综掘工作面是矿井安全性最差、作业环节最恶劣、自动化程度较低的场所之一，提高巷道综掘工作面的技术指标和智能化程度，满足安全高效开采的需要，刻不容缓。视觉处理技术具有非接触式测量、获取信息丰富、自动化程度高等优势，基于机器视觉的掘进装备群组检测与控制技术已成为煤矿智能化进程中的研究热点。

       1）掘进机本体位姿检测。根据使用的视觉传感器数量不同，掘进机位姿检测中的机器视觉技术可分为单目和双目2类。单一测量源存在精度低、时间滞后、鲁棒性弱、测量维度单一等缺点。综合利用多源数据的优势，结合适当的数据融合算法和技术，能够有效克服单一测量源的局限性，提高目标定位、识别和追踪的准确性和可靠性。

       2）截割机构视觉检测与定位。根据视场中的目标物体不同，截割头位姿视觉检测法主要有直接测量法和间接测量法2种。完成截割机构定位后，还需结合截割轨迹规划、伺服控制、数字孪生技术等技术实现巷道断面自动截割成形。

       3） 煤矸石识别。基于深度学习的煤矸识别方法相较传统方法具有更高的识别率，但由于分选环境的特殊性和复杂性，仍需构建高效的煤矸石数据集，并深入研究算法的泛化性、实时性和鲁棒性。

       4）煤流参数检测。基于机器视觉的煤流参数监测方法主要有单目、双目和结构光视觉法。

       机器视觉在安全监测与事故预防中的应用主要包括围岩变形监测、火灾监测、人员安全监测、输送带异物、撕裂、跑偏等异常监测。

       巷道综合机械化快速掘进是一项系统工程，需要掘进、锚护、运输装备构成“掘-锚-运”一体作业线，三大装备相互配合，实现掘进巷道连续、均衡、高效生产。在此过程中，机器视觉技术发挥着关键作用，通过自动化与智能化装备的应用，提升装备的性能和效率，同时减少人员的直接参与，降低安全风险。

       1）成像视野范围较窄。井下大型装备多，空间狭窄，光路易被遮挡，会导致成像不完整或质量不佳。采取何种方式增大短距视角是井下当前面临的技术难题。

       2）环境适应性问题。煤矿井下全天候人工照明、高浓度矿尘、剧烈振动等恶劣采图条件，都增加了后期图像处理和特征提取的困难。

       3）智能化程度尚待提高。现有图像特征提取算法参数固定，实际工况变化时，特征提取效果难以保证。在实时性要求较高的场景中，目标检测算法具有一定的滞后性和不确定性。

       1）多传感器信息融合技术。可结合其他传感器如光电、超声波、惯性等，通过制定“视觉测量技术+”检测方案，融合多传感器信息，弥补视觉缺陷，提高系统稳定性和适应性。

       2）设备群协同控制技术。在单个子系统智能控制的基础上，如何实现多任务并行与多系统协同控制，是当前重要研究方向之一。将视觉处理与设备群协同控制技术结合，通过图像识别和分析可以辅助实现不同设备之间的协同控制。

       3）数字孪生驱动的远程监控技术。视觉处理技术可以帮助实现真实世界与数字孪生模型之间的数据对齐和更新。将数字孪生技术与视觉处理技术结合，通过实时获取和分析井下图像数据，构建井下场景的数字孪生模型，可实现对综掘过程的远程监控和仿真。

       杜雨馨(1991－)，女，江苏徐州人，讲师， 博士，研究方向为检测技术与自动化装置，E-mail:928107333@qq.com。