1. 论文提出矿井视觉计算主要通过构建煤矿井下环境的感知、描述、识别和理解的计算模型，以使计算机具有通过图像或视频感知煤矿井下三维环境信息的能力。
2. 围绕矿井视觉计算的基本概念，论文重点比较分析了计算机视觉与矿井视觉计算的异同，总结提出煤矿井下视觉计算的组成架构体系。
3. 分析总结矿井视觉计算所涉及的视觉感知与增强、特征提取与特征描述、语义学习与视觉理解、三维视觉与空间重建以及感算一体与边缘智能等关键技术，并给出视觉计算在煤矿井下的典型应用案例。
程健1, 2, 3, 李昊1, 2, 马昆4, 刘斌5, 孙大智1, 2, 3, 马永壮1, 2, 3, 殷罡1, 2, 王广福1, 2, 3, 李和平1, 2, 3
1. 煤炭科学研究总院有限公司 矿山大数据研究院
2. 天地科技股份有限公司
3. 煤炭智能开采与岩层控制全国重点实验室
4. 国家能源集团宁夏煤业有限责任公司 金家渠煤矿
5. 国家能源集团宁夏煤业有限责任公司 羊场湾煤矿
煤矿井下特别是采掘工作面空间狭窄、装备众多、工艺条件及环境复杂、隐蔽致灾隐患多，因此，实现智能化无人操作一直是煤炭行业的普遍需求。建立有效的面向煤矿井下应用的视觉计算理论是实现煤炭智能化无人开采的重要一环。矿井视觉计算的主要任务是针对矿井这一特定应用领域，研究煤矿井下环境的感知、描述、识别和理解模型与框架，以使智能装备具有通过图像或视频感知煤矿井下三维环境信息，增强煤矿井下环境感知能力。为了有效推进该理论与实践的结合发展，使其更好地服务于煤矿智能化建设，首先围绕煤矿井下视觉计算的基本概念，分析计算机视觉与矿井视觉计算的异同，总结提出煤矿井下视觉计算的组成架构体系。然后，详细介绍煤矿井下视觉计算所涉及的视觉感知与增强、特征提取与特征描述、语义学习与视觉理解、三维视觉与空间重建、感算一体与边缘智能等关键技术，并从矿井视频智能识别、预警与机器人定位、导航等方面简要介绍视觉计算在煤矿井下的典型应用案例。最后给出煤矿井下视觉计算的发展趋势和展望，重点总结分析了目前矿井视觉计算在煤矿井下应用中存在的关键技术难题和矿井增强现实/混合现实、平行智能采矿两种重要的发展方向。随着煤矿井下视觉计算理论的不断突破和完善，矿井视觉计算在煤矿智能化发展中必将发挥越来越重要的作用。
程健，博士，研究员，博士生导师，中国煤炭科工集团二级首席科学家，煤炭科学研究总院（中央研究院）矿山大数据研究院学术带头人，煤炭科学研究总院和中国矿业大学（北京）博士生导师，中国煤炭工业技术委员会委员，中国通信企业协会无线接入系统专业委员会副主任委员。先后在中国矿业大学工业电气自动化、控制理论与控制工程和通信与信息系统专业获学士、硕士和博士学位，清华大学控制科学与工程博士后，英国伯明翰大学（University of Birmingham）计算机科学博士后。
主要从事机器学习与智能优化、机器视觉与模式识别、矿山大数据与工业互联网、矿山机器人与无人机技术等理论及应用研究。
主持和参与国家重点研发计划项目、国家自然科学基金重点项目和面上项目、国家博士后科学基金面上项目等纵向课题15项，主持企业合作横向课题20余项。获得省部级以上科研奖励7项，在学术期刊及国际会议发表学术论文70余篇，其中SCI收录21篇，EI收录35篇。国家发明专利40余件（授权20件）、软件著作权6项。
程健，李昊，马昆，等.矿井视觉计算体系架构与关键技术[J]. 煤炭科学技术，2023，51（9）：202−218.
CHENG Jian，LI Hao，MA Kun，et al. Architecture and key technologies of coalmine underground vision computing[J]. Coal Science and Technology，2023，51（9）：202−218.
END 责任编辑：周子博
设计排版：冯春晖
责任编辑：周子博
设计排版：冯春晖
