摘要：傳統機器學習的煤巖識別技術大多數采用的是手工設計圖像特征,并結合滑動窗口的方式對煤巖圖像進行特征提取,再經過分類器進行分類和識別,存在圖像特征設計難度大、耗時長、泛化性差等缺點。針對傳統機器學習的這些缺點,采用了一種基于機器深度學習Faster R-CNN的煤巖識別方法。首先利用采煤機上的監控攝像機現場采集煤巖圖片數據集,將圖片輸入到VGG16卷積神經網絡,對煤巖圖像特征進行提取,將提取出來的特征圖經過區域建議網絡(Region Proposal Network),對圖像上的煤巖進行初步定位與分類,最后經過R-CNN網絡精確定位分類,輸出煤層邊界點的像素坐標值。解算出監控攝像機內外置參數,結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)的像素坐標值轉化成礦井測量坐標值,為采煤機自動調整滾筒空間位置提供數據依據。