针对现有煤岩识别方法存在识别率低的问题，提出了一种基于机器视觉的煤岩界面信息提取方法。在煤和岩石物理力学性质差别不大，但灰度差异较大的情况下，利用采煤机机身上安装的摄像头拍摄采煤面，定时提取一帧图像，经预处理和特征提取获得煤岩界面曲线，进而获得其在图像中的像素坐标；标定出摄像头参数后，结合采煤机和采煤面特定的投影模型，求解出像素坐标与实际成像角度之间的关系，然后根据此关系求解煤岩界面的高度信息。根据每一幅图像中求得的高度信息，最终拟合出采煤面的完整煤岩界面，为采煤机姿态控制提供依据。

国内外煤岩界面识别技术研究动态综述.pdf

针对现有煤岩识别方法由于提取的时域参数过多,存在识别速度慢、实时性差等问题,提出了一种基于主成分分析和BP神经网络的煤岩界面识别方法。该方法首先提取采煤机滚筒扭矩的时域信号,然后利用主成分分析方法对该时域信号进行压缩,最后将得到的最终信号输入到BP神经网络进行煤岩识别。仿真结果表明,该煤岩识别方法不仅满足了识别率,还提高了识别速度,为提高滚筒调高响应速度奠定了基础。

采掘工作面是煤矿事故多发地点。减少煤矿采掘工作面作业人员既是煤矿安全生产的需要,又是减轻作业人员劳动强度和改善作业环境的需要。煤岩界面识别是实现无人采煤的关键技术之一。研究了用于无人采煤工作面等的煤岩界面识别方法,指出了现有煤岩界面识别方法存在的问题。提出了基于可见光图像和红外图像识别的煤岩界面识别方法:提取色彩、灰度、纹理、形状等图像特征,进行煤岩界面识别。并提出了基于图像识别的多参数信息融合煤岩界面识别方法。