强度较大，系统应用后彻底解决了人工站于罐笼顶端巡检坠落井筒风险。 推广前景： 目前市场上尚无该类用于立井刚性罐道巡检的人工智能设备，立井刚性罐道智能巡检预警系统在国内具有首创性和开拓性，该系统成功应用于平顶山天安煤业股份有限公司六矿，具有行业领先优势，也必将产生良好示范化效应，值得同行借鉴，具有良好示范推广价值。