張釋如，張艷花

(西安科技大學(xué) 通信與信息工程學(xué)院，陜西 西安 710054)

1 概 述

國家能源科技“十三五”規(guī)劃提出煤礦無人工作面，無人值守理念，煤巖界面自動識別是實現(xiàn)該理念的重要技術(shù)之一。礦井下的煤和巖石主要是間隔分布，采煤時需要準(zhǔn)確識別煤巖界面，在界面處下刀，只采煤而不采矸，提高采煤效率[1]。

目前我國的采煤方式多為記憶截割加人工遠(yuǎn)程干預(yù)[2-6]，通過人眼觀察進(jìn)行界面識別，再對采煤機(jī)進(jìn)行遠(yuǎn)程操控，并未實現(xiàn)煤巖界面的自動識別和無人開采。此外，采用記憶截割加人工遠(yuǎn)程干預(yù)開采技術(shù)，開采成本較大，若未準(zhǔn)確識別煤和巖，有可能導(dǎo)致瓦斯爆炸、突水等礦井事故發(fā)生，嚴(yán)重威脅工作人員的人身安全，更嚴(yán)重的會對周圍環(huán)境甚至整個生態(tài)圈造成破壞。正是由于這些潛在危險，急需研究出一種以“綠色安全高效”開采為目的，無人開采為最終目標(biāo)的開采技術(shù)，即在環(huán)保的前提下使得環(huán)境破環(huán)最小化、安全系數(shù)最大化、采煤效率最高化的采煤技術(shù)。煤巖界面識別技術(shù)可使采煤機(jī)自動追蹤煤巖界面，控制采煤機(jī)的滾筒高度，防止誤割巖石，改善煤質(zhì)，提高采煤效率與安全系數(shù)[7]。因此煤巖界面識別[8]是實現(xiàn)此目標(biāo)的一種有效途徑。

本文主要對基于圖像的煤巖識別技術(shù)和應(yīng)用進(jìn)行探討。首先對基于圖像的煤巖界面識別方法，及其優(yōu)缺點進(jìn)行分析。之后，提出將煤巖圖像三維建模和關(guān)注煤巖不同介電特性的方法相結(jié)合，是一種具有前途的可行方法。該方法可以構(gòu)建出煤巖界面縱深方向3D可視化圖像，得知采掘面深層的煤巖分布情況，從而更準(zhǔn)確地控制采煤機(jī)滾筒高度，提高煤質(zhì)和采煤效率。最后，分析煤巖界面識別技術(shù)在采煤機(jī)和液壓支架上的潛在應(yīng)用，并指出攝像頭的合理安裝位置尤為重要，它直接影響了三維建模的效果和煤巖界面識別的準(zhǔn)確率。

2 基于圖像的煤巖界面識別研究進(jìn)展

在真實的煤礦中，煤炭的賦存條件不確定。采煤機(jī)在開采時主要根據(jù)煤層和巖層的邊界對滾筒高度進(jìn)行調(diào)整。當(dāng)遇到三角煤或可回采的煤柱等特殊情況，煤巖界面的準(zhǔn)確識別顯得尤為重要。目前煤巖界面識別方法主要有射線探測法[9]、紅外探測法[10，11]、有功功率探測法[12]、震動探測法[13-16]、聲音探測法[17-21]等，但這些方法易受到煤礦中其他因素的影響，例如礦井的電磁波干擾、放射性物質(zhì)的含量、煤層和巖層的普氏系數(shù)、煤層厚度、夾矸量等。隨著圖像處理與模式識別技術(shù)的迅速發(fā)展，學(xué)者們逐步開始研究基于圖像的煤巖界面識別技術(shù)，并取得了一些初步的成果。下面主要從經(jīng)典圖像處理法、常規(guī)模式識別和三維建模法對基于可見光圖像的煤巖界面識別技術(shù)進(jìn)行介紹。

2.1 經(jīng)典圖像處理法

2.1.1 利用圖像灰度特征

理想情況下，煤和巖石具有不同的灰度值，可通過圖像灰度級出現(xiàn)的頻數(shù)、灰度范圍、灰度分布狀況等參數(shù)識別煤巖界面[7]。董麗紅教授等[22]通過改進(jìn)Canny算法，利用煤和巖石的灰度均值、方差識別煤巖邊界；黃韶杰[23]選取灰度區(qū)分度較高的工作面煤壁圖像，通過圖像的灰度特征設(shè)定閾值，研究了煤巖界面識別；彭靜[1]通過改進(jìn)Hough變換設(shè)定閾值，使煤巖灰度均值的類間方差達(dá)到最大，從而準(zhǔn)確找到煤巖分界線。以上方法的仿真結(jié)果較好，但實驗樣本非常理想即煤巖灰度差異較大，易于識別。在實際中，煤礦井下的環(huán)境較復(fù)雜，采集的圖像質(zhì)量很差，上述煤巖界面識別方法未必都能適用。

2.1.2 利用圖像紋理特征

圖像的紋理特征是物質(zhì)的表面特性，是在一定區(qū)域內(nèi)對圖像像素的統(tǒng)計結(jié)果。紋理最明顯的視覺特征是物體表面的粗糙度、方向性和周期性。灰度共生矩陣[24]常用來描述圖像的紋理，即統(tǒng)計特定間隔、特定方向上的像素對在圖像中出現(xiàn)的頻率。在煤巖識別中，學(xué)者們往往通過計算紋理特征的統(tǒng)計量(例如熵、相差度、能量、逆差矩)來分辨煤和巖石。例如，文獻(xiàn)[25]利用角二階矩、對比度、相關(guān)性等22個基于灰度共生矩陣的特征參數(shù)對煤巖界面進(jìn)行識別，識別率達(dá)到93%；文獻(xiàn)[26]利用可分性準(zhǔn)則選擇貢獻(xiàn)率最多的4個基于灰度共生矩陣的紋理特征即方差、方差和、自相關(guān)和平均值之和用于識別煤巖界面，識別率達(dá)到94.12%；文獻(xiàn)[27]通過計算能量、對比度、自相關(guān)、和熵4個基于灰度共生矩陣的紋理特征，結(jié)合神經(jīng)網(wǎng)絡(luò)識別煤巖界面，識別率達(dá)到95.8%。以上方法的識別率較高，但它們都是在實驗室條件下取得的，實際應(yīng)用效果還需進(jìn)一步驗證。

除了直接應(yīng)用灰度共生矩陣分析煤巖圖像紋理，文獻(xiàn)[28]利用小波變換較好的局部特性和奇異特性，提出了一種基于多小波變換的煤巖界面識別方法。該方法用小波變換表達(dá)了煤巖的紋理特性，獲得了96.14%的識別率。

以上是學(xué)術(shù)論文的情況，在專利方面，劉俊利等[29]提出了基于機(jī)器視覺的煤巖界面識別方法，對采集的圖像進(jìn)行形態(tài)學(xué)處理，得到一條完整的煤巖分界線；劉送永教授等[30]通過對采集的煤巖圖像進(jìn)行去噪、紋理提取等操作，建立煤巖圖像坐標(biāo)系，對煤巖界面軌跡進(jìn)一步優(yōu)化，進(jìn)而控制采煤機(jī)滾筒高度。

2.2 常規(guī)模式識別法

2.2.1 神經(jīng)網(wǎng)絡(luò)方法

神經(jīng)網(wǎng)絡(luò)是一種在不同程度和層次上模仿人腦神經(jīng)系統(tǒng)的分布式并行處理信息的數(shù)學(xué)模型。隨著科技的發(fā)展，研究者們將神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，有時還和其他信號處理方法進(jìn)行結(jié)合，旨在獲得高識別率、高識別速度的方法。孫繼平教授等[31]用分塊離散余弦變換處理煤巖圖像，采用學(xué)習(xí)向量量化的神經(jīng)網(wǎng)絡(luò)識別煤和巖石，識別率達(dá)96.67%；文獻(xiàn)[32]提出利用RBF神經(jīng)網(wǎng)絡(luò)提取的煤巖圖像紋理特征實現(xiàn)煤和巖石的識別，獲得0.00006的識別誤差。文獻(xiàn)[33]將VGG、區(qū)域建議網(wǎng)絡(luò)和R-CNN網(wǎng)絡(luò)進(jìn)行結(jié)合，輸出煤層邊界點的像素坐標(biāo)值，再利用針孔模型計算出煤巖邊界，實現(xiàn)煤巖界面的識別。

神經(jīng)網(wǎng)絡(luò)方法，雖然識別率高，但在訓(xùn)練網(wǎng)絡(luò)模型時需要大量的樣本，這在實際中非常困難。因此很難用于實際。

2.2.2 支持向量機(jī)方法

支持向量機(jī)是專門用于小樣本學(xué)習(xí)的機(jī)器學(xué)習(xí)分類方法，借助二次規(guī)劃來求解支持向量，對于二分類的魯棒性較好。目前支持向量機(jī)對煤巖界面識別的研究主要是處理采煤機(jī)的振動信號[34]和切割力[35]等一維信號，用于煤巖邊界圖像的研究甚少。支持向量機(jī)不需要任何先驗知識，直接通過數(shù)學(xué)方法將特征向量分類，對于小樣本分類，尤其是二分類效果較好。由于礦井復(fù)雜的環(huán)境，采集大量高質(zhì)量的煤巖界面圖像有一定困難，因此將支持向量機(jī)應(yīng)用到煤巖邊界圖像識別具有較大的潛力。

2.2.3 K-means方法

聚類方法主要針對數(shù)據(jù)量較大的的數(shù)據(jù)分類，使同一簇內(nèi)的對象盡可能地相近或者相關(guān)，不同簇內(nèi)的對象盡可能地遠(yuǎn)離或者不相關(guān)。常見的聚類準(zhǔn)則有閾值準(zhǔn)則和函數(shù)準(zhǔn)則[36]，其中最為經(jīng)典的是基于函數(shù)準(zhǔn)則的K-均值聚類方法，簡稱K-means方法。此方法可以很好地獲取圖像的局部信息，實現(xiàn)過程簡單，只需調(diào)節(jié)簇數(shù)K。對于煤/巖兩簇分類具有較好的可行性。江靜[37]將K-means方法用于煤巖界面識別，通過仿真發(fā)現(xiàn)只有當(dāng)初始點數(shù)目選擇恰當(dāng)，識別效果才能好?？梢奒-means方法受制于初始點數(shù)目的選擇，初始點數(shù)目選取過多，導(dǎo)致算法復(fù)雜度增大；初始點數(shù)目選取過少，達(dá)不到分類的效果[38，39]。

2.3 三維建模法

三維建模法指對礦井工作面的采煤壁進(jìn)行三維模型的構(gòu)建，目的是便于直觀地觀察到煤巖界面。傳統(tǒng)的煤層三維模型是利用三維地震波探測數(shù)據(jù)擬合形成的。馬宏偉教授[40]提出通過采集實測地質(zhì)數(shù)據(jù)和預(yù)測滾筒高度軌跡，實現(xiàn)煤層三維模型的構(gòu)建、煤巖界面的準(zhǔn)確識別；文獻(xiàn)[41]通過建立基于統(tǒng)一坐標(biāo)系的煤巖分界面地質(zhì)預(yù)測模型與綜采裝備群三維空間位姿模型，獲取采煤機(jī)的截割軌跡線，采用視頻圖像的方式識別煤巖界面。此類方法主要通過采集地質(zhì)數(shù)據(jù)建立煤層三維模型，但對于地質(zhì)數(shù)據(jù)的采集需要專業(yè)人士采集，且構(gòu)建的系統(tǒng)結(jié)構(gòu)復(fù)雜。

除了利用地質(zhì)數(shù)據(jù)構(gòu)建煤層三維模型，文獻(xiàn)[42]提出利用廣義反射-透射系數(shù)法和一維水平多層速度模型得到傳輸信道波的理論色散曲線，再結(jié)合三維反投影技術(shù)，通過傳輸信道波的數(shù)據(jù)得到煤層工作面的三維速度圖像，最后根據(jù)三維速度圖像上面的煤巖界面剪切波速的變化和反演速度的變化率定量解釋煤層厚度。

3 三維建模與煤矸介電特性結(jié)合的新方法

鑒于煤和巖石是夾層分布，采煤機(jī)在割煤時會誤割巖石。作者認(rèn)為僅靠煤巖表層的界面識別是不夠的，必須探索表層下面的深層煤巖分布結(jié)構(gòu)，因此可以采集煤巖界面的表面圖像，對其進(jìn)行煤巖表面的三維建模，然后利用煤和巖石對電磁波的不同介電特性進(jìn)行煤巖表面下的深層次三維建模。這樣，采煤機(jī)就可根據(jù)表面的界面情況進(jìn)行調(diào)高，然后根據(jù)表面下的深層次立體模型調(diào)動采煤機(jī)頭的運動方向，進(jìn)而連續(xù)準(zhǔn)確地控制采煤機(jī)的滾筒高度，實現(xiàn)無人化的精準(zhǔn)開采。

煤和巖石兩種物質(zhì)本質(zhì)上差別很大，表1和表2[43]列舉了常見的煤和巖石的相對介電常數(shù)和電導(dǎo)率。研究者們可利用電磁波在介質(zhì)中傳播時不同介電常數(shù)、電導(dǎo)率和衰減系數(shù)以及發(fā)射頻率之間的關(guān)系，研究煤巖界面電磁波探測的理論條件和依據(jù)[44，45]。例如，探地雷達(dá)就可利用煤和巖石具有不同介電特性，從而得到不同的反射波，實現(xiàn)煤巖界面識別。文獻(xiàn)[43、46]通過理論分析和相關(guān)實驗證明探地雷達(dá)可用于煤巖界面。其中文獻(xiàn)[43]是在郭莊煤礦用400MHz的雷達(dá)天線探測氣煤和砂巖的界面，實驗表明400MHz的雷達(dá)天線可探測深度是3～10m。

表1 常見煤介質(zhì)的相對介電常數(shù)和靜態(tài)電導(dǎo)率

表2 常見巖介質(zhì)的相對介電常數(shù)和靜態(tài)電導(dǎo)率

因此，本文提出可以先拍攝采掘面表面圖像，生成表面的3D模型，再利用探地雷達(dá)得到內(nèi)部深層次的三維煤巖分布模型，從而實現(xiàn)準(zhǔn)確識別煤巖界面、精準(zhǔn)調(diào)整采煤機(jī)的滾筒高度和采煤機(jī)頭的方向。

4 煤巖界面識別的應(yīng)用探討

上述提出了三維建模與煤矸介電特性結(jié)合的新方法，實際應(yīng)用中三維建模算法的關(guān)鍵之一是圖像采集。所以攝像頭的安裝位置對后續(xù)的界面識別算法影響很大。

4.1 煤巖界面識別在采煤機(jī)上的潛在應(yīng)用

鑒于國內(nèi)采煤機(jī)最初沒有自帶攝像頭等傳感器，為滿足使用需求，部分煤礦嘗試在采煤機(jī)上安裝攝像頭。例如內(nèi)蒙古神華集團(tuán)景界煤礦在采煤機(jī)機(jī)身安裝4只攝像頭；2017年神東公司在對型號為EKFSL000-6595采煤機(jī)改造項目中，在采煤機(jī)機(jī)身安裝3只360°全方位攝像頭。之后，生產(chǎn)廠商開始嘗試直接在制造采煤機(jī)時安裝攝像頭。2019年7月，上海煤炭科學(xué)研究院發(fā)布了針對特厚煤層的新型MG1100/3050-WD系列3050采煤機(jī)。該設(shè)備包含機(jī)載截割視頻技術(shù)，清晰顯示了采煤機(jī)的滾筒高度。2019年8月，西煤機(jī)公司自主研發(fā)的世界首臺超大采高智能化采煤機(jī)MG1100/3030-GWD面世，該設(shè)備包含自動調(diào)高、遠(yuǎn)程監(jiān)控、三維定位技術(shù)，可以清晰顯示采煤機(jī)的當(dāng)前位置和滾筒高度。

國外采煤機(jī)也自帶了視頻采集裝置，日本小松礦業(yè)有限公司制造了長壁采煤機(jī)系列在搖臂上裝有紅外彩色攝像頭，該公司在2012拉斯維加斯煤機(jī)展的型號為7LS0。德國艾克夫公司在2015年北京國際煤機(jī)展上展示了SL300L采煤機(jī)，其本身自帶了攝像頭。這些技術(shù)雖然先進(jìn)，但也只是便于人們遠(yuǎn)程干預(yù)開采，并未利用煤巖界面識別技術(shù)進(jìn)行真正的智能開采。

4.2 攝像頭安裝位置的探討

攝像頭裝在采煤機(jī)上，可使其跟隨采煤機(jī)活動，但攝像頭距離工作面較近，在采煤機(jī)工作時抖動過大，另外粉塵較多，使得采集的圖像質(zhì)量大大下降，基本不可用。因此可以在液壓支架上安裝攝像頭。

目前很多煤礦都在液壓支架上安裝了攝像頭，其主要目的是監(jiān)測礦井下的安全。由于工作面一般長達(dá)200～300m，含有多個液壓支架，對于攝像頭的安裝位置研究者們進(jìn)行了大量實驗。文獻(xiàn)[47]提出每隔6個液壓支架安裝1只攝像頭；文獻(xiàn)[48]提出每隔8個液壓支架安裝一只攝像頭；文獻(xiàn)[49]提出每間隔4～8臺液壓支架安裝一只攝像頭，這些方法安裝的攝像頭都是相同的攝像頭。何廣東等[50]提出每隔2臺液壓支架安裝1只本安型固定攝像頭，每隔6臺液壓支架安裝1只180°旋轉(zhuǎn)的云臺攝像頭。

如果攝像頭裝在液壓支架上，由于距離工作面較遠(yuǎn)，采集的圖像質(zhì)量會存在無法聚焦、模糊等現(xiàn)象，致使圖像質(zhì)量很差。因此無論攝像頭安裝在采煤機(jī)上，還是安裝液壓支架上，都各有利弊。如果能解決攝像頭的防抖動、多粉塵的問題，可以將攝像頭安裝在采煤機(jī)上。若選用超高清、高聚焦的高級攝像頭，可嘗試將攝像頭安裝在液壓支架上。因此，為了高質(zhì)量地采集采掘面的煤巖圖像，應(yīng)該根據(jù)具體情況進(jìn)行大量的實驗，確定攝像頭的安裝位置。只有獲取到高質(zhì)量的煤巖圖像前提下，后續(xù)的煤巖界面識別算法才能達(dá)到較高的識別率。總之，攝像頭的安裝位置對于煤巖界面識別非常重要。

5 結(jié) 論

1)提出了圖像三維建模和介電特性相結(jié)合的方法，即可生成煤層表面的三維模型，又可將煤壁深層的煤巖界面可視化，構(gòu)建內(nèi)部深層次的煤巖分布模型，從而實現(xiàn)煤炭的智能開采。

2)指出了攝像頭安裝位置的重要性，安裝位置將大大影響到后續(xù)的圖像處理、三維建模的結(jié)果。為了提高煤巖界面識別算法準(zhǔn)確率，需要合理設(shè)置攝像頭的安裝位置，從而高效、高質(zhì)量地采集圖像數(shù)據(jù)。