放頂煤開采技術(shù)是開采厚及特厚煤層的有效方法，放煤是放頂煤開采獨有的工序，近20年來，國內(nèi)外一直致力于智能放煤技術(shù)開發(fā)，但至今仍無實質(zhì)性進展，也沒有國內(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。煤炭開采過程中主要涉及到兩類煤矸識別問題，一是綜采工作面采煤機割煤過程中的煤巖界面識別，二是綜放工作面放煤過程中的煤矸識別。前者已經(jīng)在智能綜采工作面初步實現(xiàn)，而后者要對后部刮板運輸機上快速運動的、呈堆積狀態(tài)的煤矸進行識別，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輸機上煤流，觀察矸石是否被放出或者放出的量，進而決定是否停止放煤。這種方法勞動強度大、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。
智能化放頂煤開采是以智能化綜采技術(shù)為基礎(chǔ)，通過實現(xiàn)智能放煤最終達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，同時也在記憶放煤、支架位態(tài)、紅外、聲波、振動、高光譜、伽馬射線智能放煤技術(shù)等方面進行了探索。記憶放煤比較容易實現(xiàn)，但是難以對放煤狀態(tài)做出實時反饋，當煤層賦存條件發(fā)生變化時，可能會產(chǎn)生誤差；支架位態(tài)智能放煤技術(shù)環(huán)境適應(yīng)性強，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，強噪聲環(huán)境，聲波、振動智能放煤技術(shù)則可以克服高粉塵問題，但是在煤矸物理力學性質(zhì)相差不大時，易產(chǎn)生較大的識別誤差；高光譜、伽馬射線等智能放煤技術(shù)，具有靈敏度高的特點，但是設(shè)備成本高，有些體積較大的設(shè)備也會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。實現(xiàn)智能化的核心問題是正確把握放煤口開啟和關(guān)閉的時機，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制與煤矸識別特征選取
目前，在放頂煤工作面，通常是放煤工人通過觀察放煤口附近后部刮板運輸機上煤流的顏色（或灰度）來判斷矸石是否已經(jīng)被放出，或者估計放出的量，進而決定是否需要關(guān)閉放煤口。近四十年的放頂煤生產(chǎn)經(jīng)驗也表明，在大多數(shù)煤層賦存條件和生產(chǎn)環(huán)境下，通過人工肉眼辨識煤矸、進而控制放煤口的開關(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別算法代替人工來識別煤和矸石，達到減人增效的目的。關(guān)于圖像識別，主要有兩條思路，其一是利用經(jīng)典的圖像處理算法計算混矸率?；叶群图y理是圖像識別最常用的兩個特征指標，分形維數(shù)可以用于反映煤矸表面紋理的復(fù)雜程度。該方法原理簡單，在圖像識別煤矸分選領(lǐng)域得到了廣泛應(yīng)用，其可靠性得到了驗證。第2種研究思路是利用深度學習算法對煤矸圖像進行語義分割，進而計算混矸率。不論是經(jīng)典的圖像處理算法，還是基于深度學習的語義分割算法，分析的對象都是圖像，而圖像又是目標物體、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行采集，得到的圖像也是不同的，進一步通過算法得到識別的結(jié)果，可能也是不同的，特別是對于煤和矸石的識別，這類問題更加顯著。因此，我們將照度概念引入到圖像識別智能放煤技術(shù)的研究中，為煤矸圖像識別提供最優(yōu)照度或最優(yōu)特征，這也是煤矸圖像識別有別于其他領(lǐng)域進行圖像識別的地方。2煤矸圖像精準分割與混矸率計算
相比于其他識別技術(shù)或手段，圖像識別智能放煤技術(shù)的一大優(yōu)勢是可以實現(xiàn)混矸率的識別。混矸率（Rock Mixed Ratio, RMR），是指從放煤口放出并落在后部刮板運輸機上快速移動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信號的技術(shù)，僅能對“放煤”、“放矸”兩種放煤階段進行區(qū)分，而無法對混矸率進行判別，這是典型的“見矸關(guān)門”原則。最近的研究發(fā)現(xiàn)，當混矸率為10%~15%時，才可使頂煤回收率達到最大化，這就要求在煤矸識別時，要對混矸率給出定量精準判斷，否則會造成較大的頂煤損失。
對混矸率的精準判斷離不開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。比如在煤矸分選過程中，待分選的煤和矸石被平鋪在皮帶機上通過傳感器，而放頂煤工作面，后部刮板運輸機帶動煤流快速移動，煤和矸石相互堆積疊壓，不利于邊界識別與混矸率計算。
不同研究領(lǐng)域的煤矸識別
為了實現(xiàn)圖像的精準分割，從經(jīng)典算法與深度學習算法兩個思路開展了研究。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記控制分水嶺算法，實現(xiàn)了煤矸混合圖像的分割，但是對圖像中陰影區(qū)域的辨識能力較差。
將深度學習方法引入到混矸率識別研究中，提出了一種輕量級的放頂煤工作面矸石識別及邊界測量模型。圖像低級特征由深度可分離的輕量級卷積結(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。低級和高級多尺度信息融合后，獲得了圖像中矸石目標的完整邊界。通過標注煤矸圖像數(shù)據(jù)集訓練，快速獲得放頂煤圖像中的矸石準確邊界。
放頂煤工作面矸石識別及邊界測量模型
混矸率是一個廣義的概念，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。通過統(tǒng)計二維圖像中像素點個數(shù)，可以得到用投影面積表示的混矸率。實際上，放頂煤工作面后部刮板運輸機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，并且對疊壓在煤流內(nèi)部的體積混矸率進行預(yù)測，這是一種提升混矸率測量精度的方法，也是圖像識別智能放煤技術(shù)有別于且領(lǐng)先于其他監(jiān)測手段或方法的地方，這將在后面幾節(jié)展開介紹。
圖像識別智能放煤技術(shù)涉及到的幾種混矸率
3基于立體視覺的照度智能監(jiān)測與自適應(yīng)調(diào)節(jié)
照度是圖像識別智能放煤技術(shù)中需要考慮的重要因素，照度的準確測量和控制是獲得高質(zhì)量圖像和實現(xiàn)高精度識別的前提。在放頂煤工作面放煤過程中，被放出的煤和矸石在后刮板輸送機上快速移動，照度測量困難。為此，我們提出了一種利用立體視覺深度測量技術(shù)來監(jiān)測照度的新方法。
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來測量。在圖像識別智能放煤技術(shù)中，基于立體視覺的深度測量技術(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，還可以提取物體的灰度、顏色或紋理特征，實現(xiàn)語義分割。
因此，我們提出了一種基于立體視覺的照度智能監(jiān)測與自適應(yīng)調(diào)節(jié)方法，為圖像識別智能放煤技術(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)測確定實時照度，進而通過調(diào)節(jié)功率獲得最佳照度，然后在最佳照度下對圖像進行采集和識別，實現(xiàn)了圖像識別智能放煤過程中的照度自適應(yīng)調(diào)節(jié)。實際上，如果相機和光源并列放置，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，則也可以通過幾何關(guān)系換算確定光照距離。
基于立體視覺的照度智能監(jiān)測與自適應(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，它對于圖像識別智能放煤技術(shù)十分重要，它可以指導圖像采集的時機。圖像識別智能放煤技術(shù)是通過分析支架放煤口和后部刮板運輸機上煤流混矸率來決定是否需要關(guān)閉放煤口。實際上，在矸石被放出之前，有較長的一段時間是純放煤階段，如果沒有出現(xiàn)卡煤、成拱等異常放煤狀況，則無需過多干預(yù)。上一輪放煤結(jié)束后產(chǎn)生大量的細微煤矸粉末，會在本輪放煤初期，也即純放煤階段，隨著頂煤一起被集中放出，造成短時間內(nèi)粉塵濃度驟升。因此，通過分析頂煤放出規(guī)律，確定煤巖分界面與頂煤放出體形態(tài)，計算頂煤的放出量，可以預(yù)估每個支架純放煤的持續(xù)時間，在純放煤階段，圖像采集系統(tǒng)僅間隔時間采集圖像，當接近矸石被放出時，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)境中的暴露時間、除（降）塵裝置的性能等有關(guān)。粉塵濃度越低、鏡頭暴露時間越短、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，通過預(yù)判放煤持續(xù)時間來確定圖像采集時機，一方面，可以降低對除（降）塵設(shè)備與算法的需求與依賴，對于純放煤階段可能存在的高濃度粉塵環(huán)境，不必實時采集圖像，也不必實時分析圖像。另一方面，可以減少鏡頭在粉塵環(huán)境中的暴露時間以減少積塵，保證鏡頭長時間清潔，為圖像識別持續(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)閉時間提供依據(jù)。適當?shù)胤懦霾糠猪肥梢蕴岣唔斆翰沙雎?，而混矸率識別正是圖像識別智能放煤技術(shù)可以實現(xiàn)的、有別于且領(lǐng)先于其他識別手段的一項工作。因此，通過頂煤放出規(guī)律研究，可以為圖像識別智能放煤技術(shù)確定一個合理的混矸率閾值區(qū)間，當混矸率處于這個區(qū)間時，可以有效提高頂煤采出率且不會大幅增加矸石運輸與洗選成本。以BBR理論研究成果為基礎(chǔ)，可以有效提高圖像識別智能放煤技術(shù)的識別精度。
BBR研究體系與圖像識別智能放煤技術(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，進而影響到圖像識別智能放煤技術(shù)對后部刮板運輸機煤流混矸率的辨識精度。目前在進行放頂煤相關(guān)數(shù)值模擬研究時，不規(guī)則的煤塊通常被簡化為二維圓盤或三維球體，這與實際情況存在差異。圍繞利用圖像識別解決智能放煤問題的基本思路，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意重建方法。
為了區(qū)別于精準重建方法，將這種方法稱為寫意重建，寫意重建又有別于完全隨機的重建，因為它是在形狀特征參數(shù)的主動干預(yù)下完成的重建，所以具有一定可重復(fù)性和科學性。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）影響到塊體細節(jié)表征效果，分辨率越高（即體素尺寸越?。?，細節(jié)表征越好，但用到的pebble數(shù)量也越多，會在一定程度上影響運算效率；反之分辨率越低，犧牲了部分細節(jié)特征，但是有利于提高運算效率。因此如何在保證重建精度的前提下，有效減少pebble數(shù)量，是提高運算效率的關(guān)鍵。為此，提出了一種有效的方法來優(yōu)化完善上述重建過程，即氣泡破裂法（Bubble burst method, BBM），主要包括吹氣泡和戳氣泡兩個過程。
BBM法示意圖6基于多視圖像序列的煤矸塊體三維精準重建與體積測量
圖像識別智能放煤技術(shù)的最終目的是計算出后部刮板運輸機上的煤流中的矸石塊體的體積占比。這涉及到兩個關(guān)鍵問題，其一，二維圖像中煤矸塊體投影面積與三維現(xiàn)實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。這兩個問題中，都涉及到對煤矸塊體體積的測量，在上一節(jié)中提到，可以通過三維快速寫意重建的方法便捷、粗略地生成指定形狀的塊體模型，進而獲得體積數(shù)據(jù)。實際上，它與煤矸塊體樣本的形狀仍然存在差異，并不是對煤矸塊體的完全復(fù)刻。所以，如果需要準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的三維重建方法。
三維信息的準確測量是實現(xiàn)煤矸塊體三維重建的關(guān)鍵?；趫D像識別的思路，提供了一種基于多視圖像序列的煤矸塊體三維精準重建方法。采用普通消費級相機對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），實現(xiàn)對煤矸塊體真實形狀的合理逼近。進一步將圖像中煤矸塊體的紋理信息映射到可視化外殼上，完成三維精準重建。
基于多視圖像序列的煤矸塊體三維精準重建示意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。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，對塊體的描述更全面，但三維形態(tài)特征很難測量，尤其是在放頂煤工作面要求對后部刮板運輸機上的煤流進行實時監(jiān)測的環(huán)境下。因此，從二維圖像中快速、直接、準確地估計三維形態(tài)特征是一個重要的課題。在實驗室實驗和數(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)過放落、碰撞后，會傾向于以優(yōu)勢方位（Preferred orientation）堆積在后部刮板運輸機上。因此，有必要確定對后部刮板輸送機上的煤矸塊體的觀察視角，而不是隨意觀察，在優(yōu)勢方位下提取的形狀特征才有意義?；谶@一假設(shè)，利用多視圖像序列精準重建了煤矸塊體模型，用離散元法進行了自由落體數(shù)值計算，確定了具有不同形狀特征參數(shù)塊體的優(yōu)勢方位。
在此基礎(chǔ)上，分別計算煤矸塊體在優(yōu)選方位下的二維形態(tài)特征和三維形態(tài)特征，對兩者進行相關(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，可以通過對二維圖像的分析，估計煤矸塊體的三維形態(tài)特征，進而修正混矸率數(shù)據(jù)，作為S2I混矸率高精度預(yù)測兩步走策略的第1步，實現(xiàn)投影面積混矸率向表面體積混矸率的過渡。
優(yōu)勢方位確定過程
8夾矸識別與異常放煤狀態(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，比如對夾矸的識別，以及卡矸、堵矸等異常放煤狀態(tài)的甄別。
夾矸的精準識別對于智能放煤技術(shù)很關(guān)鍵。煤層中可能會存在夾矸，有些夾矸的厚度還會很大，甚至會存在多層夾矸的情況。當夾矸的巖性與直接頂相近時，如果將夾矸錯誤識別為直接頂而停止放煤，會使夾矸上方的煤炭無法放出而造成大量的煤炭損失。提出“三位一體”夾矸智能識別技術(shù)，從判別準則層面、軟件算法層面以及硬件設(shè)備層面，實現(xiàn)對放煤過程中夾矸的精準識別，有效保證采出率、減少煤炭損失。
通常，在沒有夾矸的放頂煤工作面，可以通過圖像識別獲得后部刮板運輸機上煤流在某一時刻的瞬時混矸率，用于控制放煤口的動作，而這種判別方法則不適用于含有夾矸的放頂煤工作面。因為如果將瞬時混矸率作為關(guān)閉放煤口的指標，則當夾矸被放出時，可能會被誤認為是直接頂，此時瞬時混矸率增大甚至超過閾值，進而發(fā)出錯誤的指令。為此，我們提出了“區(qū)間混矸率”的概念來代替瞬時混矸率，作為控制放煤口動作的指標。區(qū)間混矸率，即一段時間內(nèi)混矸率的平均值。通過分析一段時間內(nèi)的混矸率的平均值，而不是某一時刻的混矸率，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致的放煤口過早關(guān)閉問題。
在此基礎(chǔ)上，可以通過優(yōu)化算法來提升對夾矸的識別精度，從算法層面區(qū)分出頂煤、夾矸和直接頂，從而降低矸石誤識別的可能性。當然這有一定適用條件，當它們外觀接近，甚至用肉眼都很難區(qū)分時，僅僅通過算法優(yōu)化很難大幅提升識別精度。在生產(chǎn)一線，放煤工人們還會通過感受煤矸撞擊掩護梁、尾梁和后部刮板運輸機的聲音來進行區(qū)分。因此，我們也同步開發(fā)了聲振信號高精度采集裝置，采樣頻率為48kHz，將語音識別、振動識別等其他識別手段或方法與圖像識別技術(shù)相融合，通過模擬人眼看、耳聽與手觸等判斷過程，更準確地識別夾矸。此外，通過預(yù)埋頂煤運移跟蹤儀監(jiān)測頂煤放出情況，也可以降低夾矸在放煤過程中的干擾。
聲振信號高精度采集裝置9基于邊緣AI的圖像識別智能放煤關(guān)鍵設(shè)備開發(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)量的圖像是實現(xiàn)圖像識別智能放煤技術(shù)的前提。
在放煤過程中，會產(chǎn)生大量粉塵（煤塵與巖塵）或水霧，它們會不同程度的散射和吸收光線，使得圖像中的目標物體（即煤和巖石）在對比度、清晰度等方面受到影響，不利于圖像識別。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。分別針對這三種狀態(tài)的粉塵（或水霧）開展科研攻關(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，它們會影響圖像的亮度、對比度和清晰度，從而影響圖像識別的準確性。我們提出了一種新的基于頻域先驗的單通道Retinex去粉塵算法，解決了Retinex算法在保留圖像細節(jié)的同時，不能有效地同時去霧和去噪的問題。通過在YIQ空間引入單通道多尺度Retinex顏色恢復(fù)算法來恢復(fù)小波域的霧狀近似分量，采用多尺度卷積增強和快速非局部均值濾波，在保持足夠細節(jié)的同時，降低細節(jié)分量的噪聲，最后將無粉塵圖像重建到空間域，通過白平衡恢復(fù)圖像色彩。
此外，還提出了一種空頻域聯(lián)合強化去粉塵算法，并在朱仙莊礦進行了測試。與其他算法相比，所提算法具有更好的去粉塵能力，可以保留更多的細節(jié)，同時抑制噪聲和光干擾的能力也更強。近年來，一些更智能的算法也被提出并實現(xiàn)了更好的粉塵（或水霧）去除性能。
圖像去粉塵效果
基于光學的去霧技術(shù)需要對光學成像系統(tǒng)進行改造，然后利用算法對采集到的圖像進行恢復(fù)?？梢姽?/span>-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、成本低、處理速度快等明顯優(yōu)勢。目前，該技術(shù)與圖像識別智能放煤技術(shù)的融合工作正處于實驗室測試階段。
吸附在相機鏡頭上的吸附塵，主要包括吸附煤塵和吸附巖塵。對于這類粉塵的處理，圍繞井下惡劣環(huán)境開展技術(shù)攻關(guān)，并與安徽中科光電色選機械有限公司合作，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)獨立處理功能的圖像采集系統(tǒng)第一代原理樣機—“慧眼一號（Insight-I）”?；谌梭w仿生學以及邊緣AI技術(shù)，分別模仿眨眼、揉眼、吹灰等動作，通過高阻隔氣動封堵罩、高性能粉塵清掃器、高壓吹塵風刀，實現(xiàn)圖像采集系統(tǒng)粉塵自主感知與清除功能，并實現(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。
慧眼一號原理樣機
對于沉降在煤矸表面的粉塵（或水霧）的固定塵，進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，對于采集到的含有固定塵的煤矸圖像進行自主修正，提高圖像識別智能放煤技術(shù)的精度。
基于上述圖像識別智能放煤技術(shù)基本原理，進一步研發(fā)了圖像識別智能放煤在線監(jiān)測軟件，圖像處理速度25幀/s，實時計算混矸率數(shù)據(jù)，當混矸率超過預(yù)定的區(qū)間混矸率閾值時，通過通信模塊自動發(fā)送中止放煤或者關(guān)閉當前放煤口、開啟下一放煤口的指令給控制系統(tǒng)。
圖像識別智能放煤技術(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灤集團唐山礦0291放頂煤工作面進行了試驗，取得了良好的效果，配合使用頂煤運移跟蹤儀，放煤工藝由“人工干預(yù)放煤”升級為“智能放煤”，大幅度減少了開采作業(yè)人員，頂煤回收率預(yù)計可以提高5個百分點以上。
2021年6月，在寧夏煤業(yè)棗泉礦、陜煤集團曹家灘煤礦、國神集團黃玉川煤礦、國網(wǎng)能源新疆準東二礦等礦井開展了技術(shù)交流，圖像識別智能放煤技術(shù)將深度結(jié)合礦井地質(zhì)與實際生產(chǎn)條件，制定個性化技術(shù)解決方案，在應(yīng)用過程中不斷迭代完善，為實現(xiàn)煤炭行業(yè)智能化放頂煤開采持續(xù)賦能。
軟件界面
作者簡介
王家臣，中國礦業(yè)大學（北京）采礦工程專業(yè)二級教授，博士生導師，副校長。第八屆國務(wù)院學位委員會礦業(yè)工程/石油與天然氣工程學科評議組成員、秘書長，教育部高等學校礦業(yè)類教學指導委員會副主任委員，全國科學技術(shù)名詞審定委員會委員。入選國家百千萬人才工程、有突出貢獻中青年專家、享受國務(wù)院政府特殊津貼，全國優(yōu)秀教師，全國高校黃大年式教師團隊負責人，全國教材建設(shè)先進個人。獲孫越崎能源大獎、美國S.S.Peng國際采礦巖層控制獎；世界煤炭研究聯(lián)盟主席。
研究方向主要從事煤礦開采、礦山壓力與巖層控制、露天礦邊坡工程等方面的教學與科研工作主要成果王家臣教授多年來一直專注于放頂煤開采基礎(chǔ)理論研究與技術(shù)開發(fā)工作，建立了頂煤放出的BBR研究體系，發(fā)明了頂煤運移跟蹤儀及現(xiàn)場實測頂煤回收率的方法，開發(fā)了圖像識別智能放煤技術(shù)；提出了厚煤層開采頂板動載荷計算方法，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理以及頂煤塊度預(yù)測模型；開發(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采技術(shù)；建立了考慮巖體強度空間變異的露天礦邊坡三維可靠性計算方法。獲國家級教學成果二等獎1項；獲國家科技進步獎一等獎1項、二等獎3項；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。
來源：
王家臣,潘衛(wèi)東,張國英,楊勝利,楊克虎,李良暉.圖像識別智能放煤技術(shù)原理與應(yīng)用[J/OL].煤炭學報:1-16[2022-01-09].DOI:10.13225/j.cnki.jccs.YG21.1530.
