本書分析了蘊含在煤礦各類系統產生的視頻圖像數據和時間序列數據中的隱患特征，并對隱患進行了分類，初步設計了不同隱患識別方法，給出了數據收集、數據增強和數據合成等的方法，構建了煤礦安全隱患數據集；利用煤礦安全隱患視頻圖像數據集，采用YoloX、AlphaPose、ST-GCN、MonoFlex等深度學習模型，構建了基于視頻圖像數據的靜態(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據，采用LSTM、GRU和GPT等模型，構建了基于時間序列數據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，基于Vue框架實現了桌面端和移動端兩套應用層APP的設計，并完成了煤礦安全隱患智能系統的初步開發(fā)和應用。