煤矿皮带急停报警监测系统运用煤矿地底现场已有摄像头的视频监控画面图像，煤矿皮带急停报警监测系统赋能现场传统摄像机具备Ai识别分析报警、监管和鉴别工作人员、机器设备、自然环境等使用标准、皮带锚索、煤矸石砖、堆煤、非法运输等异常现象、工作人员没戴安全头盔、擅自离岗、路面浓烟、水、影片等识别、捕获图片、视频、并且显示屏报警。
OpenCV的全称是Open Source Computer Vision Library，是一个跨平台的计算机视觉处理开源软件库，是由Intel公司俄罗斯团队发起并参与和维护，支持与计算机视觉和机器学习相关的众多算法，以BSD许可证授权发行，可以在商业和研究领域中免费使用。OpenCV可用于开发实时的图像处理、计算机视觉以及模式识别程序，该程序库也可以使用英特尔公司的IPP进行加速处理。
OpenCV基于C++实现，同时提供python, Ruby, Matlab等语言的接口。OpenCV-Python是OpenCV的Python API，结合了OpenCV C++API和Python语言的最佳特性。Python是一种由Guido van Rossum开发的通用编程语言，它很快就变得非常流行，主要是因为它的简单性和代码可读性。它使程序员能够用更少的代码行表达思想，而不会降低可读性。
煤矿皮带急停报警监测系统并可操纵皮带、猴车、斜提升绞车等机器设备泊车，也可以根据动作开启无线对讲机，合理抵制重大安全事故；鉴别皮带里的煤，依据煤导出控制信号调节皮带运行速度，降低机器设备损坏，降低能耗；统计分析特定地域的员工总数，完成区域限制；完成综合性开采掘进工作面的智能化监管。
import numpy as np
def convert(size, box):
"""
将标注的 xml 文件生成的【左上角x,左上角y,右下角x，右下角y】标注转换为yolov5训练的坐标
:param size: 图片的尺寸： [w,h]
:param box: anchor box 的坐标 [左上角x,左上角y,右下角x,右下角y,]
:return: 转换后的 [x,y,w,h]
"""
x1 = int(box[0])
y1 = int(box[1])
x2 = int(box[2])
y2 = int(box[3])
dw = np.float32(1. / int(size[0]))
dh = np.float32(1. / int(size[1]))
w = x2 - x1
h = y2 - y1
x = x1 + (w / 2)
y = y1 + (h / 2)
x = x * dw
w = w * dw
y = y * dh
h = h * dh
return [x, y, w, h]服务平台借助AI人工智能，实时分析，不用员工实际操作，完成全部智能化操作流程。根据多维度、多方位的视频识别、剖析和统计分析，及时发现隐患，保证煤矿生产安全管理体系的执行，进一步提高煤矿生产安全水准，降低煤矿安全生产事故，为安全生产工作给予管理决策。
