煤炭学报

作者：王家臣, 杨胜利, 李良晖, 安博超, 宋世雄, 王雨兵,

关键词：综放开采, 智能放煤, 含矸率, 煤流, 煤岩形态,

图像识别智能放煤是实现智能化综放开采的重要技术之一，其核心在于通过监测煤流含矸率控制放煤口开闭。而井下低照度环境、煤岩块体的不规则形状及堆积叠压等因素是制约煤流含矸率预测的主要难题。针对煤流表面含矸率，构建了不同照度条件下的煤岩图像数据库，研究了照度及煤岩种类对图像分割性能的影响，开发了综放开采“放−运”全过程高仿真实验平台，提出了基于多照度融合与光流场优化的复杂场景下煤流表面投影面积含矸率高精度识别方法。其次，探讨了不同投影角度和投影方式对煤岩块体二维形态学特征提取的影响，明确了不同维度形态学特征之间的量化关系，构建了“尺寸+形状”特征融合的煤岩块体体积预测模型，用于合理预测煤流表面体积含矸率。最后，结合实验室和现场数据验证了所提方法的有效性。研究表明：随着照度的增大，2种煤岩组合形式的识别精度均先增大后稳定，并略有下降。通过合理设置照度(比如17 730 lx)，煤+泥岩复杂组合的mAP@0.5由88.7%(3 180 lx)提升至92.3%。通过引入多照度融合和光流场分析，可进一步提升复杂场景下的煤流表面投影面积含矸率识别精度和算法适应性。合理选择光源波长，可以放大煤岩块体相对漫反射率差异，增加煤岩块体图像特征区分度。合理的图像投影方式也有利于不规则形状煤岩块体投影面积预测，预测偏差由60%降低至10%以下。通过引入形状特征辅助体积预测模型，体积预测精度显著提高，决定系数由仅考虑尺寸特征模型的0.941 6提升至0.969 2。

来源：2025年第1期

《煤炭学报》期刊编辑部

查看煤炭学报杂志2025年第1期