煤矿AI管理系统模块算法的实现与应用是智慧矿山建设领域的核心问题,促进矿井一体化管控有助于提高矿山智能 监测能力.基于矿山智能识别技术构建了三级五层矿山AI管理系统架构,开发了包括综采模块、掘进模块、运输模块、通用模块的矿山AI管理系统算法,形成了软件＋服务器智能视觉应用模式.综采模块采用CNN、YOLO-FastestV2和YOLOV3模型实现采煤设备识别、区域目标和支架姿态检测;掘进模块使用YOLO 模型识别前探梁支护和人体相关检测;运输模块利用YOLACT模型识别皮带运行状态、异物和大块煤;通用模块通过OpenCV、YOLO 和YOLOv4模型实现安全帽、人员行为和环境检测等.其中,YOLACT模型训练预测框的平均精度均值为86.79％,掩膜的平均精度均值为83.58％,均处于较高水平.综采工作面实时展示设备、人员、环境等状态结果;掘进工作面实现危险区域人员入侵、作业工艺异常识别及报警;运输系统实现皮带煤量、大块煤、异物等监测,对目标实时跟踪监视并预警异常行为;通用场景对井下重点区域的不安全行为及时进行报警,实现整个矿区的综合监管.研究成果推动了AI技术与煤矿安全生产深度融合,实现煤矿降人提效的智能化应用场景,对我国煤矿智能化开采具有重要意义.