图像识别智能放煤技术原理与应用
放顶煤开采技术是开采厚及特厚煤层的有效方法，放煤是放顶煤开采独有的工序，近20年来，国内外一直致力于智能放煤技术开发，但至今仍无实质性进展，也没有国内外成熟技术可以借鉴，与综采工作面智能化相比，智能放煤的进展较小。
1 煤矸图像特征的照度因素影响机制与煤矸识别特征选取
利用深度学习算法对煤矸图像进行语义分割，进而计算混矸率。不论是经典的图像处理算法，还是基于深度学习的语义分割算法，分析的对象都是图像，而图像又是目标物体、光源、环境以及图像采集系统等多种因素共同作用的结果，同一物体，放置在不同的光照环境下，或者使用不同的传感器进行采集，得到的图像也是不同的，进一步通过算法得到识别的结果，可能也是不同的，特别是对于煤和矸石的识别，这类问题更加显著。因此，我们将照度概念引入到图像识别智能放煤技术的研究中，为煤矸图像识别提供最优照度或最优特征，这也是煤矸图像识别有别于其他领域进行图像识别的地方。
2 煤矸图像精准分割与混矸率计算
对混矸率的精准判断离不开高精度的图像分割结果，放顶煤领域的图像分割不同于其他领域。比如在煤矸分选过程中，待分选的煤和矸石被平铺在皮带机上通过传感器，而放顶煤工作面，后部刮板运输机带动煤流快速移动，煤和矸石相互堆积叠压，不利于边界识别与混矸率计算。
3 基于立体视觉的照度智能监测与自适应调节
提出了一种基于立体视觉的照度智能监测与自适应调节方法，为图像识别智能放煤技术提供最优照度。在放顶煤工作面，利用图像深度信息确定光照距离，配合功率监测确定实时照度，进而通过调节功率获得最佳照度，然后在最佳照度下对图像进行采集和识别，实现了图像识别智能放煤过程中的照度自适应调节。实际上，如果相机和光源并列放置，那么可以直接用图像深度近似代替光照距离。而如果分散布置，则也可以通过几何关系换算确定光照距离。
4 顶煤放出规律与放出煤矸块体堆积特征
基于BBR研究体系，研究顶煤采出率与混矸率的关系，还可以为确定合理的放煤口关闭时间提供依据。适当地放出部分矸石，可以提高顶煤采出率，而混矸率识别正是图像识别智能放煤技术可以实现的、有别于且领先于其他识别手段的一项工作。因此，通过顶煤放出规律研究，可以为图像识别智能放煤技术确定一个合理的混矸率阈值区间，当混矸率处于这个区间时，可以有效提高顶煤采出率且不会大幅增加矸石运输与洗选成本。以BBR理论研究成果为基础，可以有效提高图像识别智能放煤技术的识别精度。
5 基于二维图像的煤矸块体形状表征模型与三维快速写意重建
为了区别于精准重建方法，将这种方法称为写意重建，写意重建又有别于完全随机的重建，因为它是在形状特征参数的主动干预下完成的重建，所以具有一定可重复性和科学性。重建后的块体是由若干pebble组成的体素化刚性簇，体素化刚性簇的分辨率（或体素尺寸）影响到块体细节表征效果，分辨率越高（即体素尺寸越小），细节表征越好，但用到的pebble数量也越多，会在一定程度上影响运算效率；反之分辨率越低，牺牲了部分细节特征，但是有利于提高运算效率。因此如何在保证重建精度的前提下，有效减少pebble数量，是提高运算效率的关键。为此，提出了一种有效的方法来优化完善上述重建过程，即气泡破裂法（Bubble burst method, BBM），主要包括吹气泡和戳气泡两个过程。
6 基于多视图像序列的煤矸块体三维精准重建与体积测量
三维信息的准确测量是实现煤矸块体三维重建的关键。基于图像识别的思路，提供了一种基于多视图像序列的煤矸块体三维精准重建方法。采用普通消费级相机对煤矸块体完成一组多视图像序列的采集，利用不同视角下煤矸块体在二维图像中的侧影轮廓线构建煤矸块体的可视化外壳（Visual hull），实现对煤矸块体真实形状的合理逼近。进一步将图像中煤矸块体的纹理信息映射到可视化外壳上，完成三维精准重建。
7 煤矸块体三维形态特征与二维形态特征关系
计算煤矸块体在优选方位下的二维形态特征和三维形态特征，对两者进行相关分析，揭示二维与三维形态特征之间的关系。结果表明，二维与三维形态特征具有较高的相关性。因此，可以通过对二维图像的分析，估计煤矸块体的三维形态特征，进而修正混矸率数据，作为S2I混矸率高精度预测两步走策略的第1步，实现投影面积混矸率向表面体积混矸率的过渡。
8 夹矸识别与异常放煤状态甄别
通过优化算法来提升对夹矸的识别精度，从算法层面区分出顶煤、夹矸和直接顶，从而降低矸石误识别的可能性。当然这有一定适用条件，当它们外观接近，甚至用肉眼都很难区分时，仅仅通过算法优化很难大幅提升识别精度。在生产一线，放煤工人们还会通过感受煤矸撞击掩护梁、尾梁和后部刮板运输机的声音来进行区分。因此，我们也同步开发了声振信号高精度采集装置，采样频率为48kHz，将语音识别、振动识别等其他识别手段或方法与图像识别技术相融合，通过模拟人眼看、耳听与手触等判断过程，更准确地识别夹矸。此外，通过预埋顶煤运移跟踪仪监测顶煤放出情况，也可以降低夹矸在放煤过程中的干扰。
9 基于边缘AI的图像识别智能放煤关键设备开发
提出了一种空频域联合强化去粉尘算法，并在朱仙庄矿进行了测试。与其他算法相比，所提算法具有更好的去粉尘能力，可以保留更多的细节，同时抑制噪声和光干扰的能力也更强。近年来，一些更智能的算法也被提出并实现了更好的粉尘（或水雾）去除性能。
