Évaluation intelligente des risques et alerte précoce pour le couplage homme–machine–environnement dans les centrales d’préparation du charbon

Pourquoi il est important de maintenir la sécurité des usines de charbon

Les usines de préparation du charbon sont les lieux où le charbon brut est nettoyé et trié avant d’être brûlé dans des centrales ou utilisé dans l'industrie. Ces installations sont remplies de machines en mouvement rapide, de poussière, de bruit et d’eau — des conditions qui peuvent facilement mettre les travailleurs en danger. Cette étude examine comment la combinaison d’une analyse structurée des risques et de la vision par ordinateur moderne peut transformer des caméras de surveillance traditionnelles en gardiens intelligents qui surveillent les distances entre les personnes et les machines et avertissent les travailleurs avant qu’un incident ne se produise.

Dangers cachés sur un site de travail animé

À l’intérieur d’une usine de préparation du charbon, le danger vient de plusieurs directions à la fois. Les broyeurs et les cribles vibrants peuvent projeter de gros morceaux de charbon ou laisser tomber des pièces cassées ; les systèmes à milieu dense poussent des boues abrasives à haute pression dans des tuyaux, susceptibles de fuir sous forme de jets puissants. Le matériel électrique à haute tension se trouve dans des locaux humides où l’isolation peut céder, et les convoyeurs et zones de stockage peuvent s’encrasser de poussière de charbon fine susceptible d’exploser en cas d’allumage. Bassins, épaississeurs et presses filtrantes introduisent des risques de noyade et d’écrasement. L’exposition prolongée à la poussière peut aussi endommager les poumons des travailleurs. Les auteurs ont utilisé une check‑list structurée connue sous le nom de cadre 4M1E — examinant les personnes, les machines, les matériaux, les méthodes et l’environnement — pour cartographier ces risques divers à travers l’usine.

Classer ce qui peut blesser le plus

Parce que chaque équipement n’est pas également dangereux, l’équipe a entrepris d’évaluer les niveaux de risque de manière systématique. Ils ont construit un arbre de défaillance — une sorte de diagramme logique qui part d’un accident grave, comme un travailleur blessé lorsqu’un convoyeur démarre de façon inattendue, et remonte vers les combinaisons de petites défaillances qui rendent cela possible. Cela a permis de mettre en lumière des points faibles tels que des procédures de consignation sautées, des défauts de commande électrique et l’absence de protections physiques. En utilisant des normes internationales de gestion des risques, ils ont ensuite combiné la probabilité d’un événement et la gravité de ses conséquences, et appliqué une méthode de pondération pour équilibrer les facteurs liés à l’équipement, aux conditions environnementales et au comportement humain. Le résultat est un classement de type « feu tricolore » dans lequel, par exemple, les convoyeurs à bande et les cribles vibrants sont signalés comme des éléments à plus haut risque nécessitant les contrôles les plus stricts.

Apprendre aux caméras à surveiller les distances

Pour passer de l’analyse écrite à l’action, les chercheurs ont amélioré des caméras de surveillance ordinaires avec un algorithme moderne de détection d’objets connu sous le nom de YOLOv10. Ce logiciel permet à un ordinateur d’identifier les personnes et les machines dans chaque image vidéo en temps réel. Parce que les usines de charbon sont poussiéreuses, peu éclairées et encombrées de tuyaux et de structures, l’équipe a enrichi l’algorithme avec des modules d’attention qui l’aident à se concentrer sur les zones les plus informatives de l’image, et avec des méthodes plus intelligentes de fusionner l’information provenant d’objets de tailles différentes. Ils ont également affiné la façon dont le système juge la correspondance entre les positions prédites et réelles afin de garantir que les boîtes englobantes autour des travailleurs et des machines restent stables et précises même lorsque les conditions sont mauvaises.

Des pixels aux alarmes sur le plancher

La détection d’objets ne représente que la moitié du problème ; le système doit aussi savoir quand des personnes se trouvent trop près d’un danger. Au lieu d’utiliser des caméras 3D coûteuses ou des scanners laser, l’équipe a adopté une astuce ingénieuse : une seule caméra est calibrée à l’aide d’un objet de largeur connue de sorte que les distances en pixels dans l’image puissent être converties en distances réelles approximatives sur le sol. Avec ce dispositif, le logiciel mesure en continu l’écart entre chaque personne et les machines proches. Si un travailleur entre dans une zone de vigilance, un avertissement visuel apparaît à l’écran ; franchir une zone de danger plus stricte déclenche une alarme sonore ainsi que des captures automatiques et des enregistrements de journal, créant une trace de qui a fait quoi, quand et où. Lors d’essais contrôlés, le système a pu estimer les distances avec une précision moyenne d’environ six centimètres et déclencher des alarmes en à peu près trois dixièmes de seconde.

Mettre l’alerte intelligente en pratique

Le système a été pilotté dans une véritable usine de préparation du charbon, en se concentrant sur les couloirs de convoyeurs et les zones de presses filtrantes classées à haut risque. Lors d’une journée typique, il générerait environ quinze avertissements valides, détectant des actes dangereux tels que des travailleurs s’approchant de machines en fonctionnement ou ne portant pas de casque. Parce que chaque événement était documenté par des images et des horodatages, les responsables sécurité ont pu identifier quand et où les violations étaient les plus fréquentes — par exemple lors des relais d’équipe — et ajuster les plannings de supervision. En l’espace d’un mois, les violations enregistrées pendant ces périodes de pointe ont diminué d’environ 40 %, ce qui suggère que la combinaison d’incitations en temps réel et de preuves traçables a modifié le comportement sur le terrain.

Ce que cela signifie pour des opérations charbonnières plus sûres

En termes simples, cette recherche montre que l’association d’un classement systématique des risques et de caméras intelligentes peut aider les usines de préparation du charbon à passer d’une réaction après les accidents à une prévention en temps réel. La méthode ne prétend pas capturer toutes les subtilités du comportement humain ou de la culture organisationnelle, et sa précision dépend du positionnement des caméras, de l’éclairage et d’un réentraînement local du modèle de détection. Pourtant, en identifiant clairement les équipements les plus dangereux, en surveillant automatiquement la proximité des travailleurs et en consignant chaque avertissement, l’approche offre une voie pratique pour transformer les systèmes vidéo existants en partenaires actifs de sécurité — potentiellement en sauvant des vies et en réduisant les blessures dans l’un des environnements industriels les plus difficiles.

Citation: Zhao, Y., Hu, Y. & Shi, Q. Intelligent risk assessment and early warning for human–machine–environment coupling in coal preparation plants. Sci Rep 16, 12503 (2026). https://doi.org/10.1038/s41598-026-42874-5

Mots-clés: sécurité des installations de préparation du charbon, surveillance par vision par ordinateur, évaluation des risques industriels, interaction homme–machine, systèmes d’alerte précoce