本書分析了蘊含在煤礦各類系統(tǒng)產(chǎn)生的視頻圖像數(shù)據(jù)和時間序列數(shù)據(jù)中的隱患特征，并對隱患進行了分類，初步設(shè)計了不同隱患識別方法，給出了數(shù)據(jù)收集、數(shù)據(jù)增強和數(shù)據(jù)合成等的方法，構(gòu)建了煤礦安全隱患數(shù)據(jù)集；利用煤礦安全隱患視頻圖像數(shù)據(jù)集，采用YoloX、AlphaPose、ST-GCN、MonoFlex等深度學習模型，構(gòu)建了基于視頻圖像數(shù)據(jù)的靜態(tài)、動態(tài)和復雜類別安全隱患智能識別模型；利用煤礦安全隱患時間序列數(shù)據(jù)，采用LSTM、GRU和GPT等模型，構(gòu)建了基于時間序列數(shù)據(jù)的安全隱患智能識別模型；綜合采用Kubernetes+Docker、Flink、NvidiaTrintonInferenceServer、DeepStream和TensorRT等技術(shù)，基于Vue框架實現(xiàn)了桌面端和移動端兩套應用層APP的設(shè)計，并完成了煤礦安全隱患智能系統(tǒng)的初步開發(fā)和應用。