李 黎，熊 英，荆瑞俊

(1.湖北工业大学，湖北 武汉 430068;2.山西农业大学，山西 晋中 030801)

0 引言

每年地下开的煤层产量占煤炭总产量的45%左右，综采工作面在回采过程中，由于断层或煤层厚度变化等出现矸石，是影响采煤质量重要因素[1]。顶煤放落时，依靠工人的耳听、眼观等方式来判断，并以此声音来确定是否放完顶煤。

放煤过程存在粉尘大、光线弱、空间狭窄等现象，难以准确地确定放煤状态；环境条件的恶劣，会严重损害工组人员的身心健康。煤矸石的自动识别技术成为智能化采煤亟待解决的问题。

范振[2]等人考虑到采煤环境对煤与矸石表面的影响，对采集的样本进行了细分，研究分析其图片的灰度特征、纹理特征等信息差异性，采用支持向量机算法对样本进行学习，构建其分类模型。薛光辉[3]等人以采煤口的煤矸石的图像为样本，采用裁剪、灰度变换、增强对比度等方法对原图像进行预处理，用灰度共生矩阵表示样本的15个纹理特征，采用随机森林算法对煤矸石的纹理特征进行重要度排序，分析降维前后模型对煤矸石的识别效果。杨晨光[5]对不同类的煤的密度和灰分的关系进行研究分析，得出基于厚度和密度的灰度改变，采用R值法对煤矸与煤的差异识别。

上述研究主要从煤物理特性及表面图片等对矸石进行识别，由于采煤现场的环境较为恶劣，图像采集较为困难，通过射线技术虽能准确识别，但技术难度较大。鉴于此，本系统研究综采面放顶煤过程煤与矸石落到支架上声音的差异进行识别。……