1.背景
煤矿智能化建设是目前我国煤炭产业发展的重点方向，煤-岩识别作为智能化体系建设环节中的共性技术，肩负地质保障、综采、综放、巷道掘进及煤矸分选等关键生产任务中的环境信息精准感知重任。制约井下煤矿智能化开采的关键基础问题是开采环境的智能精准感知和开采装备的自主协同控制，煤岩识别是实现无人工作面和智能化开采的关键技术之一，同时也是实现开采环境智能精准感知的核心技术。该技术依据煤炭和岩石的各种特性，通过建立相应的识别装置和判别标准，由设备自主感知识别煤炭与岩石。采煤机依据煤岩分布识别结果，自主调整摇臂滚筒的高度，截割煤炭，防止误割顶板和底板岩石，进而使含矸率降低，原煤煤质得到改善。掘进机可根据识别结果跟随煤层顶板或底板进行掘进，自动调整上下山角度，防止误穿煤岩层，可提高煤炭开采效率以及开采环境的安全系数，减少采掘设备故障。
2.矿井煤岩识别关键技术进展
针对煤-岩识别问题，对煤-岩识别技术相关的研究和应用文献进行了汇总和归纳，主要实现技术途径可总结为过程信号法、红外成像法、图像法、反射光谱法、电磁波法等。
2.1 过程信号法
过程信号即采、掘过程中的产生的各类信号，信号源既包含采、掘装备运行过程中的机、电、液参数，也包含煤-岩体在破碎过程中的各类响应。过程信号通过各型传感器在装备运行中实时采集、获取，多以时间序列为主，主要有截割振动、煤-岩体声发射、电流、截割部的扭矩、转速等。
振动信号，是采、掘过程中的反应截割状态的主要信号源之一。煤与煤系地层沉积岩物理性质差异较大，体现在强度、硬度等方面。采、掘装备的截割部对其进行切削破坏过程中，将受到不同的截割阻力，由此造成的振动加速度将包含有效的、具有煤-岩区分度的信息，可通过时、频域分析手段进行特征提取
声发射信号，是另一种反应截割状态的重要信号源。声发射信号本质上是一种应力波，受截割部与煤-岩体强烈的相互作用而激发，其振幅与煤-岩体硬度具有较强的相关性，反应了破碎过程的能量。可根据反射能量大小建立煤层判别算法。
电流信号，是截割装备运行中实时监测的关键参数。基于电流信号的煤-岩识别技术，其本质上是区分采、掘装备在截割煤-岩过程中所消耗的功率。一般情况下，煤层的强度和完整性均显著弱于岩层，因此割煤过程消耗的功率较小，可通过监测装备电流的变化予以判定煤-岩截割状态。
截割力学响应信号，是采、掘装备截割部对煤-岩体进行破碎过程中产生的最为直接的响应信号。类似于随掘地震探测，只是在系统布设、信号解析处理算法方面有所区别。
2.2 红外成像法
红外信号即红外热成像信号，不同工况场景下的截割部温度各不相同，可通过红外热成像设备对这一过程进行数据采集，通过温度场的变化明确煤、岩介质的具体位置。基于红外信号的煤-岩识别方法主要分为主动红外激励法和闪温法两类。
主动红外激励法通过对煤、岩介质主动施加外部能量辐射，使目标煤-岩介质受到激励而快速升温，由于煤、岩物理性质的不同，其温度场梯度分布将随时间的不断推移而出现显著差异，基于该差异可对煤-岩区域进行精准分割。
闪温法直接面向截齿与煤-岩介质发生接触的局部区域，由于截割过程中多次且剧烈的摩擦和冲击，形成驻留时间窗口极小的局部瞬时高温，将这一过程定义为截割闪温现象。截割闪温与采、掘装备截割部所受截割阻力关系密切，当截割较硬岩层时，其截割闪温可能出现骤升。
2.3 图像法
图像识别是一种常见的非接触式识别方法，通过相机、摄像机等数码采集设备，将人肉眼对可见光的感知结果抽象为RGB矩阵，再对二维矩阵的进行数学计算实现煤、岩判识。
早期的图像分析方法以远程监控为主，目标是将工人从原位工作面解放出来，但仍依赖人工决策实现煤、岩识别。进入21世纪后，随着图像处理技术的不断发展，基于图像信息的煤-岩识别方法受到了研究人员的广泛重视。灰度特征、灰分特征、边缘特征及小波不变矩特征等多种指标被相继应用于图像煤岩识别技术中。近年来，基于大数据和AI的图像识别技术正逐渐深入应用于煤矿井下煤岩识别场景中。
2.4 反射光谱法
反射光谱探测技术，是获取物质组成成分信息的一种无接触探测方法，广泛应用于地物遥感识别等领域。物体在具有一定辐射能量的光照条件下，由于其本身化学成分、赋存条件的特异性，将对所受到的光线发生不同程度的吸收、透射及反射作用。通过对被测物体反射光谱的观测，定量分析光谱曲线在不同波段范围内的反射率和波形状态，反演出其物质构成，是反射光谱识别的基本原理。基于反射光谱的煤-岩识别技术，目前主要以近红外反射光谱和高光谱技术为主。
2.5 电磁波法
基于电磁波信息的煤-岩识别方法主要以雷达探测为主，煤-岩体作为一种有耗介质，经由雷达天线发射的电磁波在煤-岩体内传播时，遇到不同物理性质的地层会发生不同程度的损耗，传播至相异介质交界面时，还会发生折射与反射。通过对回波信号的分析与识别，可以解算各类介质的厚度信息，进而确定地层分界线位置。
4.行业应用现状与典型案例
辽宁工程技术大学张强等人为实现采煤机截割过程中截齿合金头失效形式的监测和识别，提出一种基于BP神经网络的多特征信号识别截齿合金头失效形式的方法。测试提取截割过程中合金头龟裂、合金头脱落、合金头崩刃和合金头严重磨损4种截齿在x，y，z三个方向上的振动特征信号和截割电机电流特征信号，建立截齿合金头失效形式的识别模型，实现截割过程中截齿合金头失效形式在线监测。实验结果表明，BP神经网络的判别结果和测试样本的实际失效类型相符，能够对截齿合金头失效形式进行准确识别，为实现采煤机截齿在线监测和失效形式识别提供新的方法和手段。
另外，张强等利用煤粉、水泥、沙子、黏合剂等材料分别浇筑全煤、全岩和煤岩混合3种试件，在单光源9kLux的激励强度下，开展煤岩界面识别研究。结果表明煤、岩两种物质在相同的激励下的温度场特性有明显差异，当存在煤岩混合情况时，检测区域内的温差范围和标准方差会明显增大，可以此作为煤岩混合的一种预测识别依据。
基于电磁波信息的煤-岩识别方法主要以雷达探测为主，煤-岩体作为一种有耗介质，经由雷达天线发射的电磁波在煤-岩体内传播时，遇到不同物理性质的地层会发生不同程度的损耗，传播至相异介质交界面时，还会发生折射与反射。通过对回波信号的分析与识别，可以解算各类介质的厚度信息，进而确定地层分界线位置。目前成熟的解决方案有美国SIR系列、加拿大EKKO系列等
5.行业发展趋势与挑战
煤-岩识别问题长期以来一直作为制约煤矿智能化转型升级的瓶颈，始终是全球煤炭行业的研究热点问题。总体而言在一定程度上实现了煤-岩分类判识，但仍存在局限性和继续提升、改进的空间。
（1）煤-岩识别问题具有数据驱动和知识驱动的“双驱动”特点，各类煤-岩识别模型的开发均需要一定规模高质量数据的支撑。当前，支撑煤-岩识别技术研发的数据库建设进度滞后，井工煤矿采、掘工作面缺乏统一、完善的数据采集方案，制约了煤-岩识别技术的发展。对于图像识别任务，从监控视频中截取的图像清晰度较差、像素较低。此外，当前可用于煤-岩识别的图像数据集类型单一，仅针对无遮挡煤、岩壁，没有考虑顶、底板不均匀煤-岩赋存条件，也未考虑护帮板、挂网、锚固等支护措施的遮挡，限制了下游煤-岩图像识别任务的开展。对于基于机、电、液、扭矩、三向力等一维截割信号的煤-岩识别技术而言，则存在数据采集困难的问题。一方面，目前煤机装备信息化建设整体上仍处发展阶段，现场装备运行数据库不开放、不透明，受制于防爆安全要求，临时性的数据采集系统也较难布置于采煤机、掘进机等截割装备工作现场。另一方面，可模拟截割过程的试验设备较为欠缺，极大制约了实验室条件下的相关研究开展。针对基于近红外反射光谱的煤-岩识别技术而言，当前的煤-岩近红外反射光谱数据多采集自标准煤、岩样本，而我国各地赋存的煤炭资源及其顶、底板岩层存在广泛差异，对于绝大多数生产矿井，其所在特定矿区、特定采区的煤、岩近红外反射光谱数据，则基本处于空白，还需进行大量的数据采集工作。
（2）受限于噪声、冗余、高维等不利条件，采集到的各类原始数据无法直接应用于煤-岩识别模型的训练，当前研究在数据增强、特征优化等数据预处理工作方面仍不完善。具体而言，对于图像识别任务，因高清数据集采集工作量极大，存在数据扩充需要，而目前尚没有针对煤-岩识别这一特定任务的图像生成模型。对于生产设备截割信号的煤-岩识别技术而言，存在特征优化难题，现有研究提取出的用于煤-岩分类的特征往往与装备存在较强的依赖关系，而井工煤矿采、掘装备型号繁杂，不同装备对煤、岩体的截割响应特征具有显著差异，尚无具备自适应能力的特征优化方法。针对基于近红外反射光谱的煤-岩识别技术而言，近红外反射光谱信号易受现场复杂生产环境的影响，现有研究关注于实验室条件下测得的煤、岩稳定反射光谱，更多的是面向煤质检测、岩性测定等无干扰环境下的识别任务，而对于环境干扰的影响性分析较少，无法满足现场原位煤-岩识别需求。
（3）煤-岩识别是一项直接面向采、掘工作现场的实时感知技术，当前对于煤-岩识别技术的研究现状呈“百花齐放”态势，未形成系统的解决方案和装备性产品，还不完全具备对工程实际的指导能力。具体而言，对于图像识别任务，在图像分类、目标检测等任务上已有了一定的研究基础，但对于煤-岩图像像素级精准图像分割的相关研究较少。对于面向机、电、液、扭矩、三向力等一维截割信号的煤-岩识别技术而言，不仅要保证对割煤、割岩状态的准确判定，而且要求其对煤-岩混叠的中间状态具有一定的敏感性。此外，厚煤层、特厚煤层等地层条件下，截割装备绝大多数工作时间以割煤工况为主，同时也存在对陷落柱、孤石等割岩状态的判识需求，现有研究未充分考虑这种数据分布极不均匀的情况。针对面向近红外反射光谱的煤-岩识别技术而言，当前研究多为基于人工提取特征的无监督分类方案，对于数据驱动的有监督方案研究较少，且模型训练、验证的数据集划分多以随机划分为主，未考虑到实际部署情况。
（4）在基于多模态融合的煤-岩识别技术方面，国内外研究基本处于空白状态，当前多模态技术虽然是人工智能领域的研究热点问题，但绝大多数多模态技术研究面向视觉问答、自然语言视觉推理、视觉常识推理等任务，尚未建立起适用于井工煤矿采、掘工作面现场多源异构数据的多模态融合模型。各型传感器采集到的数据格式、维度不统一，且物理意义差异极大，如何实现井工煤矿现场多模态数据的统一表征、特征对齐和特征融合，是当前亟需解决的关键问题。
6.未来展望
目前基于图像识别和高光谱识别是井下煤岩识别技术的重点发展方向。
面向可见光图像的煤-岩识别问题主要依托机器学习或深度学习技术构建识别模型，具有典型的“数据驱动”特点。一方面，井工煤矿对传感器有“本质安全”要求，导致常规的数据采集方案无法长期进行现场部署；另一方面，现场采、掘装备运行数据不开源，且标定困难，大量数据无法得到有效利用。建立统一、完备、成规模的大型数据库，是未来煤-岩识别技术关键的突破方向。
高光谱成像煤岩识别技术具有识别速度快、可靠性强、操作便捷等优势，但不同煤矿煤岩类别相差较大，同一煤矿煤岩即使类别相同的情况下，由于探测界面表面状态、光谱传播介质的随机性，使得探测光谱变化多端，在多种综合因素影响下，现有方法识别精度和效率可能会受到影响。因此，为增加反射光谱识别煤岩的适应性，需进一步研究综合因素影响下煤岩反射光谱数据库匹配识别方法，以及进一步研究综合因素影响下煤岩反射光谱的无监督自适应感知识别方法。
高度重视现场应用工艺研发。煤-岩识别技术应聚焦现场需求，以技术落地为导向，研发团队应侧重现场应用场景的需求，避免过于脱离工程实际，成为“空中楼阁”。