近年来，人工智能的兴起推动了我国煤炭行业在绿色环保、智能生产等方面的发展。针对芳香晶格条纹识别过程中存在的解译慢、周期长和误判率高等问题，提出了一种基于MASK R-CNN的智能提取方法。该智能提取方法通过调整特征参数和优化网络结构，对条纹特征的识别算法进行改进：①跳过前期预处理过程，以端到端的模式进行芳香晶格条纹的特征提取训练，实现从原始HRTEM中自动识别芳香晶格条纹的功能；②突破常规神经网络提取目标物外轮廓的思维桎梏，实现对线要素的快速准确分割。以人工解译结果为标准，通过智能提取结果和传统提取结果在精度评价、识别效果和参数提取等方面的对比，验证该智能提取方法的有效性。结果表明，在识别精度方面，智能提取方法的准确率、精准率、召回率和交并比的数值为91.2%、85.2%、83.4%和72.9%，分别高于传统提取方法的89.9%、62.1%、75.4%和51.6%；在识别效果方面，智能提取方法对细节的处理更加智能，提取的线条连贯性和平滑性更好，同时噪音更少；在长度和取向等参数的统计分析方面，智能提取结果与人工解译结果在取向和长度分布图上的匹配度更高。综上所述，该智能提取方法通过MASK R-CNN进行芳香晶格条纹的自动识别，降低工作成本，提高工作效率，为煤大分子结构研究提供更快捷可靠的数据支持。