郜亚松，张步勤，郎利影

(1.河北工程大学 信息与电气工程学院,河北 邯郸 075000；2.冀中能源峰峰集团有限公司,河北 邯郸 056200；3.河北工业大学 先进激光技术研究中心, 天津 300401)

0 引 言

高速精准的煤矸识别是实现煤炭行业智能化发展的关键，对提高采煤和选煤的生产效率至关重要。因此，煤矸识别研究一直是煤炭智能化技术领域的研究重点和热点，关系到煤炭开采技术水平的进一步提升和安全绿色开采的发展[1-2]。

目前煤矸识别技术的研究方向逐渐从煤和矸石的物理性质差异[3-4]转向更简单、直观的视觉差异，其中包括煤和矸石的纹理、灰度差异等手动提取的图像特征[5-9]，然后结合机器学习方法进行分类识别的传统图像识别技术，此类方法在实验室的环境中有较高的准确率。由于传统机器学习图像识别方法基于的是手动提取的图像特征，所生成模型的泛化能力较弱。此外，传统机器学习方法的识别速度低，不能满足实际生产需求。后来有学者提出基于迁移学习的深度学习方法进行煤矸识别，能很好地解决传统机器学习泛化能力差的缺点，也相对提高了识别精度[10-11]，但是此类方法使用的深度学习网络结构复杂，训练所产生的网络模型参数体积庞大，实际运行时所要求的设备较为昂贵，所以投入到实际生产环境中仍存在很多困难。

针对以上问题，提出一种识别精度高、速度快且易嵌入到实际生产设备中的轻量型煤矸识别网络模型。……