放頂煤開(kāi)采技術(shù)是開(kāi)采厚及特厚煤層的有效方法，放煤是放頂煤開(kāi)采獨(dú)有的工序，近20年來(lái)，國(guó)內(nèi)外一直致力于智能放煤技術(shù)開(kāi)發(fā)，但至今仍無(wú)實(shí)質(zhì)性進(jìn)展，也沒(méi)有國(guó)內(nèi)外成熟技術(shù)可以借鑒，與綜采工作面智能化相比，智能放煤的進(jìn)展較小。
綜采工作面和放頂煤工作面的區(qū)別主要在于放煤。煤炭開(kāi)采過(guò)程中主要涉及到兩類煤矸識(shí)別問(wèn)題，一是綜采工作面采煤機(jī)割煤過(guò)程中的煤巖界面識(shí)別，二是綜放工作面放煤過(guò)程中的煤矸識(shí)別。前者已經(jīng)在智能綜采工作面初步實(shí)現(xiàn)，而后者要對(duì)后部刮板運(yùn)輸機(jī)上快速運(yùn)動(dòng)的、呈堆積狀態(tài)的煤矸進(jìn)行識(shí)別，目前仍然存在許多技術(shù)難題。目前，放頂煤工作面仍普遍采用人工放煤方式，放煤工人從液壓支架間隙觀察后部刮板運(yùn)輸機(jī)上煤流，觀察矸石是否被放出或者放出的量，進(jìn)而決定是否停止放煤。這種方法勞動(dòng)強(qiáng)度大、生產(chǎn)效率低，且容易出現(xiàn)由于工人主觀原因發(fā)生誤操作的情況。
智能化放頂煤開(kāi)采是以智能化綜采技術(shù)為基礎(chǔ)，通過(guò)實(shí)現(xiàn)智能放煤最終達(dá)到放頂煤工作面的智能化控制。目前放頂煤工作面主要采用人工控制放煤，同時(shí)也在記憶放煤、支架位態(tài)、紅外、聲波、振動(dòng)、高光譜、伽馬射線智能放煤技術(shù)等方面進(jìn)行了探索。記憶放煤比較容易實(shí)現(xiàn)，但是難以對(duì)放煤狀態(tài)做出實(shí)時(shí)反饋，當(dāng)煤層賦存條件發(fā)生變化時(shí)，可能會(huì)產(chǎn)生誤差；支架位態(tài)智能放煤技術(shù)環(huán)境適應(yīng)性強(qiáng)，不受粉塵、水霧等因素的影響，紅外智能放煤技術(shù)也可以適應(yīng)低照度，強(qiáng)噪聲環(huán)境，聲波、振動(dòng)智能放煤技術(shù)則可以克服高粉塵問(wèn)題，但是在煤矸物理力學(xué)性質(zhì)相差不大時(shí)，易產(chǎn)生較大的識(shí)別誤差；高光譜、伽馬射線等智能放煤技術(shù)，具有靈敏度高的特點(diǎn)，但是設(shè)備成本高，有些體積較大的設(shè)備也會(huì)受限于放頂煤工作面支架后部的狹小空間。上述這幾種方法都無(wú)法獲得混矸率數(shù)據(jù)，而混矸率又是影響頂煤回收率的關(guān)鍵因素。實(shí)現(xiàn)智能化的核心問(wèn)題是正確把握放煤口開(kāi)啟和關(guān)閉的時(shí)機(jī)，但目前為止尚未取得關(guān)鍵突破。
1煤矸圖像特征的照度因素影響機(jī)制與煤矸識(shí)別特征選取
目前，在放頂煤工作面，通常是放煤工人通過(guò)觀察放煤口附近后部刮板運(yùn)輸機(jī)上煤流的顏色（或灰度）來(lái)判斷矸石是否已經(jīng)被放出，或者估計(jì)放出的量，進(jìn)而決定是否需要關(guān)閉放煤口。近四十年的放頂煤生產(chǎn)經(jīng)驗(yàn)也表明，在大多數(shù)煤層賦存條件和生產(chǎn)環(huán)境下，通過(guò)人工肉眼辨識(shí)煤矸、進(jìn)而控制放煤口的開(kāi)關(guān)是可行的，是有效的。
因此，我們完全可以使用成熟的圖像識(shí)別算法代替人工來(lái)識(shí)別煤和矸石，達(dá)到減人增效的目的。關(guān)于圖像識(shí)別，主要有兩條思路，其一是利用經(jīng)典的圖像處理算法計(jì)算混矸率?；叶群图y理是圖像識(shí)別最常用的兩個(gè)特征指標(biāo)，分形維數(shù)可以用于反映煤矸表面紋理的復(fù)雜程度。該方法原理簡(jiǎn)單，在圖像識(shí)別煤矸分選領(lǐng)域得到了廣泛應(yīng)用，其可靠性得到了驗(yàn)證。第2種研究思路是利用深度學(xué)習(xí)算法對(duì)煤矸圖像進(jìn)行語(yǔ)義分割，進(jìn)而計(jì)算混矸率。不論是經(jīng)典的圖像處理算法，還是基于深度學(xué)習(xí)的語(yǔ)義分割算法，分析的對(duì)象都是圖像，而圖像又是目標(biāo)物體、光源、環(huán)境以及圖像采集系統(tǒng)等多種因素共同作用的結(jié)果，同一物體，放置在不同的光照環(huán)境下，或者使用不同的傳感器進(jìn)行采集，得到的圖像也是不同的，進(jìn)一步通過(guò)算法得到識(shí)別的結(jié)果，可能也是不同的，特別是對(duì)于煤和矸石的識(shí)別，這類問(wèn)題更加顯著。因此，我們將照度概念引入到圖像識(shí)別智能放煤技術(shù)的研究中，為煤矸圖像識(shí)別提供最優(yōu)照度或最優(yōu)特征，這也是煤矸圖像識(shí)別有別于其他領(lǐng)域進(jìn)行圖像識(shí)別的地方。2煤矸圖像精準(zhǔn)分割與混矸率計(jì)算
相比于其他識(shí)別技術(shù)或手段，圖像識(shí)別智能放煤技術(shù)的一大優(yōu)勢(shì)是可以實(shí)現(xiàn)混矸率的識(shí)別。混矸率（Rock Mixed Ratio, RMR），是指從放煤口放出并落在后部刮板運(yùn)輸機(jī)上快速移動(dòng)煤流中的矸石的體積（矸石表面積、或二維圖像中的投影面積）與煤矸總體積（總表面積、或二維圖像中的總投影面積）的比值，取值范圍[0,100%]。
目前，常用的一些智能放煤技術(shù)，比如基于聲音或者振動(dòng)信號(hào)的技術(shù)，僅能對(duì)“放煤”、“放矸”兩種放煤階段進(jìn)行區(qū)分，而無(wú)法對(duì)混矸率進(jìn)行判別，這是典型的“見(jiàn)矸關(guān)門(mén)”原則。最近的研究發(fā)現(xiàn)，當(dāng)混矸率為10%~15%時(shí)，才可使頂煤回收率達(dá)到最大化，這就要求在煤矸識(shí)別時(shí)，要對(duì)混矸率給出定量精準(zhǔn)判斷，否則會(huì)造成較大的頂煤損失。
對(duì)混矸率的精準(zhǔn)判斷離不開(kāi)高精度的圖像分割結(jié)果，放頂煤領(lǐng)域的圖像分割不同于其他領(lǐng)域。比如在煤矸分選過(guò)程中，待分選的煤和矸石被平鋪在皮帶機(jī)上通過(guò)傳感器，而放頂煤工作面，后部刮板運(yùn)輸機(jī)帶動(dòng)煤流快速移動(dòng)，煤和矸石相互堆積疊壓，不利于邊界識(shí)別與混矸率計(jì)算。
不同研究領(lǐng)域的煤矸識(shí)別
為了實(shí)現(xiàn)圖像的精準(zhǔn)分割，從經(jīng)典算法與深度學(xué)習(xí)算法兩個(gè)思路開(kāi)展了研究。在經(jīng)典算法方面，提出了一種適用于煤矸圖像分割的基于多尺度重建及標(biāo)記控制分水嶺算法，實(shí)現(xiàn)了煤矸混合圖像的分割，但是對(duì)圖像中陰影區(qū)域的辨識(shí)能力較差。
將深度學(xué)習(xí)方法引入到混矸率識(shí)別研究中，提出了一種輕量級(jí)的放頂煤工作面矸石識(shí)別及邊界測(cè)量模型。圖像低級(jí)特征由深度可分離的輕量級(jí)卷積結(jié)構(gòu)提取，提高特征提取速度。高層圖像信息由多尺度模塊提取。低級(jí)和高級(jí)多尺度信息融合后，獲得了圖像中矸石目標(biāo)的完整邊界。通過(guò)標(biāo)注煤矸圖像數(shù)據(jù)集訓(xùn)練，快速獲得放頂煤圖像中的矸石準(zhǔn)確邊界。
放頂煤工作面矸石識(shí)別及邊界測(cè)量模型
混矸率是一個(gè)廣義的概念，不僅可以用投影面積比表示，還可以用表面積比或者體積比表示。通過(guò)統(tǒng)計(jì)二維圖像中像素點(diǎn)個(gè)數(shù)，可以得到用投影面積表示的混矸率。實(shí)際上，放頂煤工作面后部刮板運(yùn)輸機(jī)上煤流中的煤和矸石是三維塊體，且相互疊壓堆積，所以，通過(guò)煤矸二維圖像反演煤矸塊體三維堆積形態(tài)，獲得煤流表面的體積混矸率，并且對(duì)疊壓在煤流內(nèi)部的體積混矸率進(jìn)行預(yù)測(cè)，這是一種提升混矸率測(cè)量精度的方法，也是圖像識(shí)別智能放煤技術(shù)有別于且領(lǐng)先于其他監(jiān)測(cè)手段或方法的地方，這將在后面幾節(jié)展開(kāi)介紹。
圖像識(shí)別智能放煤技術(shù)涉及到的幾種混矸率
3基于立體視覺(jué)的照度智能監(jiān)測(cè)與自適應(yīng)調(diào)節(jié)
照度是圖像識(shí)別智能放煤技術(shù)中需要考慮的重要因素，照度的準(zhǔn)確測(cè)量和控制是獲得高質(zhì)量圖像和實(shí)現(xiàn)高精度識(shí)別的前提。在放頂煤工作面放煤過(guò)程中，被放出的煤和矸石在后刮板輸送機(jī)上快速移動(dòng)，照度測(cè)量困難。為此，我們提出了一種利用立體視覺(jué)深度測(cè)量技術(shù)來(lái)監(jiān)測(cè)照度的新方法。
放出的煤矸表面的照度值與光源功率有關(guān)，也與光源與煤矸表面的距離（光照距離）有關(guān)。光源功率可以用功率計(jì)來(lái)測(cè)量。在圖像識(shí)別智能放煤技術(shù)中，基于立體視覺(jué)的深度測(cè)量技術(shù)可以在不增加設(shè)備和工作量的前提下完成圖像采集工作，在獲得距離數(shù)據(jù)的同時(shí)，還可以提取物體的灰度、顏色或紋理特征，實(shí)現(xiàn)語(yǔ)義分割。
因此，我們提出了一種基于立體視覺(jué)的照度智能監(jiān)測(cè)與自適應(yīng)調(diào)節(jié)方法，為圖像識(shí)別智能放煤技術(shù)提供最優(yōu)照度。在放頂煤工作面，利用圖像深度信息確定光照距離，配合功率監(jiān)測(cè)確定實(shí)時(shí)照度，進(jìn)而通過(guò)調(diào)節(jié)功率獲得最佳照度，然后在最佳照度下對(duì)圖像進(jìn)行采集和識(shí)別，實(shí)現(xiàn)了圖像識(shí)別智能放煤過(guò)程中的照度自適應(yīng)調(diào)節(jié)。實(shí)際上，如果相機(jī)和光源并列放置，那么可以直接用圖像深度近似代替光照距離。而如果分散布置，則也可以通過(guò)幾何關(guān)系換算確定光照距離。
基于立體視覺(jué)的照度智能監(jiān)測(cè)與自適應(yīng)調(diào)節(jié)原理
4頂煤放出規(guī)律與放出煤矸塊體堆積特征
BBR是綜合研究煤巖分界面（Boundary）、頂煤放出體（Body）、頂煤采出率與混矸率（Ratio）及其相互關(guān)系的理論，它對(duì)于圖像識(shí)別智能放煤技術(shù)十分重要，它可以指導(dǎo)圖像采集的時(shí)機(jī)。圖像識(shí)別智能放煤技術(shù)是通過(guò)分析支架放煤口和后部刮板運(yùn)輸機(jī)上煤流混矸率來(lái)決定是否需要關(guān)閉放煤口。實(shí)際上，在矸石被放出之前，有較長(zhǎng)的一段時(shí)間是純放煤階段，如果沒(méi)有出現(xiàn)卡煤、成拱等異常放煤狀況，則無(wú)需過(guò)多干預(yù)。上一輪放煤結(jié)束后產(chǎn)生大量的細(xì)微煤矸粉末，會(huì)在本輪放煤初期，也即純放煤階段，隨著頂煤一起被集中放出，造成短時(shí)間內(nèi)粉塵濃度驟升。因此，通過(guò)分析頂煤放出規(guī)律，確定煤巖分界面與頂煤放出體形態(tài)，計(jì)算頂煤的放出量，可以預(yù)估每個(gè)支架純放煤的持續(xù)時(shí)間，在純放煤階段，圖像采集系統(tǒng)僅間隔時(shí)間采集圖像，當(dāng)接近矸石被放出時(shí)，增大圖像采集頻率。鏡頭的積塵量直接影響到圖像質(zhì)量，而積塵量與環(huán)境中的粉塵濃度、鏡頭在粉塵環(huán)境中的暴露時(shí)間、除（降）塵裝置的性能等有關(guān)。粉塵濃度越低、鏡頭暴露時(shí)間越短、除（降）塵裝置的性能越好，積塵量越少，采集的圖像的清晰度越好。所以，通過(guò)預(yù)判放煤持續(xù)時(shí)間來(lái)確定圖像采集時(shí)機(jī)，一方面，可以降低對(duì)除（降）塵設(shè)備與算法的需求與依賴，對(duì)于純放煤階段可能存在的高濃度粉塵環(huán)境，不必實(shí)時(shí)采集圖像，也不必實(shí)時(shí)分析圖像。另一方面，可以減少鏡頭在粉塵環(huán)境中的暴露時(shí)間以減少積塵，保證鏡頭長(zhǎng)時(shí)間清潔，為圖像識(shí)別持續(xù)提供高質(zhì)量圖像。
基于BBR研究體系，研究頂煤采出率與混矸率的關(guān)系，還可以為確定合理的放煤口關(guān)閉時(shí)間提供依據(jù)。適當(dāng)?shù)胤懦霾糠猪肥?，可以提高頂煤采出率，而混矸率識(shí)別正是圖像識(shí)別智能放煤技術(shù)可以實(shí)現(xiàn)的、有別于且領(lǐng)先于其他識(shí)別手段的一項(xiàng)工作。因此，通過(guò)頂煤放出規(guī)律研究，可以為圖像識(shí)別智能放煤技術(shù)確定一個(gè)合理的混矸率閾值區(qū)間，當(dāng)混矸率處于這個(gè)區(qū)間時(shí)，可以有效提高頂煤采出率且不會(huì)大幅增加矸石運(yùn)輸與洗選成本。以BBR理論研究成果為基礎(chǔ)，可以有效提高圖像識(shí)別智能放煤技術(shù)的識(shí)別精度。
BBR研究體系與圖像識(shí)別智能放煤技術(shù)
5基于二維圖像的煤矸塊體形狀表征模型與三維快速寫(xiě)意重建
煤矸塊體的形狀影響著頂煤的放出規(guī)律和堆積特征，進(jìn)而影響到圖像識(shí)別智能放煤技術(shù)對(duì)后部刮板運(yùn)輸機(jī)煤流混矸率的辨識(shí)精度。目前在進(jìn)行放頂煤相關(guān)數(shù)值模擬研究時(shí)，不規(guī)則的煤塊通常被簡(jiǎn)化為二維圓盤(pán)或三維球體，這與實(shí)際情況存在差異。圍繞利用圖像識(shí)別解決智能放煤?jiǎn)栴}的基本思路，提出了一種基于二維圖像的煤矸塊體形狀表征模型以及一種塊體三維快速寫(xiě)意重建方法。
為了區(qū)別于精準(zhǔn)重建方法，將這種方法稱為寫(xiě)意重建，寫(xiě)意重建又有別于完全隨機(jī)的重建，因?yàn)樗窃谛螤钐卣鲄?shù)的主動(dòng)干預(yù)下完成的重建，所以具有一定可重復(fù)性和科學(xué)性。重建后的塊體是由若干pebble組成的體素化剛性簇，體素化剛性簇的分辨率（或體素尺寸）影響到塊體細(xì)節(jié)表征效果，分辨率越高（即體素尺寸越?。?xì)節(jié)表征越好，但用到的pebble數(shù)量也越多，會(huì)在一定程度上影響運(yùn)算效率；反之分辨率越低，犧牲了部分細(xì)節(jié)特征，但是有利于提高運(yùn)算效率。因此如何在保證重建精度的前提下，有效減少pebble數(shù)量，是提高運(yùn)算效率的關(guān)鍵。為此，提出了一種有效的方法來(lái)優(yōu)化完善上述重建過(guò)程，即氣泡破裂法（Bubble burst method, BBM），主要包括吹氣泡和戳氣泡兩個(gè)過(guò)程。
BBM法示意圖6基于多視圖像序列的煤矸塊體三維精準(zhǔn)重建與體積測(cè)量
圖像識(shí)別智能放煤技術(shù)的最終目的是計(jì)算出后部刮板運(yùn)輸機(jī)上的煤流中的矸石塊體的體積占比。這涉及到兩個(gè)關(guān)鍵問(wèn)題，其一，二維圖像中煤矸塊體投影面積與三維現(xiàn)實(shí)中塊體體積的映射關(guān)系；其二，煤流中煤矸塊體堆積特征，即表面體積混矸率與內(nèi)部體積混矸率的映射關(guān)系。這兩個(gè)問(wèn)題中，都涉及到對(duì)煤矸塊體體積的測(cè)量，在上一節(jié)中提到，可以通過(guò)三維快速寫(xiě)意重建的方法便捷、粗略地生成指定形狀的塊體模型，進(jìn)而獲得體積數(shù)據(jù)。實(shí)際上，它與煤矸塊體樣本的形狀仍然存在差異，并不是對(duì)煤矸塊體的完全復(fù)刻。所以，如果需要準(zhǔn)確獲得煤矸塊體樣本的體積或其他形狀特征參數(shù)，則需要一種更為精準(zhǔn)的三維重建方法。
三維信息的準(zhǔn)確測(cè)量是實(shí)現(xiàn)煤矸塊體三維重建的關(guān)鍵?；趫D像識(shí)別的思路，提供了一種基于多視圖像序列的煤矸塊體三維精準(zhǔn)重建方法。采用普通消費(fèi)級(jí)相機(jī)對(duì)煤矸塊體完成一組多視圖像序列的采集，利用不同視角下煤矸塊體在二維圖像中的側(cè)影輪廓線構(gòu)建煤矸塊體的可視化外殼（Visual hull），實(shí)現(xiàn)對(duì)煤矸塊體真實(shí)形狀的合理逼近。進(jìn)一步將圖像中煤矸塊體的紋理信息映射到可視化外殼上，完成三維精準(zhǔn)重建。
基于多視圖像序列的煤矸塊體三維精準(zhǔn)重建示意7煤矸塊體三維形態(tài)特征與二維形態(tài)特征關(guān)系
二維和三維形態(tài)特征是表征不規(guī)則煤矸塊體形狀的重要指標(biāo)。二維形態(tài)特征很容易從二維圖像中獲得，但它不能全面反映塊體的形狀。三維形態(tài)特征包含許多指標(biāo)，對(duì)塊體的描述更全面，但三維形態(tài)特征很難測(cè)量，尤其是在放頂煤工作面要求對(duì)后部刮板運(yùn)輸機(jī)上的煤流進(jìn)行實(shí)時(shí)監(jiān)測(cè)的環(huán)境下。因此，從二維圖像中快速、直接、準(zhǔn)確地估計(jì)三維形態(tài)特征是一個(gè)重要的課題。在實(shí)驗(yàn)室實(shí)驗(yàn)和數(shù)值模擬的基礎(chǔ)上，揭示了煤矸塊體的三維形態(tài)特征與二維形態(tài)特征之間的關(guān)系。
二維形態(tài)特征與圖像采集的視角有關(guān)，即不同視角下的煤矸塊體的二維形態(tài)特征不同，所以，在分析煤矸塊體二維特征的時(shí)候，需要首先確定觀察視角。在放頂煤工作面，從放煤口放出煤矸塊體在經(jīng)過(guò)放落、碰撞后，會(huì)傾向于以優(yōu)勢(shì)方位（Preferred orientation）堆積在后部刮板運(yùn)輸機(jī)上。因此，有必要確定對(duì)后部刮板輸送機(jī)上的煤矸塊體的觀察視角，而不是隨意觀察，在優(yōu)勢(shì)方位下提取的形狀特征才有意義。基于這一假設(shè)，利用多視圖像序列精準(zhǔn)重建了煤矸塊體模型，用離散元法進(jìn)行了自由落體數(shù)值計(jì)算，確定了具有不同形狀特征參數(shù)塊體的優(yōu)勢(shì)方位。
在此基礎(chǔ)上，分別計(jì)算煤矸塊體在優(yōu)選方位下的二維形態(tài)特征和三維形態(tài)特征，對(duì)兩者進(jìn)行相關(guān)分析，揭示二維與三維形態(tài)特征之間的關(guān)系。結(jié)果表明，二維與三維形態(tài)特征具有較高的相關(guān)性。因此，可以通過(guò)對(duì)二維圖像的分析，估計(jì)煤矸塊體的三維形態(tài)特征，進(jìn)而修正混矸率數(shù)據(jù)，作為S2I混矸率高精度預(yù)測(cè)兩步走策略的第1步，實(shí)現(xiàn)投影面積混矸率向表面體積混矸率的過(guò)渡。
優(yōu)勢(shì)方位確定過(guò)程
8夾矸識(shí)別與異常放煤狀態(tài)甄別
煤層的賦存條件復(fù)雜，不是以理想的、均質(zhì)的狀態(tài)存在，所以，圖像識(shí)別智能放煤技術(shù)要具備適應(yīng)復(fù)雜地質(zhì)或生產(chǎn)環(huán)境的能力，比如對(duì)夾矸的識(shí)別，以及卡矸、堵矸等異常放煤狀態(tài)的甄別。
夾矸的精準(zhǔn)識(shí)別對(duì)于智能放煤技術(shù)很關(guān)鍵。煤層中可能會(huì)存在夾矸，有些夾矸的厚度還會(huì)很大，甚至?xí)嬖诙鄬訆A矸的情況。當(dāng)夾矸的巖性與直接頂相近時(shí)，如果將夾矸錯(cuò)誤識(shí)別為直接頂而停止放煤，會(huì)使夾矸上方的煤炭無(wú)法放出而造成大量的煤炭損失。提出“三位一體”夾矸智能識(shí)別技術(shù)，從判別準(zhǔn)則層面、軟件算法層面以及硬件設(shè)備層面，實(shí)現(xiàn)對(duì)放煤過(guò)程中夾矸的精準(zhǔn)識(shí)別，有效保證采出率、減少煤炭損失。
通常，在沒(méi)有夾矸的放頂煤工作面，可以通過(guò)圖像識(shí)別獲得后部刮板運(yùn)輸機(jī)上煤流在某一時(shí)刻的瞬時(shí)混矸率，用于控制放煤口的動(dòng)作，而這種判別方法則不適用于含有夾矸的放頂煤工作面。因?yàn)槿绻麑⑺矔r(shí)混矸率作為關(guān)閉放煤口的指標(biāo)，則當(dāng)夾矸被放出時(shí)，可能會(huì)被誤認(rèn)為是直接頂，此時(shí)瞬時(shí)混矸率增大甚至超過(guò)閾值，進(jìn)而發(fā)出錯(cuò)誤的指令。為此，我們提出了“區(qū)間混矸率”的概念來(lái)代替瞬時(shí)混矸率，作為控制放煤口動(dòng)作的指標(biāo)。區(qū)間混矸率，即一段時(shí)間內(nèi)混矸率的平均值。通過(guò)分析一段時(shí)間內(nèi)的混矸率的平均值，而不是某一時(shí)刻的混矸率，并結(jié)合頂煤放出規(guī)律確定合理閾值，可以有效避免因夾矸放出而導(dǎo)致的放煤口過(guò)早關(guān)閉問(wèn)題。
在此基礎(chǔ)上，可以通過(guò)優(yōu)化算法來(lái)提升對(duì)夾矸的識(shí)別精度，從算法層面區(qū)分出頂煤、夾矸和直接頂，從而降低矸石誤識(shí)別的可能性。當(dāng)然這有一定適用條件，當(dāng)它們外觀接近，甚至用肉眼都很難區(qū)分時(shí)，僅僅通過(guò)算法優(yōu)化很難大幅提升識(shí)別精度。在生產(chǎn)一線，放煤工人們還會(huì)通過(guò)感受煤矸撞擊掩護(hù)梁、尾梁和后部刮板運(yùn)輸機(jī)的聲音來(lái)進(jìn)行區(qū)分。因此，我們也同步開(kāi)發(fā)了聲振信號(hào)高精度采集裝置，采樣頻率為48kHz，將語(yǔ)音識(shí)別、振動(dòng)識(shí)別等其他識(shí)別手段或方法與圖像識(shí)別技術(shù)相融合，通過(guò)模擬人眼看、耳聽(tīng)與手觸等判斷過(guò)程，更準(zhǔn)確地識(shí)別夾矸。此外，通過(guò)預(yù)埋頂煤運(yùn)移跟蹤儀監(jiān)測(cè)頂煤放出情況，也可以降低夾矸在放煤過(guò)程中的干擾。
聲振信號(hào)高精度采集裝置9基于邊緣AI的圖像識(shí)別智能放煤關(guān)鍵設(shè)備開(kāi)發(fā)
用于分析的圖像，是多種因素共同作用下的結(jié)果，包括光源、目標(biāo)物體、環(huán)境以及圖像采集系統(tǒng)等。高濃度粉塵環(huán)境是制約圖像識(shí)別智能放煤技術(shù)發(fā)展的主要因素，如何在惡劣條件下獲得高質(zhì)量的圖像是實(shí)現(xiàn)圖像識(shí)別智能放煤技術(shù)的前提。
在放煤過(guò)程中，會(huì)產(chǎn)生大量粉塵（煤塵與巖塵）或水霧，它們會(huì)不同程度的散射和吸收光線，使得圖像中的目標(biāo)物體（即煤和巖石）在對(duì)比度、清晰度等方面受到影響，不利于圖像識(shí)別。將放頂煤工作面的粉塵（或水霧）劃分為3種狀態(tài)：懸浮在空中的游離塵，吸附在鏡頭上的吸附塵以及沉降在煤矸表面的固定塵。分別針對(duì)這三種狀態(tài)的粉塵（或水霧）開(kāi)展科研攻關(guān)，從軟件算法以及硬件設(shè)備出發(fā)，提出了一種適用于放頂煤工作面的聯(lián)合去粉塵方法。
懸浮在空氣中的游離塵，包括游離煤塵和游離巖塵，它們會(huì)影響圖像的亮度、對(duì)比度和清晰度，從而影響圖像識(shí)別的準(zhǔn)確性。我們提出了一種新的基于頻域先驗(yàn)的單通道Retinex去粉塵算法，解決了Retinex算法在保留圖像細(xì)節(jié)的同時(shí)，不能有效地同時(shí)去霧和去噪的問(wèn)題。通過(guò)在YIQ空間引入單通道多尺度Retinex顏色恢復(fù)算法來(lái)恢復(fù)小波域的霧狀近似分量，采用多尺度卷積增強(qiáng)和快速非局部均值濾波，在保持足夠細(xì)節(jié)的同時(shí)，降低細(xì)節(jié)分量的噪聲，最后將無(wú)粉塵圖像重建到空間域，通過(guò)白平衡恢復(fù)圖像色彩。
此外，還提出了一種空頻域聯(lián)合強(qiáng)化去粉塵算法，并在朱仙莊礦進(jìn)行了測(cè)試。與其他算法相比，所提算法具有更好的去粉塵能力，可以保留更多的細(xì)節(jié)，同時(shí)抑制噪聲和光干擾的能力也更強(qiáng)。近年來(lái)，一些更智能的算法也被提出并實(shí)現(xiàn)了更好的粉塵（或水霧）去除性能。
圖像去粉塵效果
基于光學(xué)的去霧技術(shù)需要對(duì)光學(xué)成像系統(tǒng)進(jìn)行改造，然后利用算法對(duì)采集到的圖像進(jìn)行恢復(fù)。可見(jiàn)光-近紅外融合去霧和偏振去霧是去除粉塵（或水霧）的兩種經(jīng)典方法。其中，偏振去霧法具有適應(yīng)性強(qiáng)、成本低、處理速度快等明顯優(yōu)勢(shì)。目前，該技術(shù)與圖像識(shí)別智能放煤技術(shù)的融合工作正處于實(shí)驗(yàn)室測(cè)試階段。
吸附在相機(jī)鏡頭上的吸附塵，主要包括吸附煤塵和吸附巖塵。對(duì)于這類粉塵的處理，圍繞井下惡劣環(huán)境開(kāi)展技術(shù)攻關(guān)，并與安徽中科光電色選機(jī)械有限公司合作，于2020年研制出能夠適應(yīng)井下高濃度粉塵、水霧環(huán)境、具有數(shù)據(jù)獨(dú)立處理功能的圖像采集系統(tǒng)第一代原理樣機(jī)—“慧眼一號(hào)（Insight-I）”?；谌梭w仿生學(xué)以及邊緣AI技術(shù)，分別模仿眨眼、揉眼、吹灰等動(dòng)作，通過(guò)高阻隔氣動(dòng)封堵罩、高性能粉塵清掃器、高壓吹塵風(fēng)刀，實(shí)現(xiàn)圖像采集系統(tǒng)粉塵自主感知與清除功能，并實(shí)現(xiàn)了在圖像采集端完成數(shù)據(jù)處理工作，降低了數(shù)據(jù)傳輸壓力，提升了系統(tǒng)可靠性和響應(yīng)速度。
慧眼一號(hào)原理樣機(jī)
對(duì)于沉降在煤矸表面的粉塵（或水霧）的固定塵，進(jìn)一步將其劃分為煤基固定煤（巖、混合）塵或者巖基固定煤（巖、混合）塵。通過(guò)分析頂煤和矸石在不同類型固定塵覆蓋條件下圖像特征的變化規(guī)律，提出了煤矸圖像的自適應(yīng)優(yōu)化模式，對(duì)于采集到的含有固定塵的煤矸圖像進(jìn)行自主修正，提高圖像識(shí)別智能放煤技術(shù)的精度。
基于上述圖像識(shí)別智能放煤技術(shù)基本原理，進(jìn)一步研發(fā)了圖像識(shí)別智能放煤在線監(jiān)測(cè)軟件，圖像處理速度25幀/s，實(shí)時(shí)計(jì)算混矸率數(shù)據(jù)，當(dāng)混矸率超過(guò)預(yù)定的區(qū)間混矸率閾值時(shí)，通過(guò)通信模塊自動(dòng)發(fā)送中止放煤或者關(guān)閉當(dāng)前放煤口、開(kāi)啟下一放煤口的指令給控制系統(tǒng)。
圖像識(shí)別智能放煤技術(shù)相關(guān)成果在淮北礦業(yè)股份有限公司朱仙莊礦8105放頂煤工作面、袁店一礦824放頂煤工作面以及開(kāi)灤集團(tuán)唐山礦0291放頂煤工作面進(jìn)行了試驗(yàn)，取得了良好的效果，配合使用頂煤運(yùn)移跟蹤儀，放煤工藝由“人工干預(yù)放煤”升級(jí)為“智能放煤”，大幅度減少了開(kāi)采作業(yè)人員，頂煤回收率預(yù)計(jì)可以提高5個(gè)百分點(diǎn)以上。
2021年6月，在寧夏煤業(yè)棗泉礦、陜煤集團(tuán)曹家灘煤礦、國(guó)神集團(tuán)黃玉川煤礦、國(guó)網(wǎng)能源新疆準(zhǔn)東二礦等礦井開(kāi)展了技術(shù)交流，圖像識(shí)別智能放煤技術(shù)將深度結(jié)合礦井地質(zhì)與實(shí)際生產(chǎn)條件，制定個(gè)性化技術(shù)解決方案，在應(yīng)用過(guò)程中不斷迭代完善，為實(shí)現(xiàn)煤炭行業(yè)智能化放頂煤開(kāi)采持續(xù)賦能。
軟件界面
作者簡(jiǎn)介
王家臣，中國(guó)礦業(yè)大學(xué)（北京）采礦工程專業(yè)二級(jí)教授，博士生導(dǎo)師，副校長(zhǎng)。第八屆國(guó)務(wù)院學(xué)位委員會(huì)礦業(yè)工程/石油與天然氣工程學(xué)科評(píng)議組成員、秘書(shū)長(zhǎng)，教育部高等學(xué)校礦業(yè)類教學(xué)指導(dǎo)委員會(huì)副主任委員，全國(guó)科學(xué)技術(shù)名詞審定委員會(huì)委員。入選國(guó)家百千萬(wàn)人才工程、有突出貢獻(xiàn)中青年專家、享受國(guó)務(wù)院政府特殊津貼，全國(guó)優(yōu)秀教師，全國(guó)高校黃大年式教師團(tuán)隊(duì)負(fù)責(zé)人，全國(guó)教材建設(shè)先進(jìn)個(gè)人。獲孫越崎能源大獎(jiǎng)、美國(guó)S.S.Peng國(guó)際采礦巖層控制獎(jiǎng)；世界煤炭研究聯(lián)盟主席。
研究方向主要從事煤礦開(kāi)采、礦山壓力與巖層控制、露天礦邊坡工程等方面的教學(xué)與科研工作主要成果王家臣教授多年來(lái)一直專注于放頂煤開(kāi)采基礎(chǔ)理論研究與技術(shù)開(kāi)發(fā)工作，建立了頂煤放出的BBR研究體系，發(fā)明了頂煤運(yùn)移跟蹤儀及現(xiàn)場(chǎng)實(shí)測(cè)頂煤回收率的方法，開(kāi)發(fā)了圖像識(shí)別智能放煤技術(shù)；提出了厚煤層開(kāi)采頂板動(dòng)載荷計(jì)算方法，以及考慮煤壁穩(wěn)定與頂板控制的支架阻力確定方法；提出了加載與卸載綜合作用下的頂煤破碎機(jī)理以及頂煤塊度預(yù)測(cè)模型；開(kāi)發(fā)了“兩硬”、“三軟”、高瓦斯、急傾斜等多種厚煤層放頂煤或大采高開(kāi)采技術(shù)；建立了考慮巖體強(qiáng)度空間變異的露天礦邊坡三維可靠性計(jì)算方法。獲國(guó)家級(jí)教學(xué)成果二等獎(jiǎng)1項(xiàng)；獲國(guó)家科技進(jìn)步獎(jiǎng)一等獎(jiǎng)1項(xiàng)、二等獎(jiǎng)3項(xiàng)；出版著作4部，譯著1部，主編教材3本，發(fā)表論文200余篇，授權(quán)發(fā)明專利20余件。
來(lái)源：
王家臣,潘衛(wèi)東,張國(guó)英,楊勝利,楊克虎,李良暉.圖像識(shí)別智能放煤技術(shù)原理與應(yīng)用[J/OL].煤炭學(xué)報(bào):1-16[2022-01-09].DOI:10.13225/j.cnki.jccs.YG21.1530.
