摘要：傳統(tǒng)機(jī)器學(xué)習(xí)的煤巖識(shí)別技術(shù)大多數(shù)采用的是手工設(shè)計(jì)圖像特征,并結(jié)合滑動(dòng)窗口的方式對煤巖圖像進(jìn)行特征提取,再經(jīng)過分類器進(jìn)行分類和識(shí)別,存在圖像特征設(shè)計(jì)難度大、耗時(shí)長、泛化性差等缺點(diǎn)。針對傳統(tǒng)機(jī)器學(xué)習(xí)的這些缺點(diǎn),采用了一種基于機(jī)器深度學(xué)習(xí)Faster R-CNN的煤巖識(shí)別方法。首先利用采煤機(jī)上的監(jiān)控?cái)z像機(jī)現(xiàn)場采集煤巖圖片數(shù)據(jù)集,將圖片輸入到VGG16卷積神經(jīng)網(wǎng)絡(luò),對煤巖圖像特征進(jìn)行提取,將提取出來的特征圖經(jīng)過區(qū)域建議網(wǎng)絡(luò)(Region Proposal Network),對圖像上的煤巖進(jìn)行初步定位與分類,最后經(jīng)過R-CNN網(wǎng)絡(luò)精確定位分類,輸出煤層邊界點(diǎn)的像素坐標(biāo)值。解算出監(jiān)控?cái)z像機(jī)內(nèi)外置參數(shù),結(jié)合理想針孔線性成像模型,將圖片中所定位到的煤層邊界點(diǎn)(煤層角點(diǎn))的像素坐標(biāo)值轉(zhuǎn)化成礦井測量坐標(biāo)值,為采煤機(jī)自動(dòng)調(diào)整滾筒空間位置提供數(shù)據(jù)依據(jù)。