目前，煤礦智能化中視頻、圖像方面的應用發展較為迅速，如重點場所智能識別、異物識別等。然而，煤礦井下的環境都較為昏暗，尤其是進行煤開采時會有煤塵遍布，影響視頻圖像的信息獲取，這也使煤礦工人的某些作業依賴于聽力。因此智能音頻在煤礦智能化中還有較大的應用空間和替代作用。
為了保障煤礦工人們的生命安全，響應“機器換人”的號召，探索智能音頻分析在煤礦智能化中的應用，快魚電子充分結合與客戶溝通了解到的需求，充分發揮團隊優勢探索了智能音頻在煤礦智能化中的兩方面應用：放頂煤落煤落矸檢測、傳送帶托輥狀態檢測。
放頂煤落煤落矸檢測
放頂煤采煤法是在開采厚煤層時，沿煤層的底板或煤層某一厚度范圍內的底部布置一個采高為2～3m的采煤工作面，用綜合機械化方式進行回采。放頂煤生產工藝中，放煤夾矸是經常出現的現象。傳統操作工藝中工人大多以聽聲辨別為主，眼看為輔(大多手持探照燈)，通過判別落煤或是落矸的聲音來操作腳架，從而讓煤落于傳送帶上。
為嘗試減輕工人工作壓力和工作量，本系統結合實際工作情況，選擇在液壓支架上安裝拾音器，對放煤聲音進行采樣。通過對綜采工作面放煤音、放矸石聲音等進行數據標定，利用標定數據訓練合適的深度神經網絡模型。通過迭代測試，該模型可對落煤落矸聲音以及現場其他雜音進行精確識別，識別精度可達到98%以上。
傳送帶托輥狀態檢測
煤礦開采的原煤在井下主要通過傳送帶運輸，每個煤井都有上千米的傳送帶，而傳送帶需要托輥進行支撐。傳送帶長期工作，會引起托輥發生損壞。
通過在傳送帶附近部署拾音器，采集托輥工作的聲音，提取特定特征后訓練特定神經網絡，即可得到基于音頻的托輥檢測系統。將該系統部署應用，即可實現及時發現、維修托輥損壞問題，實現無人巡查托輥。
