煤炭学报

作者：杨胜利, 陈勇升, 王家臣, 李良晖, 刘凤琪, 宋世雄, 惠鼎恒,

关键词：煤矿智能化, 厚煤层开采, 机器视觉, 图像采集, 表面自清洁,

井下机器视觉系统在煤矿智能化中具有信息采集和智能决策的作用，但面临煤尘、水雾和光照的影响，导致图像质量不稳定，影响智能装备的决策，研究高效可靠的清洁技术对保证井下机器视觉系统稳定运行至关重要。介绍了井下机器视觉系统表面自清洁技术的概念、原理和清洁过程，分析了井下机器视觉系统的工况与组成，指出粉尘质量浓度、光照条件等工作面环境因素对自清洁技术路径有影响，应明晰煤尘产尘机制，从而制定精确的自清洁策略。综述了表面自清洁技术在井下与常规条件实践中的研究进展，基于防污机制的不同，重点总结射流自清洁技术、超声波自清洁技术、激光自清洁技术3种清洁技术的研究现状，对其自清洁特性进行分析，指出高压水射流、表面声波适合清洁大面积污渍，气体射流、超声波振动、激光冲击适合颗粒清洁，辅助多功能表面会提升清洁效率。基于接触方式的不同，对比了直接接触式自清洁技术和间接接触式自清洁技术2类清洁技术的优势和劣势，指出直接接触式自清洁技术简单高效，但会损伤镜头膜基底，间接接触式自清洁技术对基地无损伤，但清洁效率较慢。从综合自清洁策略、优化防爆设计和镜头膜材料多功能化3方面指出了井下机器视觉系统面临的技术挑战，针对多技术协同和清洁质量控制的科学难题，提出了远近场协同控制方法，可为井下机器视觉系统表面自清洁技术提供相关技术支撑。进一步展望了机器视觉系统表面自清洁技术在采矿中的发展趋势，随着无人矿车应用到深地、深海和深空(月球)采矿中，开采变得更为复杂，势必将安装更多机器视觉、激光雷达等智能感知系统，利用视觉系统自清洁装置，能够有效提高视觉系统图像质量，从而保障无人采矿的准确性。

来源：2025年第6期

《煤炭学报》期刊编辑部

查看煤炭学报杂志2025年第6期