我国是煤炭大国,煤炭资源一直是我国赖以发展的重要资源,煤炭在我国的整个能源结构中所占比重一直保持在50%以上。且在相当长的一个时期内,煤炭在我国的能源结构中仍然会占有最重要的地位。随着煤矿工作面煤炭开采技术的发展,国内外大多数的矿井工作面已经实现了滚筒采煤机配套液压支架的综合机械化采煤法,简称综采。而近年来随着工业领域的自动化技术的飞速发展,许多的自动控制技术也在煤矿工作面得到了成功应用,煤矿综合机械化采煤也逐渐向煤矿综采自动化采煤迈进。国内外也有越来越多的煤矿工作面实现了一定程度的矿井工作面综采自动化。煤矿行业的研究人员的终极目标是实现工作面的无人化开采,即在煤矿开采过程中实现回采工作面的区域的无人化。由于煤矿回采工作面的环境较为复杂,要实现无人化开采有许多难题需要攻克,煤岩界面识别就是其中的一项。作为无人化开采的一项关键技术,煤矿工作面的煤岩界面识别问题虽有国内外许多专家和学者在不断研究,却一直没有较成熟的解决方案能够应用于实际开采中。煤岩界面识别也成为无人化工作面的一个技术瓶颈。本论文的主要研究对象为在煤矿综采工作面的采煤机滚筒截煤过程中的煤岩界面识别问题,应用的研究手段为数字图像处理技术。文章首先对煤矿工作面的设备布置和开采环境进行了描述,并针对煤矿回采工作面的环境特征(工作面光线差、不均匀、采煤过程中煤尘大等),应用一些针对性的改进型的数字图像处理技术(如针对工作面环境的改进型均衡化直方图和工作面的图像去噪等)对工作面采集的图像进行了优化;并根据煤和岩石的基本特征、性状、区别,从图像边缘和灰度阈值的研究角度,验证了对煤岩界面识别应用图像处理技术的可行性。本研究根据煤矿综采工作面的设备布置状况,结合采煤机滚筒截煤过程中工作面设备的运行状况,提出了一种基于图像处理的适用于煤矿综采工作面的可与采煤联动的控制模型,并针对试验工作面设备的参数信息选定了图像采集装置的参数,确定了图像采集装置在煤矿工作面的实际布置方式。且对整个识别分析系统的整体运行流程进行了详尽的描述,阐述了该技术手段中的几大核心设备的主要作用和其相互协同的工作方式。在对工作面煤岩分界图像分析的研究中,借助聚类的基本理论,应用最常规的K-means的算子对试验工作面的煤岩数据进行了分析,初步完成了煤岩分类,发现背景信息会产生一定程度的分类干扰。通过应用灰度共生矩阵对含有不同图像信息的工作面进行纹理特征提取和分析后,一方面证实了无效背景信息给煤岩分类带来一定影响,另一方面也确定了试验工作面的煤和岩的主要区别特征。根据工作面设备实际布置状况,应用区域增长等方法剔除了敏感支架信息,减弱了无效数据对分类和识别带来的不利影响。另外,根据图像采集装置获取煤岩原始图像后,研究应用数据分析算法提取了“煤”样本和“岩石”样本的特征作为聚类中心,并提出应用特殊的图像滤波器对煤岩原始图像进行灰度变换,增强了煤岩差别。之后,论文分别应用高斯混合模型和支持向量机对煤岩识别进行研究,结合学习样本的几个参数特点,对煤岩图像进行了分类,最终对两种算法进行判定整合,完成工作面局部的煤岩分类研究。除将工作面局部煤岩分类之外,在本研究提出的技术路线中,仍需要对所有的煤岩分界信息进行整合从而获取工作面整体的煤岩分界线以指导采煤机滚筒自动调高控制。在对相邻的煤岩数据整合中,研究中应用了图像配准的基本理论,针对工作面的实际环境情况和图像采集装置布置情况,提出了一种高效特征点结合煤岩分界数据的图像配准方式。将煤岩分界的关键数据作为特征点引入到图像配准的分析计算中,结合原始图像中最优的关键的配准点,以这两部分为依据进行图像配准,从而尽量能够保证在图像配准后,煤岩分界线高度数据的准确性。另外,本研究还依据这些数据建立了简易的支持采煤联动滚筒自动调高的控制模型。其主要的思想是根据图像采集装置所获取的图像,结合工作面液压支架的具体信息(如支架宽度尺寸、护帮宽度尺寸),将所有的长、宽、高量化,使其能够有效地应用到实际的采煤机控制中。这部分研究主要包含两部分,一是对图像数据的尺寸量化;二则是建立简易的便于控制的坐标系。针对数据量化,本研究分析了在差别最大的像素点可能带来的影响,并提出了量化的计算方法;针对建立坐标系,本研究提出了以端头支架作为起点,支架水平位置作为横坐标,采高作为纵坐标的简易二维模型。如此的处理方式,使研究中的图像信息能够与实际工作面的自动化控制方式更为接近,能够将分析后的数据应用到实际的采煤机控制中。最后,在实际的矿井工作面,根据研究中所述的方式,对试验工作面图像采集装置所获取的图像应用本研究所述的算法进行了分析,获取了一些工作面的实际数据信息,完成了对工作面局部煤岩界面的识别,并获取了该部分的采煤机采高线。这对今后的煤岩界面识别研究带来一定的指导意义。本文的主要创新点如下:(1)提出了一种适用于煤矿工作面顶板煤岩识别的空间滤波器,实现了对煤岩界面图像的优化。并应用所提出的煤岩识别滤波器、结合半监督的高斯混合模型和支持向量机对煤岩分类进行研究。(2)提出了一种基于图像处理的适用于煤矿综采工作面的可与采煤联动的控制模型。实现了在工作面采掘过程中应用图像处理的手段进行煤岩识别研究。(3)提出了一种高效特征点结合煤岩分界数据的图像配准方式,将煤岩识别的分块区域的局部煤岩数据整合,完成煤岩分界数据的总体融合。并根据煤岩识别的最终数据和工作面的基本模型,模拟煤岩分界线的实际高度,并依据此高度建立简易的工作面采高模型。在今后的研究中,也有许多地方需要继续改进。其一,此文章中所述的算法确实改进了煤岩识别的通用性,但是通用性仍然略显不足,仅对少有的几个工作面进行了研究分析。之后在研究中需进一步分析不同工作面的煤岩数据,改进识别算法,使其能够更加符合大多数煤矿工作面的需求。其二,煤岩识别的整合存在累积误差。会随着数据整合的进行误差越来越大。在之后的研究中,可多种传感器数据并且辅以液压支架和图像采集装置的关联关系,对煤壁的整合进行改进。另外,当前建立的采高模型建立较为简单,仅为简易的二维模型。在之后的研究中,可以引入多种传感装置和陀螺仪,结合工作面图像信息,建立工作面的三维的虚拟现实模型,加强采煤机的自动控制。