摘要：綜放開采技術(shù)是厚及特厚煤層開采的有效方法，已成為我國在世界煤炭開采行業(yè)的標志性技術(shù)。綜述了“四要素”放煤理論、頂煤采出率與含矸率關(guān)系、基于塊度分布的采出率預測模型、煤流瞬時含矸率?累計含矸率關(guān)系等智能放煤理論研究進展。分析了智能放煤技術(shù)難點，指出含矸率是影響頂煤采出率和煤質(zhì)的關(guān)鍵因素，放煤過程中含矸率的快速、準確計算是智能放煤技術(shù)突破的重點和關(guān)鍵。將智能放煤技術(shù)分為非圖像識別智能放煤技術(shù)和圖像識別智能放煤技術(shù)2 類，對不同技術(shù)的研究進展、優(yōu)缺點及使用條件進行了詳細分析。非圖像識別智能放煤技術(shù)包括記憶放煤技術(shù)、聲音振動信號識別技術(shù)、γ 射線探測技術(shù)、探地雷達技術(shù)、微波照射+紅外探測技術(shù)、激光掃描放煤量監(jiān)測技術(shù)等，圖像識別智能放煤技術(shù)包括井下照度環(huán)境精準控制、放煤圖像去塵算法、含矸率計算精度保障策略、煤巖紅外圖像識別等。

關(guān)鍵詞：綜放開采；智能放煤；“四要素”放煤理論；含矸率；圖像識別；非圖像識別

中圖分類號：TD823.49 文獻標志碼：A

0 引言

綜放開采技術(shù)是開采厚及特厚煤層的有效方法，自1982 年引入我國，目前已實現(xiàn)由技術(shù)引進到技術(shù)輸出的突破性轉(zhuǎn)變，成為我國在世界煤炭開采行業(yè)的標志性技術(shù)[1-2]。2004 年我國綜放開采技術(shù)和裝備輸出到澳大利亞，2006 年在澳斯達煤礦投入應用，建起了澳大利亞第1 個放頂煤工作面，2022 年首套全自主綜采放頂煤成套化裝備出口土耳其。除澳大利亞、土耳其外，印度、俄羅斯等國家也有部分煤礦應用綜放開采技術(shù)，并進行了一些基礎(chǔ)研究[3-5]。

智能放煤是目前綜放開采亟需攻克的關(guān)鍵技術(shù)，傳統(tǒng)的人工放煤方式勞動強度大，長時間作業(yè)易引起疲勞，從而導致誤識別、誤操作。一些自動化、智能化放煤技術(shù)與方法被相繼提出，如記憶放煤[6-7]、紅外[8-9]、聲波[10]、振動[11]、高光譜[12]、射線[13]等。筆者團隊長期致力于智能放煤技術(shù)開發(fā)，并于2009年申請了國內(nèi)外第1 個關(guān)于放煤過程含矸率計算的發(fā)明專利[14]，深度開展跨學科交叉研究、多領(lǐng)域協(xié)同攻關(guān)，實現(xiàn)技術(shù)迭代更新，提出了圖像識別智能放煤技術(shù)[15]。本文系統(tǒng)總結(jié)了筆者團隊20 a 來在放煤理論、智能放煤、放煤工藝優(yōu)化等領(lǐng)域的研究成果，為綜放開采工作面進一步提高頂煤采出率提供了技術(shù)支撐，也為智能綜放開采突破瓶頸提供了新思路。

1 智能放煤理論研究進展

1.1 “四要素”放煤理論

放頂煤開采中，放煤工序產(chǎn)量一般占工作面總產(chǎn)量的50% 以上，因此確定科學、合理的放煤工藝對于提高頂煤采出率至關(guān)重要。“四要素”放煤理論也稱為BBR 放煤理論，是指綜合研究頂煤放出過程中煤巖分界面、頂煤放出體、頂煤采出率與含矸率及其相互關(guān)系，從而指導放煤工藝開發(fā)的理論，如圖1 所示。

“四要素”放煤理論的核心是系統(tǒng)研究了每個放煤循環(huán)中的起始和終止煤巖分界面形態(tài)、放出體發(fā)育過程及形態(tài)、放出煤量和混入巖石量等4 個相互影響的時空要素，闡明了頂煤放出體、煤巖分界面、頂煤采出率和含矸率之間的關(guān)系，提出了頂煤放出體與煤巖分界面重合是提高采出率的主導原則。

1.2 頂煤采出率與含矸率

1.2.1 頂煤采出率與含矸率關(guān)系

提高頂煤采出率、降低含矸率是放頂煤開采的重要研究內(nèi)容，但同時二者也是一對矛盾。在放煤初期，可放出純頂煤，放出體完全由頂煤組成。但是隨著放煤進行，放出體體積增大，破碎的直接頂巖石進入放出體，形成混矸，而此時仍然有一部分頂煤沒有放出，此后放出的煤越多，混入的巖石量就越大，含矸率越高。綜放工作面頂煤采出率與含矸率的關(guān)系如圖2 所示，其中ηp 為采出率，Rm 為含矸率，R2 為相關(guān)系數(shù)。圖2（a）為采出率和含矸率關(guān)系的數(shù)值模擬數(shù)據(jù)，圖2（b）為山西省朔州市平朔礦區(qū)4 號煤和9 號煤厚煤層綜放開采頂煤（原煤）的現(xiàn)場實測和物理試驗對比結(jié)果[1]。

由圖2 可看出，無論是數(shù)值模擬數(shù)據(jù)，還是物理試驗、現(xiàn)場實測數(shù)據(jù)，放煤過程中隨著含矸率增大，工作面煤炭總采出率先迅速增加后緩慢增長，二者呈復合指數(shù)函數(shù)關(guān)系，即

在放煤初期混入巖石時，隨著含矸率增大，頂煤采出率顯著提高。當含矸率增大到一定數(shù)值（10% 左右）時，隨著含矸率增大，頂煤采出率提高緩慢。以圖2（b）中的數(shù)據(jù)為例，當含矸率為2% 時，工作面總采出率為75%～80%；當含矸率為4% 時，工作面總采出率為85%～88%；當含矸率大于10% 時，工作面總采出率整體變化量較小，不宜繼續(xù)進行過量放煤操作。對于不同煤層條件和開采工藝，確定放煤過程中的合理含矸率閾值，是提高頂煤采出率和開采效益的重要研究內(nèi)容。

1.2.2 基于塊度分布的采出率預測模型

頂煤采出率現(xiàn)場精準實測對于放煤規(guī)律研究至關(guān)重要，為此，筆者團隊先后開發(fā)了3 代頂煤運移跟蹤儀，用于監(jiān)測工作面頂煤采出率并溯源頂煤放出位置，為工作面精準放煤工藝提供設備基礎(chǔ)。除現(xiàn)場實測頂煤采出率外，頂煤采出率的預測研究也是放煤理論中的重要內(nèi)容。通過研究頂煤塊度分布對放煤規(guī)律的影響機理，提出了基于塊度分布的頂煤采出率預測模型[16]：

1.2.3 煤流瞬時含矸率與累計含矸率關(guān)系

若采用圖像識別智能放煤技術(shù)，則通過攝像頭分析的某一時刻含矸率為瞬時投影面積含矸率（即圖像中巖石區(qū)域面積與煤巖區(qū)域總面積的比值），而頂煤回收率?含矸率曲線中的含矸率為從放煤開始至當前時刻的累計體積含矸率（即煤流中巖石體積與煤巖總體積的比值）。如果直接利用瞬時投影面積含矸率作為關(guān)閉放煤口的指標，那么瞬時投影面積含矸率的高頻震蕩很容易觸發(fā)含矸率閾值，導致放煤口過早關(guān)閉，如圖3 所示。另外，也很難根據(jù)高頻震蕩的投影面積含矸率指定一個合理的瞬時投影面積含矸率閾值。因此，有必要計算區(qū)間投影面積含矸率，以降低瞬時投影面積含矸率高頻震蕩的影響，并基于此對累計體積含矸率進行預測，與基于“四要素”放煤理論確定的關(guān)閉放煤口的合理含矸率閾值（如10%～15%）進行對比，決定是否關(guān)閉放煤口。

瞬時投影面積含矸率、區(qū)間投影面積含矸率與累計體積含矸率的關(guān)系如圖4 所示?？煽闯?，相比于瞬時投影面積含矸率，區(qū)間投影面積含矸率與累計體積含矸率之間表現(xiàn)出較為穩(wěn)定的映射關(guān)系，通過區(qū)間投影面積含矸率可更為準確地預測累計體積含矸率，從而確定放煤口合理關(guān)閉時機。

2 智能放煤技術(shù)難點與分類

2.1 智能放煤技術(shù)難點

放煤理論中給出了頂煤采出率最大化時的含矸率閾值，但現(xiàn)場生產(chǎn)中要將放煤過程中的含矸率控制在某一具體數(shù)值或區(qū)間，必須借助智能化的煤巖識別技術(shù)手段，以實現(xiàn)放煤過程中含矸率的快速、準確計算，這也是智能化綜放開采的核心與關(guān)鍵。但是由于井下放頂煤工作面環(huán)境復雜，放煤過程中機械振動、噪聲、電磁波、水霧、粉塵、可見光等多種因素干擾著煤巖的精準快速識別，導致智能放煤技術(shù)開發(fā)較困難。

針對智能放煤技術(shù)，學者們從支架位態(tài)、紅外、聲波、振動、高光譜、伽馬射線智能放煤技術(shù)等方面進行了探索。支架位態(tài)智能放煤技術(shù)不受粉塵、水霧等因素的影響，但是準確性差；紅外智能放煤技術(shù)可適應低照度、強噪聲環(huán)境；聲波、振動智能放煤技術(shù)則可克服高粉塵問題，但是在煤巖物理力學性質(zhì)相差不大時，易產(chǎn)生較大的識別誤差；高光譜、伽馬射線等智能放煤技術(shù)具有靈敏度高的特點，但是設備成本高，有些體積較大的設備受限于放頂煤工作面支架后部的狹小空間。上述方法都難以獲得含矸率數(shù)據(jù)，而含矸率是影響頂煤采出率和煤質(zhì)的關(guān)鍵因素[15]，因此對于智能放煤來說，除了要進行煤和矸的識別，還需要進行含矸率計算，這也是智能放煤技術(shù)突破的重點和關(guān)鍵。

2.2 智能放煤技術(shù)分類

以圖像識別為基準，將智能放煤技術(shù)分為非圖像識別智能放煤技術(shù)、圖像識別智能放煤技術(shù)2 類，其中非圖像識別智能放煤技術(shù)主要包括記憶放煤技術(shù)、聲音振動信號識別技術(shù)、γ 射線探測技術(shù)、探地雷達技術(shù)、激光掃描放煤量監(jiān)測技術(shù)等；圖像識別智能放煤技術(shù)包括基于可見光圖像的智能放煤技術(shù)和基于紅外圖像的智能放煤技術(shù)。不同智能放煤技術(shù)的主要研究組織統(tǒng)計見表1。

下文按照非圖像識別技術(shù)、圖像識別技術(shù)兩大類詳細介紹綜放開采智能放煤技術(shù)的研究進展，并對不同技術(shù)的優(yōu)缺點及使用條件進行分析。

3 非圖像識別智能放煤技術(shù)研究進展

3.1 記憶放煤技術(shù)

記憶放煤是目前應用較廣泛的一種自動放煤技術(shù)，在電液控制系統(tǒng)中預設放煤參數(shù)，讓放煤口在合適的時間自動打開與關(guān)閉，自動化完成放煤工序。其中，預設放煤參數(shù)主要是每個支架放煤口的開閉時間，可通過記錄工人示范放煤時間來確定，也可通過專用設備（如頂煤運移跟蹤儀）記錄頂煤放出時間。此外，也可通過分析煤層賦存條件、研究頂煤放出規(guī)律等優(yōu)化放煤時間設置。

在合理確定放煤時間的基礎(chǔ)上，記憶放煤系統(tǒng)應當具有人工干預優(yōu)化參數(shù)的功能[18]?？紤]到煤層賦存的復雜性，煤層厚度、傾角、夾矸侵入等的變化會影響放煤時間的變化，記憶放煤系統(tǒng)應允許工人對放煤過程進行干預，如在記憶放煤時間內(nèi)矸石大量持續(xù)放出，工人可手動操作結(jié)束放煤；若在記憶放煤結(jié)束后仍未見矸石放出或在放煤過程中出現(xiàn)卡煤卡矸等異常放煤狀態(tài)，則工人可再次打開放煤口或擺動尾梁，完成放煤。記憶放煤系統(tǒng)通過分析人工干預歷史，實現(xiàn)對放煤參數(shù)的優(yōu)化，并應用于后續(xù)放煤工序[17]。

通過研究頂煤放出規(guī)律，可形成更精細化的記憶放煤策略。如頂煤在放出過程中逐漸與矸石混合，可將放煤過程劃分為純煤段和煤巖分界模糊段，形成“純煤段記憶放煤+煤巖分界模糊段人工反饋式干預放煤”的智能放煤控制策略[19， 23]。在純煤段只有頂煤被放出，無需人工過多干預；而在煤巖分界模糊段有矸石逐漸被放出，需要人工干預完成放煤。

嚴格意義上說，單純的記憶放煤還不是智能開采的最終目標，但是在智能化發(fā)展的初級階段，應當給予記憶放煤技術(shù)足夠重視。目前可將記憶放煤技術(shù)與其他煤巖識別技術(shù)配合使用，利用記憶放煤系統(tǒng)的穩(wěn)定性彌補井下惡劣環(huán)境下傳感器精度不足、算法魯棒性不高的缺陷。

3.2 聲音振動信號識別技術(shù)

通常情況下煤和巖石的密度不同，在放煤過程中，煤和巖石與支架尾梁、刮板輸送機之間撞擊、摩擦產(chǎn)生的聲音和振動信號存在差異。聲音振動信號識別技術(shù)通過分析聲音和振動信號的變化判斷是否有矸石放出， 進而決定是否關(guān)閉放煤口， 實現(xiàn)智能放煤[37]。

關(guān)于智能放煤中的聲音振動信號識別技術(shù)，目前研究的熱點和難點主要集中在聲音振動信號高精度采集、信號的精準分離與識別等方面。如利用自適應閾值小波降噪[10]、奇異值分解降噪法[33]等提高信號清晰度，降低工作面采煤機等設備產(chǎn)生的高頻噪聲對識別性能的影響；利用獨立分量分析理論[31]、經(jīng)驗模態(tài)分析方法[25]、下丘發(fā)放率結(jié)合卷積神經(jīng)網(wǎng)絡[33]、變分模態(tài)分解[57]、小波包多尺度模糊熵和加權(quán)KL 散度[40]等實現(xiàn)有效信號的特征提取或識別。

聲音振動信號識別技術(shù)具有一定應用前景，但目前尚未形成成熟的技術(shù)與裝備，其局限性在于工作面的復雜環(huán)境使得現(xiàn)有傳感器的精度和穩(wěn)定性不足，且通過聲音和振動信號可定性判別“有矸”和“無矸”2 種狀態(tài)，但難以對含矸率進行精準量化描述[34]。

3.3 γ 射線探測技術(shù)

放射性元素在巖石中的分布具有差異性，可根據(jù)放射性的強弱區(qū)分煤與矸石，因此在綜采工作面煤巖界面識別問題中常使用γ 射線探測技術(shù)，該技術(shù)也被進一步應用到放頂煤工作面放煤過程的煤巖識別中[57]。通過分析煤巖塊體的自然γ 射線輻射特征及放煤過程中巖石混入時輻射強度的變化規(guī)律，文獻[44]提出了復雜結(jié)構(gòu)特厚煤層綜放煤?矸?巖識別方法，實現(xiàn)了放頂煤工作面煤流含矸率計算，并進行了現(xiàn)場測試。目前該技術(shù)的研究重點是開發(fā)成套裝備及高精度數(shù)據(jù)處理算法。

3.4 探地雷達技術(shù)

探地雷達是一種廣泛應用于資源勘探、工程地質(zhì)勘查、災害地質(zhì)調(diào)查等領(lǐng)域探測介質(zhì)內(nèi)部物質(zhì)特性和分布規(guī)律的一種地球物理方法。彭蘇萍等[58]系統(tǒng)闡釋了基于空氣耦合雷達的礦井煤巖界面隨采動態(tài)探測原理，實現(xiàn)了礦井煤巖界面隨采動態(tài)探測。李術(shù)才等[59]認為基于多元地球物理信息融合與聯(lián)合反演理論的綜合超前地質(zhì)預報技術(shù)是壓制探測多解性、提高預報可靠性的有效途徑。苗曙光[60]研究了煤巖介質(zhì)的電磁特性和電子自旋共振（Electron SpinResonance，ESR）自由基特性參數(shù)差異規(guī)律，結(jié)合最大類間方差和最小類內(nèi)聚合度提出了一種IOTSU 算法，實現(xiàn)了煤巖界面準確識別。

在放頂煤工作面，可利用探地雷達探測頂煤厚度，計算放煤時頂煤原始存量，進而估算放煤時間，為智能放煤提供依據(jù)。通常在支架頂梁前部安裝超寬帶探地雷達，在放煤前對煤壁上方頂煤厚度進行探測，測量范圍為3～6 m，精度達厘米級[45-46]。

3.5 微波照射+紅外探測技術(shù)

在微波作用下，煤巖介質(zhì)內(nèi)的分子高速運動、相互摩擦，將電磁能轉(zhuǎn)換為熱能，表現(xiàn)為煤巖介質(zhì)溫度不斷升高。由于煤巖介質(zhì)化學元素組成、礦物成分組成、比熱容值等物理化學特性的差異，其在相同微波條件下表現(xiàn)出不同的溫升特征。文獻[8]利用紅外探測技術(shù)捕捉溫升特征差異，提出了基于微波照射?紅外探測的主動式煤巖識別方法。該方法的優(yōu)勢在于通過主動向煤巖介質(zhì)施加微波，擴大了煤巖介質(zhì)之間的特征差異，便于在惡劣工況下判斷煤巖介質(zhì)的屬性。目前該方法處于實驗室測試階段，后續(xù)研究可能會遇到諸如井下惡劣環(huán)境干擾、夾矸誤識別、專用設備開發(fā)等難題，但不失為一種對智能放煤技術(shù)的有益探索。

3.6 激光掃描放煤量監(jiān)測技術(shù)

激光掃描放煤量監(jiān)測技術(shù)利用激光雷達對放頂煤工作面后部刮板輸送機上煤流進行掃描，通過對煤流輪廓進行三維形態(tài)重構(gòu)確定煤流體積，進而對后部刮板輸送機上的運煤量進行估算，當單口放煤時，刮板上的運煤量即為放煤量。放頂煤工作面的放煤量可在一定程度上反映放煤工序所處的階段，即當放煤量達到閾值后，可認為放煤工序接近尾聲，控制液壓支架關(guān)閉放煤口，實現(xiàn)智能放煤。激光雷達具有一定的透粉塵、水霧特征，可適應放頂煤工作面的惡劣工況[47， 49-50]。

激光雷達還可安裝在支架頂梁和掩護梁結(jié)合處，通過云臺旋轉(zhuǎn)對頂煤空間進行掃描，進而對放煤空間進行三維成像，實現(xiàn)放煤量實時監(jiān)測，確定是否關(guān)閉放煤口[45]。

利用激光掃描監(jiān)測放煤量實現(xiàn)智能放煤的前提是在放煤前準確掌握頂煤厚度，通過頂煤厚度計算頂煤體積，再與實時監(jiān)測放煤量進行對比，確定關(guān)閉放煤口的放煤量最優(yōu)閾值。采用探地雷達技術(shù)可有效識別綜采工作面割煤過程煤壁前方煤巖分界面[58， 61]，實現(xiàn)采煤機割煤高度自動調(diào)節(jié)。目前，探地雷達技術(shù)也被用于探測放頂煤工作面煤壁前方頂煤厚度。文獻[48]將探地雷達技術(shù)與激光雷達共同使用，提出“放煤前探地雷達探測頂煤厚度?放煤中激光雷達估算放煤量?放煤后識別煤流含矸率”的技術(shù)體系，目前該技術(shù)已完成工業(yè)性試驗[45]。

機械振動、掃描角度等因素也會對激光掃描結(jié)果產(chǎn)生影響，如機械振動可能會造成掃描結(jié)果與實際輪廓產(chǎn)生偏差，液壓支架位姿變化會影響激光雷達的掃描范圍。學者們針對這些問題開展了相關(guān)研究工作，如利用最小二乘法等對激光回波數(shù)據(jù)進行回歸處理，以降低輪廓偏差[47]。

此外，激光掃描放煤量監(jiān)測技術(shù)還受其他一些因素的影響。一方面，頂煤放出后堆積在后部刮板輸送機上，利用激光掃描獲得的是煤流表面輪廓，而煤流內(nèi)部由于散體頂煤堆積形成的空隙無法直接獲得，這些空隙會影響體積估算，進而影響關(guān)閉放煤口最優(yōu)時機的確定。另一方面，每個支架放出的頂煤量受相鄰架放煤的影響，本架放出的頂煤量與本架頂煤厚度的量化關(guān)系有待深入研究。利用激光掃描估算煤流體積時，考慮頂煤放出規(guī)律、放煤口打開數(shù)量、尾梁擺動角度、頂煤塊度級配、刮板鏈速等因素的影響，對于提高估算精度有一定幫助。激光掃描放煤量監(jiān)測技術(shù)實時監(jiān)測煤流體積，并對體積進行累計，存在累計誤差，也會影響放煤量監(jiān)測最終結(jié)果。因此，降低累計誤差的不利影響也是關(guān)于該技術(shù)的一項重要研究課題。

4 圖像識別智能放煤技術(shù)研究進展

實現(xiàn)智能放煤的核心是正確把握放煤口開啟和關(guān)閉的時機，筆者團隊經(jīng)過10 余年的聯(lián)合科技攻關(guān)，通過對圖像、聲音、振動等多種煤巖識別技術(shù)不斷探索和研究，最終聚焦到圖像識別技術(shù)，創(chuàng)新了放頂煤工作面后部刮板輸送機上煤巖堆積體灰度差異特征的圖像快速識別方法，發(fā)明了適用于放頂煤工作面高粉塵條件的煤巖圖像采集系統(tǒng)，實現(xiàn)了放頂煤工作面智能放煤，近年來在井下照度環(huán)境精準控制、放煤圖像去塵算法、含矸率計算精度保障策略等方面取得了重要進展[15]。

4.1 井下照度環(huán)境精準控制

合適的照度對圖像識別智能放煤也很關(guān)鍵，一方面，通過設置合適照度，讓機器在漆黑的綜放工作面液壓支架后部空間“看見”煤和巖石；另一方面，通過設置合適照度，可適當放大煤和巖石之間的特征差異[62]。

文獻[51]提出了一種利用立體視覺實現(xiàn)智能放煤照度非接觸測量與動態(tài)精準調(diào)控的研究思路。利用立體視覺技術(shù)實現(xiàn)距離測量，根據(jù)照度、距離和功率P 的關(guān)系（圖5），通過監(jiān)測距離與功率數(shù)據(jù)實現(xiàn)照度實時測量，或者通過測量距離與調(diào)節(jié)功率實現(xiàn)照度精準調(diào)控，為圖像識別智能放煤技術(shù)提供合適照度環(huán)境。

通過調(diào)節(jié)光源功率或者光照距離可改變照度大小，進而影響圖像亮度。此外，也可通過改變感光度和快門速度達到與改變照度相似的調(diào)控結(jié)果[51]，這是一種更便捷的方式。不同照度、感光度及快門速度下的圖像灰度特征如圖6 所示，以灰度特征為標準，不考慮刮板鏈速、圖像噪聲等因素，使用感光度方案與快門速度方案替代照度方案調(diào)節(jié)圖像亮度是可行的。

4.2 放煤圖像去塵算法

圖像識別智能放煤技術(shù)的核心是通過圖像分析確定含矸率，獲取高質(zhì)量的圖像是開展含矸率計算的前提。放頂煤工作面高粉塵、低照度等是影響圖像質(zhì)量的重要因素，文獻[15]提出了基于頻域先驗的單通道Retinex 去粉塵算法和空頻域聯(lián)合強化去粉塵算法，以降低煤塵、水霧等因素對圖像質(zhì)量的不利影響。放煤圖像去塵前后效果對比如圖7 所示。

4.3 含矸率計算精度保障策略

圖像識別智能放煤技術(shù)研究的煤塊、砂巖和泥巖在外觀上存在一定差異，用肉眼可區(qū)分。但是，在實際生產(chǎn)過程中可能存在復雜條件，如煤巖塊體的顏色、紋理、形狀輪廓都極其接近的情況。在這種肉眼都難以區(qū)分的條件下，單純使用圖像識別智能放煤技術(shù)可能難以獲得滿意的識別效果，需要根據(jù)煤巖塊體更本質(zhì)的區(qū)別，考慮融合多源信息進行識別。文獻[51]提出了圖像識別智能放煤含矸率計算精度保障策略，基于雙能X 射線透射（Dual Energy XrayTransmission，DE?XRT）成像技術(shù)，采集不同含矸率的煤巖塊體混合樣本的高能與低能圖像，根據(jù)高能圖像與低能圖像計算相對密度圖像，如圖8—圖10所示。

不同含矸率的煤巖塊體混合樣本的相對密度?累計頻率曲線如圖11 所示?？煽闯?，隨著含矸率逐漸增大，更多像素點具有更高的相對密度，說明利用DE?XRT 預測含矸率具有可行性，可用于提高圖像識別智能放煤技術(shù)在復雜煤巖外觀條件下的識別精度與適應性。

4.4 煤巖紅外圖像識別

當煤和矸石的表面顏色比較接近時，可采用“液體介入+紅外監(jiān)測”的手段提高煤巖識別準確率。由于煤和矸石的微觀結(jié)構(gòu)不同，通過在放煤降塵噴霧中增加特定種類的液體（如一定濃度的復配表面活性劑），使其與煤、矸發(fā)生差異性反應，從而主動增大煤、矸間的溫度差， 擴大其在紅外圖像上的差異（圖12），在降塵的同時顯著提高煤巖紅外圖像識別準確率[56]。這種方式可作為基于可見光圖像的智能放煤技術(shù)在特定情況下的一種補充手段，特別是當煤層中有較多夾矸層且夾矸顏色與煤較為接近時，該方式具有良好的適用性和發(fā)展?jié)摿Α?/p>

4.5 慧眼二號圖像采集系統(tǒng)

在自主研制的慧眼一號（Insight?I）圖像采集系統(tǒng)基礎(chǔ)上，針對放頂煤工作面放煤口空間狹小的實際情況，升級迭代了慧眼二號（Insight?II）圖像采集系統(tǒng)（圖13），進一步提升了圖像處理電路的可靠性與集成度，縮小了圖像采集裝置的尺寸。

4.6 邊云端一體化的圖像識別智能放煤架構(gòu)

結(jié)合神東煤炭山西保德煤礦、潞安集團王莊煤礦的具體條件，開發(fā)了圖像識別智能放煤邊緣計算工作站（圖14），配套了圖像識別智能放煤在線監(jiān)測軟件，實時計算含矸率數(shù)據(jù)。當含矸率超過預定的區(qū)間含矸率閾值時，通過通信模塊自動發(fā)送中止放煤或者關(guān)閉當前放煤口、開啟下一放煤口的指令給控制系統(tǒng)，形成邊云端一體化的圖像識別智能放煤架構(gòu)，應用效果良好[21， 63-64]。

5 結(jié)論

1） 放煤理論是科學認識頂煤放出規(guī)律、精準指導放煤工藝確定、有效提高頂煤采出率的重要基礎(chǔ)。提出了包括頂煤放出過程中煤巖分界面、頂煤放出體、頂煤采出率與含矸率等在內(nèi)的“四要素”放煤理論，研究了頂煤采出率與含矸率關(guān)系，構(gòu)建了基于塊度分布的采出率預測模型，分析了煤流瞬時?累計含矸率關(guān)系，用于確定放煤口合理關(guān)閉時機。

2） 智能放煤是實現(xiàn)智能化綜放開采的核心。歸納總結(jié)了常用智能放煤技術(shù)的基本原理，包括記憶放煤技術(shù)、聲音振動信號識別技術(shù)、γ 射線探測技術(shù)、探地雷達技術(shù)及微波照射+紅外探測技術(shù)等，分析了智能放煤技術(shù)的優(yōu)缺點、適用條件及發(fā)展現(xiàn)狀，為開發(fā)識別精度更高、識別性能更穩(wěn)定的智能放煤技術(shù)提供參考與借鑒。

3） 圖像識別智能放煤技術(shù)及精準多輪放煤技術(shù)是智能放煤的重要研究內(nèi)容，包括放煤圖像去塵算法、井下照度環(huán)境精準控制、含矸率計算精度保障策略、圖像采集與處理系統(tǒng)研發(fā)等?，F(xiàn)場應用表明，圖像識別智能放煤技術(shù)可有效提高頂煤采出率和放煤效率，減少作業(yè)人員，是未來智能放煤的重要發(fā)展方向。

參考文獻（References）：

[ 1 ]王家臣，張錦旺，王兆會. 放頂煤開采基礎(chǔ)理論與應用[M]. 北京：科學出版社，2018.

WANG Jiachen， ZHANG Jinwang， WANG Zhaohui.Basic theories and applications in top-coal caving mining[M]. Beijing：Science Press，2018.

[ 2 ]王家臣. 放煤規(guī)律與智能放煤[M]. 北京：科學出版社，2022.

WANG Jiachen. Top coal drawing mechanism and intelligent drawing[M]. Beijing：Science Press，2022.

[ 3 ]KUMAR R， SINGH A K， MISHRA A K， et al.Underground mining of thick coal seams[J].International Journal of Mining Science and Technology，2015，25（6）：885-896.

[ 4 ]?ELIK A， ?Z?ELIK Y. Investigation of the efficiency of longwall top coal caving method applied by forming a face in horizontal thickness of the seam in steeply inclined thick coal seams by using a physical model[J].International Journal of Rock Mechanics and Mining Sciences， 2021， 148. DOI： 10.1016/j.ijrmms.2021.104917.

[ 5 ]KLISHIN V I， KLISHIN S V. Coal extraction from thick flat and steep beds[J]. Journal of Mining Science，2010，46（2）：149-159.

[ 6 ]王國法，龐義輝，任懷偉. 煤礦智能化開采模式與技術(shù)路徑[J]. 采礦與巖層控制工程學報，2020，2（1）：5-19.

WANG Guofa，PANG Yihui，REN Huaiwei. Intelligent coal mining pattern and technological path[J]. Journal of Mining and Strata Control Engineering， 2020， 2（1） ：5-19.

[ 7 ]李偉. 綜放開采智能化控制系統(tǒng)研發(fā)與應用[J]. 煤炭科學技術(shù)，2021，49（10）：128-135.

LI Wei. Research and application of intelligent control system for full-mechanized caving mining[J]. Coal Science and Technology，2021，49（10）：128-135.

[ 8 ]劉闖. 綜放工作面多放煤口協(xié)同放煤方法及煤巖識別機理研究[D]. 焦作：河南理工大學，2018.

LIU Chuang. Study on coal caving method and coal rock identification mechanism of multi-coal caving holes in fully mechanized top-coal caving face[D]. Jiaozuo：Henan Polytechnic University，2018.

[ 9 ]向陽. 近紅外光譜煤巖識別環(huán)境適應性研究[D]. 徐州：中國礦業(yè)大學，2020.

XIANG Yang. Study on environmental adaptability of coal and rock identification by near infrared spectroscopy[D]. Xuzhou： China University of Mining and Technology，2020.

[10]宋慶軍. 綜放工作面放煤自動化技術(shù)的研究與應用[D]. 徐州：中國礦業(yè)大學，2015.

SONG Qingjun. Research and application of coal caving automation technology in fully mechanized top coal caving face[D]. Xuzhou： China University of Mining and Technology，2015.

[11]萬麗榮，陳博，楊揚，等. 單顆粒煤巖沖擊放頂煤液壓支架尾梁動態(tài)響應分析[J]. 煤炭學報，2019，44（9）：2905-2913.

WAN Lirong，CHEN Bo，YANG Yang，et al. Dynamic response of single coal-rock impacting tail beam of top coal caving hydraulic support[J]. Journal of China Coal Society，2019，44（9）：2905-2913.

[12]于斌，徐剛，黃志增，等. 特厚煤層智能化綜放開采理論與關(guān)鍵技術(shù)架構(gòu)[J]. 煤炭學報，2019，44（1）：42-53.

YU Bin，XU Gang，HUANG Zhizeng，et al. Theory and its key technology framework of intelligentized fullymechanized caving mining in extremely thick coal seam[J]. Journal of China Coal Society， 2019， 44（1） ：42-53.

[13]ZHANG Ningbo， LIU Changyou. Radiation characteristics of natural gamma-ray from coal and gangue for recognition in top coal caving[J]. Scientific Reports，2018，8（1）. DOI：10.1038/s41598-017-18625-y.

[14]王家臣，黃國君，楊勝利，等. 煤矸識別與自動化放煤控制系統(tǒng)：CN200910152006. X[P]. 2009-07-02.

WANG Jiachen，HUANG Guojun，YANG Shengli，et al.Coal gangue identification and automated coal caving control system：CN200910152006. X[P]. 2009-07-02.

[15]王家臣，潘衛(wèi)東，張國英，等. 圖像識別智能放煤技術(shù)原理與應用[J]. 煤炭學報，2022，47（1）：87-101.

WANG Jiachen， PAN Weidong， ZHANG Guoying， et al. Principles and applications of image-based recognition of withdrawn coal and intelligent control of draw opening in longwall top coal caving face[J].Journal of China Coal Society，2022，47（1）：87-101.

[16]WANG Jiachen， WEI Weijie， ZHANG Jinwang， et al. Laboratory and field validation of a LTCC recovery prediction model using relative size of the top coal blocks[J]. Bulletin of Engineering Geology and the Environment，2021，80（2）：1389-1401.

[17]鮑永生. 特厚煤層綜放工作面智能控制關(guān)鍵技術(shù)研究[J]. 煤炭科學技術(shù)，2020，48（7）：55-61.

BAO Yongsheng. Study on key technology of intelligent control in fully-mechanized top coal caving face in extra thick seam[J]. Coal Science and Technology， 2020，48（7）：55-61.

[18]馬英. 基于記憶放煤時序控制的智能放煤模式研究[J]. 煤礦機電，2015，36（2）：1-5.

MA Ying. Research on intelligent coal caving system based on memory coal caving sequential control[J].Colliery Mechanical & Electrical Technology， 2015，36（2）：1-5.

[19]韓會軍，王國法，許永祥，等. 6～10 m 厚煤層超大采高液壓支架及其工作面系統(tǒng)自適應智能耦合控制[J].煤炭科學技術(shù)，2024，52（5）：276-288.

HAN Huijun， WANG Guofa， XU Yongxiang， et al. Adaptive intelligent coupling control of hydraulic support and working face system for 6-10 m super high mining in thick coal seams[J]. Coal Science and Technology，2024，52（5）：276-288.

[20]胡瑞永. 燕子山礦綜放工作面煤巖運移規(guī)律與智能放煤關(guān)鍵技術(shù)研究及應用[D]. 徐州：中國礦業(yè)大學，2023.

HU Ruiyong. Research and application of coal and rock migration law and key technology of intelligent caving in fully mechanized top-coal caving face of Yanzishan Mine[D]. Xuzhou： China University of Mining and Technology，2023.

[21]程偉軒，陳敬川，張立輝，等. 智能放頂煤技術(shù)在特厚煤層上覆含水層保護中的應用[J]. 煤炭科學技術(shù)，2024，52（增刊1）：249-258.

CHENG Weixuan， CHEN Jingchuan， ZHANG Lihui，et al. Application of intelligent top coal caving technology in the protection of overlying aquifers on extra thick coal seams[J]. Coal Science and Technology，2024，52（S1）：249-258.

[22]韓秀琪，楊秀宇，孫峰，等. 智能綜放工作面自動運行與人工干預分析系統(tǒng)[J]. 工礦自動化，2020，46（12）：31-37.

HAN Xiuqi，YANG Xiuyu，SUN Feng，et al. Automatic operation and manual intervention analysis system for intelligent fully mechanized caving face[J]. Industry and Mine Automation，2020，46（12）：31-37.

[23]許永祥，李申龍，王國法，等. 特厚堅硬煤層超大采高綜放首采工作面智能化技術(shù)[J]. 煤炭科學技術(shù)，2020，48（7）：186-194.

XU Yongxiang， LI Shenlong， WANG Guofa， et al. Intelligent technology of first-mining face of longwall top-coal caving with super large cutting height in extrathick and hard coal seam[J]. Coal Science and Technology，2020，48（7）：186-194.

[24]ZHANG Guoxin， WANG Zengcai， ZHAO Lei.Recognition of rock-coal interface in top coal caving through tail beam vibrations by using stacked sparse autoencoders[J]. Journal of Vibroengineering， 2016，18（7）：4261-4275.

[25]叢曉妍，王增才，王保平，等. 基于EMD 與峭度濾波的煤巖界面識別[J]. 振動.測試與診斷，2015，35（5）：950-954.

CONG Xiaoyan， WANG Zengcai， WANG Baoping，al. Application of filtering method based on EMD and kurtosis in coal-rock interface recognition[J]. Journal of Vibration， Measurement & Diagnosis， 2015， 35（5） ：950-954.

[26]王保平. 放頂煤過程中煤矸界面自動識別研究[D]. 濟南：山東大學，2012.

WANG Baoping. Study on automatic identification of coal gangue interface in top coal caving process[D].Jinan：Shandong University，2012.

[27]楊揚. 基于動態(tài)沖擊滑移接觸特性的煤矸識別與試驗研究[D]. 青島：山東科技大學，2020.

YANG Yang. Identification and experimental study of coal gangue based on dynamic impact-slip contact characteristics[D]. Qingdao： Shandong University of Science and Technology，2020.

[28]LI He， ZHANG Yao， YANG Yang， et al. Performance analysis of coal gangue recognition based on hierarchical filtering and coupled wrapper feature selection method[J]. IEEE Access，2023，11：85822-85835.

[29]YANG Yang，ZENG Qingliang. Multipoint acceleration information acquisition of the impact experiments between coal gangue and the metal plate and coal gangue recognition based on SVM and serial splicing data[J].Arabian Journal for Science and Engineering， 2021，46（3）：2749-2768.

[30]YANG Yang， ZENG Qingliang， YIN Guangjun， et al. Vibration test of single coal gangue particle directly impacting the metal plate and the study of coal gangue recognition based on vibration signal and stacking integration[J]. IEEE Access，2019，7：106784-106805.

[31]張艷麗，張守祥，矯林岳，等. 獨立分量分析法在綜采煤巖界面識別中的應用[J]. 煤炭科學技術(shù)， 2007，35（8）：22-24，28.

ZHANG Yanli，ZHANG Shouxiang，JIAO Linyue，et al. Application on ICA in coal and rock interface identification of the fully mechanized mining[J]. Coal Science and Technology，2007，35（8）：22-24，28.

[32]陳錢有. 綜放工作面煤矸沖擊特性與識別方法研究[D]. 徐州：中國礦業(yè)大學，2022.

CHEN Qianyou. Study on impact characteristics and identification method of coal gangue in fully mechanized top-coal caving face[D]. Xuzhou： China University of Mining and Technology，2022.

[33]陳旭. 基于聽覺感知原理的綜放工作面垮落煤矸識別方法研究[D]. 徐州：中國礦業(yè)大學，2022.

CHEN Xu. Research on recognition method of caving coal gangue in fully mechanized caving face based on the principle of auditory perception[D]. Xuzhou： China University of Mining and Technology，2022.

[34]孟林. 基于振動譜圖像的放頂煤工作面煤矸識別方法研究[D]. 徐州：中國礦業(yè)大學，2023.

MENG Lin. Study on identification method of coal gangue in top-coal caving face based on vibration spectrum image[D]. Xuzhou： China University of Mining and Technology，2023.

[35]趙明鑫. 綜放煤矸放落的環(huán)境特征及自動識別的影響因素研究[D]. 徐州：中國礦業(yè)大學，2020.

ZHAO Mingxin. Research on environmental characteristics and influencing factors of automatic identification of coal gangue unloading in comprehensive coal mining[D]. Xuzhou： China University of Mining and Technology，2020.

[36]CHEN Xu， WANG Shibo， LIU Houguang， et al. Coal gangue recognition using multichannel auditory spectrogram of hydraulic support sound in convolutional neural network[J]. Measurement Science and Technology， 2022， 33（1） . DOI： 10.1088/1361-6501/ac3709.

[37]馬英. 基于尾梁振動信號采集的煤矸識別智能放煤方法研究[J]. 煤礦開采，2016，21（4）：40-42，25.

MA Ying. Intelligent coal caving with gangue identification based on tail beam vibration signal collection[J]. Coal Mining Technology， 2016， 21（4） ：40-42，25.

[38]HUO Yuming， ZHAO Dangwei， ZHU Defu， et al.Application of an automated top coal caving control system： the case of Wangjialing Coal Mine[J].Sustainability，2024，16（10）. DOI：10.3390/su16104261.

[39]魏冠偉，魏效征. 放頂煤液壓支架振動數(shù)據(jù)采集裝置設計[C]. 第23 屆全國煤礦自動化與信息化學術(shù)會議暨第5 屆中國煤礦信息化與自動化高層論壇，北京，2013：219-225.

WEI Guanwei， WEI Xiaozheng. Design of vibration data acquisition device for hydraulic support of top coal caving[C]. The 23rd National Conference on Coal Mine Automation and Informatization and the 5th China Coal Mine Informatization and Automation High Level Forum，Beijing，2013：219-225.

[40]李一鳴. 基于小波包多尺度模糊熵和加權(quán)KL 散度的煤巖智能識別[J]. 工礦自動化，2023，49（4）：92-98.

LI Yiming. Intelligent recognition of coal and rock based on wavelet packet multi-scale fuzzy entropy and weighted KL divergence[J]. Journal of Mine Automation，2023，49（4）：92-98.

[41]韓立國. 綜合放頂煤開采煤矸識別關(guān)鍵技術(shù)研究[D].阜新：遼寧工程技術(shù)大學，2023.

HAN Liguo. Study on key technology of gangue identification in fully mechanized top-coal caving mining[D]. Fuxin： Liaoning Technical University，2023.

[42]郭鳳岐. 復雜結(jié)構(gòu)特厚煤層綜放煤?矸?巖放落流動時序規(guī)律及識別研究[D]. 徐州：中國礦業(yè)大學，2021.

GUO Fengqi. Research on the time sequence and identification of coal-gangue-rock caving flow in complex structure thick coal seam fully mechanized mining[D]. Xuzhou： China University of Mining and Technology，2021.

[43]張寧波 . 綜放開采煤矸自然射線輻射規(guī)律及識別研究[D]. 徐州：中國礦業(yè)大學，2015.

ZHANG Ningbo. Study on natural ray radiation law and identification of fully mechanized top-coal caving mining gangue[D]. Xuzhou： China University of Mining and Technology，2015.

[44]劉長友，張寧波，郭鳳岐，等. 特厚煤層綜放煤?矸?巖放落流動的時序規(guī)律及識別方法[J]. 煤炭學報，2022，47（1）：137-151.

LIU Changyou， ZHANG Ningbo， GUO Fengqi， et al.Sequential rules and identification method of coalgangue-rock caving flow in fully mechanized top-coalcaving workface of extra thick coal seam[J]. Journal of China Coal Society，2022，47（1）：137-151.

[45]張守祥，張學亮，劉帥，等. 智能化放頂煤開采的精確放煤控制技術(shù)[J]. 煤炭學報，2020，45（6）：2008-2020.

ZHANG Shouxiang， ZHANG Xueliang， LIU Shuai， et al. Intelligent precise control technology of fully mechanized top coal caving face[J]. Journal of China Coal Society，2020，45（6）：2008-2020.

[46]張學亮，劉清，郎瑞峰，等. 厚煤層智能放煤工藝及精準控制關(guān)鍵技術(shù)研究[J]. 煤炭工程，2020，52（9）：1-6.

ZHANG Xueliang， LIU Qing， LANG Ruifeng， et al.Intelligent coal drawing process and the key technologies of precise control for thick coal seam top-coal caving[J].Coal Engineering，2020，52（9）：1-6.

[47]胡而已. 基于激光掃描的綜放工作面放煤量智能監(jiān)測技術(shù)[J]. 煤炭科學技術(shù)，2022，50（2）：244-251.

HU Eryi. Intelligent monitoring technology of coal caving in fully-mechanized caving face based on laser scanning[J]. Coal Science and Technology， 2022，50（2）：244-251.

[48]胡而已，葉蘭，孫益壯，等. 綜放工作面放煤量激光掃描自適應監(jiān)測技術(shù)研究[J]. 中國煤炭，2022，48（11）：57-66.

HU Eryi，YE Lan，SUN Yizhuang，et al. Study on laser scanning adaptive monitoring technology for coal caving mF49D6rNu8fY8c9eaYXsRaUYfG42TmeFrNcFLU2Pv5w=volume in fully mechanized top-coal caving face[J].China Coal，2022，48（11）：57-66.

[49]呂東翰. 綜放工作面放煤量激光掃描在線智能監(jiān)測技術(shù)研究[D]. 徐州：中國礦業(yè)大學，2021.

LYU Donghan. Research on laser scanning online intelligent monitoring technology for coal caving quantity in fully mechanized mining face[D]. Xuzhou：China University of Mining and Technology，2021.

[50]孫益壯. 基于激光掃描的綜放工作面放煤量自適應監(jiān)測技術(shù)[D]. 徐州：中國礦業(yè)大學，2022.

SUN Yizhuang. Adaptive monitoring technology for coal caving volume in fully mechanized top coal caving face based on laser scanning[D]. Xuzhou： China University of Mining and Technology，2022.

[51]李良暉. 圖像識別智能放煤基礎(chǔ)研究[D]. 北京：中國礦業(yè)大學（北京），2023.

LI Lianghui. Research on intelligent coal caving fundamentals based on image recognition[D]. Beijing： China University of Mining and Technology-Beijing，2023.

[52]單鵬飛， 孫浩強， 來興平， 等. 基于改進FasterR?CNN 的綜放煤矸混合放出狀態(tài)識別方法[J]. 煤炭學報，2022，47（3）：1382-1394.

SHAN Pengfei， SUN Haoqiang， LAI Xingping， et al. Identification method on mixed and release state of coalgangue masses of fully mechanized caving based on improved Faster R-CNN[J]. Journal of China Coal Society，2022，47（3）：1382-1394.

[53]賀海濤，王佳豪，張海峰，等. 基于U?Net 的放煤狀態(tài)控制關(guān)鍵技術(shù)研究[J]. 煤炭科學技術(shù)，2022，50（增刊2）：237-243.

HE Haitao， WANG Jiahao， ZHANG Haifeng， et al.Research on key technologies of coal discharge statecontrol based on U-Net[J]. Coal Science and Technology，2022，50（S2）：237-243.

[54]盧召棟. 近紅外光譜煤巖識別算法及風速影響研究[D]. 徐州：中國礦業(yè)大學，2022.

LU Zhaodong. Research on near infrared spectroscopy coal rock recognition algorithm and wind speed influence[D]. Xuzhou： China University of Mining and Technology，2022.

[55]ESHAQ R M A， HU Eryi， LI Menggang， et al. Separation between coal and gangue based on infrared radiation and visual extraction of the YCbCr color space[J]. IEEE Access，2020，8：55204-55220.

[56]張錦旺，王家臣，何庚. 煤矸紅外圖像識別基礎(chǔ)研究[M]. 北京：應急管理出版社，2024.

ZHANG Jinwang， WANG Jiachen， HE Geng. Basic research on infrared image recognition of coal gangue[M]. Beijing： Emergency Management Press，2024.

[57]王增才. 綜采放頂煤開采過程煤矸識別研究[J]. 煤礦機械，2002，23（8）：13-14.

WANG Zengcai. Study on distributing coal and rock in the process of fully-mechanized coal winning sublevel caving coal technology[J]. Coal Mine Machinery，2002，23（8）：13-14.

[58]許獻磊，彭蘇萍，馬正，等. 基于空氣耦合雷達的礦井煤巖界面隨采動態(tài)探測原理及關(guān)鍵技術(shù)[J]. 煤炭學報，2022，47（8）：2961-2977.

XU Xianlei， PENG Suping，MA Zheng， et al. Principle and key technology of dynamic detection of coal-rock interface in coal mine based on air-coupled radar[J].Journal of China Coal Society，2022，47（8）：2961-2977.

[59]李術(shù)才，劉斌，孫懷鳳，等. 隧道施工超前地質(zhì)預報研究現(xiàn)狀及發(fā)展趨勢[J]. 巖石力學與工程學報，2014，33（6）：1090-1113.

LI Shucai， LIU Bin， SUN Huaifeng， et al. State of art and trends of advanced geological prediction in tunnel construction[J]. Chinese Journal of Rock Mechanics and Engineering，2014，33（6）：1090-1113.

[60]苗曙光. 基于GPR 與ESR 的煤巖性狀識別方法研究[D]. 徐州：中國礦業(yè)大學，2019.

MIAO Shuguang. Research on coal rock character recognition method based on GPR and ESR[D].Xuzhou： China University of Mining and Technology，2019.

[61]許獻磊，王一丹，朱鵬橋，等. 基于高頻雷達波的煤巖層位識別與追蹤方法研究[J]. 煤炭科學技術(shù)，2022，50（7）：50-58.

XU Xianlei， WANG Yidan， ZHU Pengqiao， et al.Research on coal and rock horizon identification and tracking method based on high frequency radar waves[J]. Coal Science and Technology， 2022， 50（7） ：50-58.

[62]李良暉. 基于差異照度圖像的綜放開采煤矸混合度識別研究[D]. 北京：中國礦業(yè)大學（北京），2019.

LI Lianghui. Research on the identification of coal gangue mixture in fully mechanized top coal mining based on differential illumination images[D]. Beijing：China University of Mining and Technology-Beijing，2023.

[63]潘衛(wèi)東，李新源，員明濤，等. 基于頂煤運移跟蹤儀的自動化放煤技術(shù)原理及應用[J]. 煤炭學報， 2020，45（增刊1）：23-30.

PAN Weidong， LI Xinyuan， YUN Mingtao， et al.Principle and application of automated coal caving technology based on top coal transport tracker[J].Journal of China Coal Society，2020，45（S1）：23-30.

[64]米彥軍，潘衛(wèi)東，楊克虎，等. 黃玉川煤礦無人干預自動化放煤研究[J]. 工礦自動化，2021，47（增刊2）：29-31，42.

MI Yanjun， PAN Weidong， YANG Kehu， et al. Research of automatic top-coal caving without human intervention in Huangyuchuan Coal Mine[J]. Industry and Mine Automation，2021，47（S2）：29-31.