煤岩裂隙与瓦斯运移密切相关，且影响煤岩体稳定性，研究煤岩体中复杂的裂隙系统对于巷道支护和瓦斯抽采有重要意义。目前煤岩裂隙图像识别方法未能综合考虑煤岩图像裂隙数量、位置、形态和类别等特点，难以获取有效信息。以鹤壁煤电股份有限公司第八煤矿掘进工作面煤岩图像为研究对象，提出了一种基于U-Net网络对图像中裂隙及类别实现像素级智能识别的方法。采用直方图均衡化、高斯双边滤波和拉普拉斯算子对煤岩图像进行预处理，以提高图像质量，更有效地提取裂隙特征信息。通过观测记录煤岩裂隙特征并分为7类，对筛选出的煤岩裂隙图像进行扩增，采用Labelme软件对图像进行像素级标注，建立煤岩裂隙数据集。采用U-Net网络构建煤岩裂隙识别模型，经调试确定网络批量大小和学习率参数，实验表明当迭代次数达到300以上时，该模型的识别精确率均值为87%，召回率均值为92%，且平均交并比始终大于85%，类别平均像素准确率始终大于80%。采集井下煤岩采动裂隙和实验室张性外生裂隙对煤岩裂隙识别模型进行验证，结果表明该模型可有效提取目标特征信息并与背景特征信息区分，能够较准确地定位、识别单一裂隙。

0 引言
1 煤岩裂隙图像预处理
2 煤岩裂隙数据集建立
3 煤岩裂隙识别模型设计
4 煤岩裂隙识别及结果分析
5 结论

郝天轩,徐新革,赵立桢.煤岩裂隙图像识别方法研究[J/OL].工矿自动化:1-7[2023-10-25].DOI:10.13272/j.issn.1671-251x.2022120081.