本发明公开了一种隧道施工通风系统，涉及隧道施工领域，其技术方案包括操控主机、安装在隧道内部的cmos摄像头、监控仪以及通风装置，操控主机的内部包括数据系统、中央处理系统、云端存储模块、输出系统和图像系统，数据系统的内部包括瓦斯监控模块、CO监控模块和粉尘监控模块，数据系统对隧道内部的数据进行实时监控，数据系统与中央处理系统之间通信连接，通过深度学习模块对接收到的危险气体数据与通风装置数据进行深度学习，建立出“通风装置自调节模型”，通过“通风装置自调节模型”与通风调节模块的配合使用，实现对通风装置

　　(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114718629 A (43)申请公布日 2022.07.08 (21)申请号 4.5 F04D 29/70 (2006.01) G06V 20/40 (2022.01) (22)申请日 2022.05.19 G06V 20/52 (2022.01) (71)申请人 中铁十五局集团第五工程有限公司 G06V 40/20 (2022.01) 地址 300131 天津市红桥区湘潭道1号 申请人 河南科技大学 (72)发明人 文亮亮 肖鹏帅吕子丰程川芸 李军库郝婷李文杰梁斌 庞作发刘士丁 (74)专利代理机构 陕西铭一知识产权代理有限 公司 61287 专利代理师 马歆甜 (51)Int.Cl. E21F 1/00 (2006.01) E21F 17/18 (2006.01) F04D 27/00 (2006.01) 权利要求书2页 说明书5页 附图2页 (54)发明名称 一种隧道施工通风系统 (57)摘要 本发明公开了一种隧道施工通风系统，涉及 隧道施工领域，其技术方案包括操控主机、安装 在隧道内部的cmos摄像头、监控仪以及通风装 置，操控主机的内部包括数据系统、中央处理系 统、云端存储模块、输出系统和图像系统，数据系 统的内部包括瓦斯监控模块、CO监控模块和粉尘 监控模块，数据系统对隧道内部的数据进行实时 监控，数据系统与中央处理系统之间通信连接， 通过深度学习模块对接收到的危险气体数据与 通风装置数据进行深度学习，建立出“通风装置 自调节模型”，通过“通风装置自调节模型”与通 风调节模块的配合使用，实现对通风装置的工作 A 状态进行实时调整，不需要人工进行调节，从而 9 降低了人力与电力消耗。 2 6 8 1 7 4 1 1 N C CN 114718629 A 权利要求书 1/2页 1.一种隧道施工通风系统，包括操控主机、安装在隧道内部的cmos摄像头、监控仪以及 通风装置，其特征在于，所述操控主机的内部包括数据系统(1)、中央处理系统(2)、云端存 储模块(5)、输出系统(6)和图像系统(10)，所述数据系统(1)的内部包括瓦斯监控模块 (16)、CO监控模块(17)和粉尘监控模块(18)，所述数据系统(1)对隧道内部的数据进行实时 监控，所述数据系统(1)与所述中央处理系统(2)之间通信连接，所述图像系统(10)的内部 包括图像采集模块(11)、图像处理模块(12)、图像分割模块(13)和图像识别模块(14)； 所述图像系统(10)对cmos摄像头拍摄的图像进行采集、处理、分割和识别，将拍摄的图 像分割成节点数据，所述图像系统(10)将数据传输到所述数据系统(1)中，所述中央处理系 统(2)的内部包括节点运动模块(3)和深度学习模块(4)，所述中央处理系统(2)对收集到的 节点数据进行运动模拟，并通过深度学习建立出“人员运动模型”，通过“人员运动模型”对 隧道内部人员的运动趋势进行预测； 所述中央处理系统(2)对所述数据系统(1)内部的数据进行获取，并且根据接收到的数 据进行深度学习，所述云端存储模块(5)与所述中央处理系统(2)之间通信连接，所述云端 存储模块(5)对操控主机的内部进行数据进行实时同步； 所述输出系统(6)的内部包括净化处理模块(7)、安全警报模块(8)和通风调节模块 (9)，所述输出系统(6)的外部通信连接有扩音器(15)，所述输出系统(6)通过扩音器(15)发 出警报对隧道内部的人员进行及时提醒，所述输出系统(6)根据接收到的数据对隧道内部 的通风装置的风速进行实时调节，同时对排出的气流进行多级过滤。 2.根据权利要求1所述的一种隧道施工通风系统，其特征在于，所述监控仪包括瓦斯检 测仪、CO检测仪以及粉尘检测仪，监控仪按照隧道内部危险气体的分布进行安装。 3.根据权利要求2所述的一种隧道施工通风系统，其特征在于，所述图像采集模块(11) 对cmos摄像头中的图像进行采集，所述图像采集模块(11)与所述图像处理模块(12)之间通 信连接，所述图像采集模块(11)将采集到的图像传输到所述图像处理模块(12)中，所述图 像处理模块(12)对接收到的图像进行处理，所述图像处理模块(12)对接收到的图像亮度进 行增强，同时对图像中的噪点进行去除。 4.根据权利要求3所述的一种隧道施工通风系统，其特征在于，所述图像处理模块(12) 与所述图像分割模块(13)之间通信连接，所述图像处理模块(12)处理后的图像传输到所述 图像分割模块(13)中，所述图像分割模块(13)对图像进行分割，所述图像分割模块(13)与 所述图像识别模块(14)之间通信连接，所述图像分割模块(13)将图像数据传输到所述图像 识别模块(14)中。 5.根据权利要求4所述的一种隧道施工通风系统，其特征在于，所述图像识别模块(14) 对接收到的图像数据进行识别，所述图像识别模块(14)对图像中的人物图像进行识别，并 且根据识别的结果进行节点绘制，所述图像识别模块(14)将识别后的节点数据传输到所述 中央处理系统(2)中。 6.根据权利要求5所述的一种隧道施工通风系统，其特征在于，所述节点运动模块(3) 对所述图像识别模块(14)中的运动节点进行识别，同时将三秒内的节点进行运动联立，所 述节点运动模块(3)将运动数据传输到所述深度学习模块(4)中，通过所述深度学习模块 (4)依据人物惯性运动进行深度学习，从而建立出“人员运动模型”。 7.根据权利要求6所述的一种隧道施工通风系统，其特征在于，通过“人员运动模型”对 2 2 CN 114718629 A 权利要求书 2/2页 隧道内部的人员运动进行实时监控，当“人员运动模型”判断出隧道内部人员的后续的运动 路径存在危险时，所述深度学习模块(4)将危险信号传输到所述安全警报模块(8)中，所述 安全警报模块(8)将信号传输到所述扩音器(15)中，通过所述扩音器(15)发出警报。 8.根据权利要求7所述的一种隧道施工通风系统，其特征在于，所述数据系统(1)将监 控的瓦斯数据、CO数据以及粉尘数据实时传输到所述深度学习模块(4)中，同时所述深度学 习模块(4)对通风装置的最大通风量进行获取，所述深度学习模块(4)根据接收到的数据进 行深度学习，从而建立出“通风装置自调节模型”。 9.根据权利要求8所述的一种隧道施工通风系统，其特征在于，通过“通风装置自调节 模型”对监控到的危险气体数据进行处理，从而生成出调节信号，所述深度学习模块(4)将 信号传输到通风调节模块(9)中，通过所述通风调节模块(9)对通风装置的工作状态进行实 时调整，同时所述净化处理模块(7)对排出的气体进行净化。 3 3 CN 114718629 A 说明书 1/5页 一种隧道施工通风系统 技术领域 [0001] 本发明涉及隧道施工技术领域，尤其涉及一种隧道施工通风系统。 背景技术 [0002] 在隧道施工中，由于炸药爆炸、内燃机的使用、开挖时地层中放出有害气体，以及 施工人员呼吸等因素，使洞内空气十分污浊，对施工人员具有不良影响。因此，隧道施工时 的通风是提供良好施工环境、维护作业人员身体健康，保障顺利施工、提高工作效率、保障 工程质量的重要条件。 [0003] 通风防尘主要解决两方面的问题，一类是有毒气体，主要来源于爆破炮烟和内燃 机械废气；另一类是粉尘，主要来源于洞内开挖爆破和机械作业扬起的灰尘等。 [0004] 经检索，中国专利号为CN105867262B的发明专利，公开了一种隧道施工通风自动 监测系统，由监控柜、现场控制柜和传感器柜组成；传感器柜通过传感器采集现场的环境参 数，并通过无线传输技术传送至现场控制柜，监控柜与现场控制柜之间通过光纤进行连接； 现场控制柜与传感器柜之间通过无线局域网进行通信；通风装置风压、风速传感器信号接 入监控柜，风管风压、风速传感器信号接入现场控制柜，温度、粉尘浓度、CO浓度、NO2浓度和 含氧量传感器采集现场的环境参数输入传感器柜中；现场控制柜将现场的控制命令和传感 器参数通过光纤传送至监控柜，监控柜通过决策算法控制变频器的频率，从而调节通风装 置的送风量。本发明设计科学、合理，结构简单，提高了隧道施工通风的自动化控制水平。 [0005] 然而上述系统在实际使用过程中仅能通过传感器对隧道内部的有害气体进行实 时检查，但是缺乏对有害气体的深度学习，难以建立出对通风装置的自适应调节模型，增加 了人力劳动与电力消耗，同时对于隧道内部的工作人员缺乏自动警报系统，难以对工作人 员进入到危险区域前进行自动警报，因此需要一种隧道施工通风系统。 发明内容 [0006] 本发明的目的是为了解决现有技术中存在缺乏对有害气体的深度学习，难以建立 出对通风装置的自适应调节模型，增加了人力劳动与电力消耗的缺点，而提出的一种隧道 施工通风系统。 [0007] 为了实现上述目的，本发明采用了如下技术方案： [0008] 一种隧道施工通风系统，包括操控主机、安装在隧道内部的cmos摄像头、监控仪以 及通风装置，所述操控主机的内部包括数据系统、中央处理系统、云端存储模块、输出系统 和图像系统，所述数据系统的内部包括瓦斯监控模块、CO监控模块和粉尘监控模块，所述数 据系统对隧道内部的数据进行实时监控，所述数据系统与所述中央处理系统之间通信连 接，所述图像系统的内部包括图像采集模块、图像处理模块、图像分割模块和图像识别模 块； [0009] 所述图像系统对cmos摄像头拍摄的图像进行采集、处理、分割和识别，将拍摄的图 像分割成节点数据，所述图像系统将数据传输到所述数据系统中，所述中央处理系统的内 4 4 CN 114718629 A 说明书 2/5页 部包括节点运动模块和深度学习模块，所述中央处理系统对收集到的节点数据进行运动模 拟，并通过深度学习建立出“人员运动模型”，通过“人员运动模型”对隧道内部人员的运动 趋势进行预测； [0010] 所述中央处理系统对所述数据系统内部的数据进行获取，并且根据接收到的数据 进行深度学习，所述云端存储模块与所述中央处理系统之间通信连接，所述云端存储模块 对操控主机的内部进行数据进行实时同步； [0011] 所述输出系统的内部包括净化处理模块、安全警报模块和通风调节模块，所述输 出系统的外部通信连接有扩音器，所述输出系统通过扩音器发出警报对隧道内部的人员进 行及时提醒，所述输出系统根据接收到的数据对隧道内部的通风装置的风速进行实时调 节，同时对排出的气流进行多级过滤。 [0012] 上述技术方案进一步包括： [0013] 所述监控仪包括瓦斯检测仪、CO检测仪以及粉尘检测仪，监控仪按照隧道内部危 险气体的分布进行安装。 [0014] 所述图像采集模块对cmos摄像头中的图像进行采集，所述图像采集模块与所述图 像处理模块之间通信连接，所述图像采集模块将采集到的图像传输到所述图像处理模块 中，所述图像处理模块对接收到的图像进行处理，所述图像处理模块对接收到的图像亮度 进行增强，同时对图像中的噪点进行去除。 [0015] 所述图像处理模块与所述图像分割模块之间通信连接，所述图像处理模块处理后 的图像传输到所述图像分割模块中，所述图像分割模块对图像进行分割，所述图像分割模 块与所述图像识别模块之间通信连接，所述图像分割模块将图像数据传输到所述图像识别 模块中。 [0016] 所述图像识别模块对接收到的图像数据进行识别，所述图像识别模块对图像中的 人物图像进行识别，并且根据识别的结果进行节点绘制，所述图像识别模块将识别后的节 点数据传输到所述中央处理系统中。 [0017] 所述节点运动模块对所述图像识别模块中的运动节点进行识别，同时将三秒内的 节点进行运动联立，所述节点运动模块将运动数据传输到所述深度学习模块中，通过所述 深度学习模块依据人物惯性运动进行深度学习，从而建立出“人员运动模型”。 [0018] 通过“人员运动模型”对隧道内部的人员运动进行实时监控，当“人员运动模型”判 断出隧道内部人员的后续的运动路径存在危险时，所述深度学习模块将危险信号传输到所 述安全警报模块中，所述安全警报模块将信号传输到所述扩音器中，通过所述扩音器发出 警报。 [0019] 所述数据系统将监控的瓦斯数据、CO数据以及粉尘数据实时传输到所述深度学习 模块中，同时所述深度学习模块对通风装置的最大通风量进行获取，所述深度学习模块根 据接收到的数据进行深度学习，从而建立出“通风装置自调节模型”。 [0020] 通过“通风装置自调节模型”对监控到的危险气体数据进行处理，从而生成出调节 信号，所述深度学习模块将信号传输到通风调节模块中，通过所述通风调节模块对通风装半岛平台 置的工作状态进行实时调整，同时所述净化处理模块对排出的气体进行净化。 [0021] 相比现有技术，本发明的有益效果为： [0022] 1、本发明中，使用时，通过数据系统对瓦斯数据、CO数据以及粉尘数据进行实时监 5 5 CN 114718629 A 说明书 3/5页 控，并且通过深度学习模块对接收到的危险气体数据与通风装置数据进行深度学习，建立 出“通风装置自调节模型”，通过“通风装置自调节模型”与通风调节模块的配合使用，实现 对通风装置的工作状态进行实时调整，不需要人工进行调节，从而降低了人力与电力消耗。 [0023] 2、本发明中，使用时，通过图像系统内部图像采集模块、图像处理模块、图像分割 模块和图像识别模块的配合使用实现对隧道内部工作人员的图像的处理识别，并且通过节 点运动模块和深度学习模块的配合使用将三秒内的节点进行运动联立，深度学习模块依据 人物惯性运动进行深度学习，从而建立出“人员运动模型”，通过“人员运动模型”对隧道内 部的人员运动进行实时监控，检测到工作人员后续的运动路径存在危险时发出警报，实现 对隧道内部工作人员的保护。 附图说明 [0024] 图1为本发明提出的一种隧道施工通风系统的系统框图； [0025] 图2为本发明中数据系统的系统框图。 [0026] 图中：1、数据系统；2、中央处理系统；3、节点运动模块；4、深度学习模块；5、云端存 储模块；6、输出系统；7、净化处理模块；8、安全警报模块；9、通风调节模块；10、图像系统； 11、图像采集模块；12、图像处理模块；13、图像分割模块；14、图像识别模块；15、扩音器；16、 瓦斯监控模块；17、CO监控模块；18、粉尘监控模块。 具体实施方式 [0027] 下文结合附图和具体实施例对本发明的技术方案做进一步说明。 [0028] 实施例一 [0029] 如图1‑2所示，本发明提出的一种隧道施工通风系统，包括操控主机、安装在隧道 内部的cmos摄像头、监控仪以及通风装置，操控主机的内部包括数据系统1、中央处理系统 2、云端存储模块5、输出系统6和图像系统10，数据系统1的内部包括瓦斯监控模块16、CO监 控模块17和粉尘监控模块18，数据系统1对隧道内部的数据进行实时监控，数据系统1与中 央处理系统2之间通信连接，图像系统10的内部包括图像采集模块11、图像处理模块12、图 像分割模块13和图像识别模块14； [0030] 图像系统10对cmos摄像头拍摄的图像进行采集、处理、分割和识别，将拍摄的图像 分割成节点数据，图像系统10将数据传输到数据系统1中，中央处理系统2的内部包括节点 运动模块3和深度学习模块4，中央处理系统2对收集到的节点数据进行运动模拟，并通过深 度学习建立出“人员运动模型”，通过“人员运动模型”对隧道内部人员的运动趋势进行预 测； [0031] 中央处理系统2对数据系统1内部的数据进行获取，并且根据接收到的数据进行深 度学习，云端存储模块5与中央处理系统2之间通信连接，云端存储模块5对操控主机的内部 进行数据进行实时同步； [0032] 输出系统6的内部包括净化处理模块7、安全警报模块8和通风调节模块9，输出系 统6的外部通信连接有扩音器15，输出系统6通过扩音器15发出警报对隧道内部的人员进行 及时提醒，输出系统6根据接收到的数据对隧道内部的通风装置风速进行实时调节，同时对 排出的气流进行多级过滤。 6 6 CN 114718629 A 说明书 4/5页 [0033] 基于实施例一的一种隧道施工通风系统工作原理是，工作时，数据系统1对隧道内 部的数据进行实时监控，通过中央处理系统2对数据进行学习，从而通过对通风装置进行调 节； [0034] 经过通风排出的气体需要通过净化处理模块7进行过滤，过滤一共分为三轮，第一 轮对排出气体中存在的灰尘杂质进行喷水，第二轮对排出气体中的存在的灰尘杂质进行过 滤，第三轮对排出气体中的危险气体进行过滤，经过三级过滤后的气体排出到外部。 [0035] 实施例二 [0036] 如图1‑2所示，基于实施例一的基础上，图像采集模块11对cmos摄像头中的图像进 行采集，图像采集模块11与图像处理模块12之间通信连接，图像采集模块11将采集到的图 像传输到图像处理模块12中，图像处理模块12对接收到的图像进行处理，图像处理模块12 对接收到的图像亮度进行增强，同时对图像中的噪点进行去除； [0037] 图像处理模块12与图像分割模块13之间通信连接，图像处理模块12处理后的图像 传输到图像分割模块13中，图像分割模块13对图像进行分割，图像分割模块13与图像识别 模块14之间通信连接，图像分割模块13将图像数据传输到图像识别模块14中； [0038] 图像识别模块14对接收到的图像数据进行识别，图像识别模块14对图像中的人物 图像进行识别，并且根据识别的结果进行节点绘制，图像识别模块14将识别后的节点数据 传输到中央处理系统2中； [0039] 节点运动模块3对图像识别模块14中的运动节点进行识别，同时将三秒内的节点 进行运动联立，节点运动模块3将运动数据传输到深度学习模块4中，通过深度学习模块4依 据人物惯性运动进行深度学习，从而建立出“人员运动模型”； [0040] 通过“人员运动模型”对隧道内部的人员运动进行实时监控，当“人员运动模型”判 断出隧道内部人员的后续的运动路径存在危险时，深度学习模块4将危险信号传输到安全 警报模块8中，安全警报模块8将信号传输到扩音器15中，通过扩音器15发出警报。 [0041] 本实施例中，工作时，cmos摄像头对隧道中的图像进行实时拍摄，图像采集模块11 对cmos摄像头中的图像进行采集，图像处理模块12对接收到的图像亮度进行增强，同时对 图像中的噪点进行去除； [0042] 图像分割模块13对图像进行分割，图像分割模块13将图像中人物与周围的物体相 分开，图像识别模块14对图像进行识别，并且根据识别的结果进行节点绘制； [0043] 节点运动模块3对图像识别模块14中的运动节点进行识别，同时将三秒内的节点 进行运动联立，节点运动模块3将运动数据传输到深度学习模块4中，通过深度学习模块4依 据人物惯性运动进行深度学习，从而建立出“人员运动模型”； [0044] 再通过“人员运动模型”对隧道内部的人员运动进行实时监控，当“人员运动模型” 判断出隧道内部人员的后续的运动路径存在危险时，深度学习模块4将危险信号传输到安 全警报模块8中，安全警报模块8将信号传输到扩音器15中，扩音器15对隧道内部的工作进 行及时警报，避免出现安全事故，实现对隧道内部工作人员的保护； [0045] 同时通过图像系统10对隧道爆炸前后人员的位置进行实时监控，当进行隧道爆破 工作时，当图像系统10监控爆破期间人员仍处于危险区域时，及时通过扩音器15发出警报， 提醒人员立即撤离。 [0046] 实施例三 7 7 CN 114718629 A 说明书 5/5页 [0047] 如图1‑2所示，基于上述实施例一或二，监控仪包括瓦斯检测仪、CO检测仪以及粉 尘检测仪，监控仪按照隧道内部危险气体的分布进行安装； [0048] 数据系统1将监控的瓦斯数据、CO数据以及粉尘数据实时传输到深度学习模块4 中，同时深度学习模块4对通风装置的最大通风量进行获取，深度学习模块4根据接收到的 数据进行深度学习，从而建立出“通风装置自调节模型”； [0049] 通过“通风装置自调节模型”对监控到的危险气体数据进行处理，从而生成出调节 信号，深度学习模块4将信号传输到通风调节模块9中，通过通风调节模块9对通风装置的工 作状态进行实时调整。 [0050] 本实施例中，工作时，数据系统1将监控的瓦斯数据、CO数据以及粉尘数据实时传 输到深度学习模块4中，深度学习模块4对通风装置的最大通风量以及工作数据进行获取， 深度学习模块4根据接收到的数据进行深度学习，从而建立出“通风装置自调节模型”； [0051] 通过“通风装置自调节模型”对监控到的危险气体数据进行处理，从而生成出调节 信号，深度学习模块4将信号传输到通风调节模块9中，通过通风调节模块9对通风装置的工 作状态进行实时调整，不需要人工进行调节，从而降低了人力与电力消耗。 [0052] 以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此， 任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其 发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。 8 8 CN 114718629 A 说明书附图 1/2页 图1 9 9 CN 114718629 A 说明书附图 2/2页 图2 10 10

　　2、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问加。

　　3、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。

　　4、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

　　提供农业、铸造、给排水、测量、发电等专利信息的免费检索和下载；后续我们还将提供提供专利申请、专利复审、专利交易、专利年费缴纳、专利权恢复等更多专利服务。并持续更新最新专利内容，完善相关专利服务，助您在专利查询、专利应用、专利学习查找、专利申请等方面用得开心、用得满意！

　　《增值税纳税申报表（一般纳税人适用）》主表-江苏国税电子税务局.ppt

　　原创力文档创建于2008年，本站为文档C2C交易模式，即用户上传的文档直接分享给其他用户（可下载、阅读），本站只是中间服务平台，本站所有文档下载所得的收益归上传人所有。原创力文档是网络服务平台方，若您的权利被侵害，请发链接和相关诉求至 电线) ，上传者