AI创新者：测量井下钻孔深度 我们请来AI帮忙

首届矿山AI大模型大赛正式进入选手角逐的阶段。大赛在华为AI大模型平台之上，让矿山与AI技术人才走到一起，迸发出灿烂的火花，现在我们将陆续把有意思的选手、精彩的案例逐一揭秘。

我是中国矿业大学21级博士生王乙舟，我们的团队成员有徐辰伟、卜冉、宋亮，都是来自于“中国矿业大学-矿山特种机器人研究中心”，中心主要聚焦于机器视觉与机器人控制相结合的理论与应用研究，利用视觉、嗅觉等智能感知手段，让机器人在实际场景中自主作业。

我第一次接触煤矿行业是参加导师的井下巡检机器人科研项目，了解到煤矿井下作业环境危险、自动化程度不高，在大多数矿井井下还需要大量的人员来操作。保证井下人员作业安全，提升智能化水平，成了我们追求的方向。当了解到首届全国矿山AI大模型大赛要举行时，我们团队内部便积极展开讨论，希望将专业所长与AI相结合，解决矿山真实场景的难题。

我们首先想到的场景是，煤矿井下通常需要施工大量的钻孔来保障瓦斯排采、探防水、顶底板注浆等工作的安全进行。该工况下，钻头在煤层中的路径难以获取，由于钻杆长度是已知的，因此可以通过计算钻杆数量来间接计算钻孔深度，所以钻杆数量的统计是非常关键的，而目前大多数煤矿企业仍然使用人工记录钻杆数、专人实时视频监视、或者使用接近开关计数等传统方式。

传统方式存在人为因素影响大，容易出现漏记、多记、错记等情况；由于井下环境恶劣，潮湿、灰尘多，接近开关容易损坏，使得钻杆计数失效，给煤矿企业的生产管理及施工检验造成了很多不便。为此，我们团队进行了钻探工业智能监测系统的研发工作。

为了实现这个功能，我们多次下井到真实生产环境中，进行了大量的数据采集工作。同时，借助华为矿山AI大模型，我们仅用了数天便完成了从数据划分标注到模型训练部署等工作。有了AI技术的加持，我们的钻探智能监测系统最终实现孔钻过程中钻杆自动记数、视频智能分段存储、查询与管理等功能，保障了煤矿开采的安全性。