摘要：傳統(tǒng)機器學(xué)習的煤巖識別技術(shù)大多數(shù)采用的是手工設(shè)計圖像特征,并結(jié)合滑動窗口的方式對煤巖圖像進行特征提取,再經(jīng)過分類器進行分類和識別,存在圖像特征設(shè)計難度大、耗時長、泛化性差等缺點。針對傳統(tǒng)機器學(xué)習的這些缺點,采用了一種基于機器深度學(xué)習Faster R-CNN的煤巖識別方法。首先利用采煤機上的監(jiān)控攝像機現(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,輸出煤層邊界點的像素坐標值。解算出監(jiān)控攝像機內(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(煤層角點)的像素坐標值轉(zhuǎn)化成礦井測量坐標值,為采煤機自動調(diào)整滾筒空間位置提供數(shù)據(jù)依據(jù)。