王 星，高 峰，陈 吉，郝鹏程，荆正军

(1.辽宁工程技术大学 电子与信息工程学院,辽宁 葫芦岛 125105; 2.神东煤炭集团公司寸草塔一矿,内蒙古 鄂尔多斯 017205; 3.阜新煤矿集团 恒大煤矿，辽宁 阜新 123002)

煤炭是我国的主体能源，也是最经济的化石能源，对我国的能源安全和经济社会发展起着举足轻重的作用[1-2]。煤炭的智能化、无人化开采在提高煤炭产量的同时，也是减少煤矿事故，特别是工作面事故的主要途径。煤岩界面自动识别[3]是实现智能化和无人化开采的核心技术，是采煤机滚筒和掘锚机截割部位高度的自动调节以及液压支架顶板支护自动调整的关键所在，同时也是公认的世界难题。因此，深入研究煤岩界面的自动识别方法具有重要的理论意义和实践价值。

围绕煤岩界面的自动识别研究，国内外学者提出了多种方法，如振动检测方法[4]利用拾振传感器监测采煤机切割力响应变化，通过减少采煤机噪声的方法提高煤岩识别效率;放射性探测方法[5]依据γ射线穿过煤和岩石表现出的不同衰减曲线来识别煤岩;声压检测方法[6]通过声波、雷达等进行煤岩界面探测;红外探测方法[7]通过检测煤岩界面切割时产生的红外辐射来识别煤岩界面。由于受到传感器自身性能、γ射线穿透能力、探测范围以及粉尘环境等方面的影响，上述煤岩识别方法的准确性和效率还有提升空间。

近年来通过提取煤岩的颜色、纹理和形状等特征来识别煤岩的方法受到越来越多的关注，出现了以字典学习法[8]、小波变换法[9]、相似性度量法[10]和神经网络法[11]等为代表的煤岩图像识别[12-15]方法。……