首屆礦山AI大模型大賽正式進入選手角逐的階段。大賽在華為AI大模型平臺之上，讓礦山與AI技術人才走到一起，迸發出燦爛的火花，現在我們將陸續把有意思的選手、精彩的案例逐一揭秘。

我是中國礦業大學21級博士生王乙舟，我們的團隊成員有徐辰偉、卜冉、宋亮，都是來自“中國礦業大學-礦山特種機器人研究中心”，中心主要聚焦于機器視覺與機器人控制相結合的理論與應用研究，利用視覺、嗅覺等智能感知手段，讓機器人在實際場景中自主作業。

我第一次接觸煤礦行業是參加導師的井下巡檢機器人科研項目，了解到煤礦井下作業環境危險、自動化程度不高，在大多數礦井下還需要大量的人員來操作。保證井下人員作業安全，提升智能化水平，成了我們追求的方向。當了解到首屆全國礦山AI大模型大賽要舉行時，我們團隊內部便積極展開討論，希望將專業所長與AI相結合，解決礦山真實場景的難題。

我們首先想到的場景是，煤礦井下通常需要施工大量的鉆孔來保障瓦斯排采、探防水、頂底板注漿等工作的安全進行。該工況下，鉆頭在煤層中的路徑難以獲取，由于鉆桿長度是已知的，因此可以通過計算鉆桿數量來間接計算鉆孔深度，所以鉆桿數量的統計是非常關鍵的，而目前大多數煤礦企業仍然使用人工記錄鉆桿數、專人實時視頻監視、或者使用接近開關計數等傳統方式。

傳統方式存在人為因素影響大，容易出現漏記、多記、錯記等情況；由于井下環境惡劣，潮濕、灰塵多，接近開關容易損壞，使得鉆桿計數失效，給煤礦企業的生產管理及施工檢驗造成了很多不便。為此，我們團隊進行了鉆探工業智能監測系統的研發工作。

為了實現這個功能，我們多次下井到真實生產環境中，進行了大量的數據采集工作。同時，借助華為礦山AI大模型，我們僅用了數天便完成了從數據劃分標注到模型訓練部署等工作。有了AI技術的加持，我們的鉆探智能監測系統最終實現孔鉆過程中鉆桿自動記數、視頻智能分段存儲、查詢與管理等功能，保障了煤礦開采的安全性。