煤矿工业数据AI 模型自动推理技术

打开文本图片集

摘要：煤矿生产过程的智能化主要依托于人工智能（AI）技术分析煤矿工业数据，但单一应用场景AI 模型无法适用于煤矿复杂的应用场景，且仅使用分布式计算来处理AI 模型输入特征值会导致模型应用效率降低。针对上述问题，提出了一种煤矿工业数据AI 模型自动推理技术。该技术架构包括数据层、计算驱动层和模型推理层：数据层采集各类监测数据并统一存储，为计算驱动层提供原始数据；计算驱动层将数据层采集的海量原始数据转换成煤矿应用场景AI 模型输入特征值，通过煤矿应用场景AI 模型输入特征值双计算引擎自动切换机制，根据数据量自动合理地选择使用基于Spark 的分布式计算方式或基于Python 的单机计算方式，解决了海量数据计算速度慢、数据应用延迟大的问题；模型推理层将特征值输入应用场景AI 模型进行推理，引入煤矿应用场景AI 模型多触发方式协同推理机制，通过定时触发、人为交互触发、信号反馈触发3 种触发方式，解决了在煤矿复杂的应用条件下单一应用场景AI 模型利用效果差的问题。（剩余1716字）