煤岩识别算法及“自学习”模型研究

张 炜，付 元，刘 昕

（1.北京理工大学，北京 100081；2.煤炭科学技术研究院有限公司，北京 100013；3.煤科院节能技术有限公司，北京 100013）

智能化是矿山技术发展的最高形式，煤岩识别是实现无人化综采工作面重要的核心技术之一，随着民用图像处理识别技术的飞速发展，应用于煤岩边界精准识别成为研究热点，但是距离将该项技术转化为成熟的煤岩识别解决方案，并实际应用于智能开采中，还有很多需要突破的技术瓶颈，其中煤岩图像处理的算法及模型就是技术瓶颈之一[1]。

国内外多位学者应用不同的技术研究煤岩识别，通过雷达探测、煤岩反射识别煤岩分类[2]特性，在20世纪90年代可实现将部分煤岩粗放型分类识别，但煤及岩石种类繁多，不同介质反射情况不同，识别效果不直观、不精确，且也会因煤岩介质的不同而区别巨大[3-5]，此类识别技术对智能化开采缺乏推广应用的精准技术支撑。

近年来在应用图像处理技术的煤岩识别研究方面取得了一系列成果[6-7]，但主要集中在从煤岩性状、机理上对煤岩分析，鲜有学者对工作面的实际煤岩分界图像进行分析建模研究[8-9]。为此，在前人提出的煤岩识别技术的基础上，着重研究煤矿综采工作面的煤岩界面识别问题，根据煤岩基本特征、性状、区别，从图像边缘和灰度阈值的研究角度出发，研究煤岩分界识别的可行性[10-12]。

1 灰度共生均值的聚类煤岩识别算法

1.1 聚类煤岩识别算法

聚类分析法为多变量数据分析统计技术，是一种非监督式的数据分析工具，将没有事先分类的样本，由分析系统自动对所有样本分类识别。……