最新录用栏目展示本刊经同行评议确定正式录用的文章，这些文章目前处在编校过程，尚未确定卷期及页码，但可以根据DOI进行引用。
当前状态:
, 最新更新时间:
摘要:
由于煤矿井下环境复杂，导致监控设备采集到的图像受煤尘、水雾影响出现模糊退化现象，目前的图像清晰化算法对井下尘雾图像的处理大多存在图像偏暗、细节丢失和过度增强等问题。针对上述问题，本文提出一种基于增强网格网络的井下尘雾图像清晰化算法，该算法由前处理模块、主干模块和图像输出模块三部分组成。首先，尘雾图像经前处理模块生成一组特征图作为主干模块的输入，而后特征图经主干网格网络进行基于注意力的多尺度变换，以充分提取图像不同尺度的特征，最后图像输出模块将融合的特征信息进行处理，输出清晰化图像。训练过程中先运用现有合成数据集对网络进行初步训练，再加入井下自建数据集对网络进行二次训练。实验结果表明，相较于暗通道先验算法等6种有代表性的清晰化算法，本文算法在主客观评价方面都有不同程度的提高，表明本文算法能够有效提升井下尘雾图像的清晰度和可视化效果。
由于煤矿井下环境复杂，导致监控设备采集到的图像受煤尘、水雾影响出现模糊退化现象，目前的图像清晰化算法对井下尘雾图像的处理大多存在图像偏暗、细节丢失和过度增强等问题。针对上述问题，本文提出一种基于增强网格网络的井下尘雾图像清晰化算法，该算法由前处理模块、主干模块和图像输出模块三部分组成。首先，尘雾图像经前处理模块生成一组特征图作为主干模块的输入，而后特征图经主干网格网络进行基于注意力的多尺度变换，以充分提取图像不同尺度的特征，最后图像输出模块将融合的特征信息进行处理，输出清晰化图像。训练过程中先运用现有合成数据集对网络进行初步训练，再加入井下自建数据集对网络进行二次训练。实验结果表明，相较于暗通道先验算法等6种有代表性的清晰化算法，本文算法在主客观评价方面都有不同程度的提高，表明本文算法能够有效提升井下尘雾图像的清晰度和可视化效果。
<摘要>(30)
当前状态:
, 最新更新时间:
摘要:
综掘工作面割煤过程产尘是煤矿井下重要的粉尘污染源，对作业人员生命健康和矿井安全生产造成威胁。为掌握气幕控尘参数对综掘工作面粉尘污染的影响，对不同径向分风流量和负压控尘流量条件下的风流场演变和粉尘场扩散开展了数值模拟研究。结果表明：径向分风流量主要影响轴向射流场的卷吸效应，负压控尘流量主要影响工作面的负压强度，径向分风流量及负压控尘流量越大，巷道压、抽风侧风流流量及风速分布越均匀，流场整体转变为指向工作面的轴向，粉尘扩散距离随之减小，掘进司机处粉尘质量浓度随之降低，拟合获得粉尘扩散距离和掘进司机处粉尘质量浓度与径向分风流量比例和负压控尘流量比例间的数学关系。在此基础上，确定综掘工作面气幕控尘优化参数：径向分风流量为288m3/min，负压控尘流量为426m3/min。经现场实测，结果显示应用优化参数后，掘进司机处降尘率达93.5%，人员作业环境得到明显改善。
综掘工作面割煤过程产尘是煤矿井下重要的粉尘污染源，对作业人员生命健康和矿井安全生产造成威胁。为掌握气幕控尘参数对综掘工作面粉尘污染的影响，对不同径向分风流量和负压控尘流量条件下的风流场演变和粉尘场扩散开展了数值模拟研究。结果表明：径向分风流量主要影响轴向射流场的卷吸效应，负压控尘流量主要影响工作面的负压强度，径向分风流量及负压控尘流量越大，巷道压、抽风侧风流流量及风速分布越均匀，流场整体转变为指向工作面的轴向，粉尘扩散距离随之减小，掘进司机处粉尘质量浓度随之降低，拟合获得粉尘扩散距离和掘进司机处粉尘质量浓度与径向分风流量比例和负压控尘流量比例间的数学关系。在此基础上，确定综掘工作面气幕控尘优化参数：径向分风流量为288m3/min，负压控尘流量为426m3/min。经现场实测，结果显示应用优化参数后，掘进司机处降尘率达93.5%，人员作业环境得到明显改善。
<摘要>(19)
当前状态:
, 最新更新时间:
摘要:
近年来，我国有关部门多次发布推进煤矿智能化建设的政策文件，要求将智能化技术与煤炭产业融合。无人驾驶作为当下热门的智能化技术，已被认为是煤矿智能化建设的重要手段。无人驾驶包括环境感知、定位建图、规划决策、自动控制等几大环节，其中，定位建图是各环节的前提与基础。SLAM是目前主流的定位建图技术，已针对地面、室内环境进行多年研究，并在多领域得到应用；但目前针对矿山复杂环境的研究尚处于起始阶段，具有广阔的发展前景。为推动SLAM技术在矿山无人驾驶领域的发展，对SLAM技术原理、成熟SLAM方案、现阶段矿山SLAM研究现状、未来矿山SLAM发展趋势进行了探讨。首先，明确了SLAM技术原理及框架；之后，由于SLAM技术在矿山无人驾驶领域的研究应用可借鉴地面成熟的技术方案，调研了目前地面具有代表性的SLAM方案，并根据所使用传感器，从视觉、激光以及多传感器融合三方面对其进行归类、分析与总结，得出了“多传感器融合是优化SLAM技术的重要手段”结论；接着，探究了现阶段矿山SLAM技术的研究现状，分析了视觉、激光、多传感器融合三种SLAM方案在井工煤矿、露天矿山的适用性与研究价值，得出了“多传感器融合SLAM是井工煤矿领域的最佳研究方案”、“SLAM技术在露天矿山领域研究价值不高”结论；最后基于前文分析，结合人工智能以及硬件发展趋势，提出矿山无人驾驶领域SLAM技术未来应向多传感器融合、固态化、智能化方向发展。
近年来，我国有关部门多次发布推进煤矿智能化建设的政策文件，要求将智能化技术与煤炭产业融合。无人驾驶作为当下热门的智能化技术，已被认为是煤矿智能化建设的重要手段。无人驾驶包括环境感知、定位建图、规划决策、自动控制等几大环节，其中，定位建图是各环节的前提与基础。SLAM是目前主流的定位建图技术，已针对地面、室内环境进行多年研究，并在多领域得到应用；但目前针对矿山复杂环境的研究尚处于起始阶段，具有广阔的发展前景。为推动SLAM技术在矿山无人驾驶领域的发展，对SLAM技术原理、成熟SLAM方案、现阶段矿山SLAM研究现状、未来矿山SLAM发展趋势进行了探讨。首先，明确了SLAM技术原理及框架；之后，由于SLAM技术在矿山无人驾驶领域的研究应用可借鉴地面成熟的技术方案，调研了目前地面具有代表性的SLAM方案，并根据所使用传感器，从视觉、激光以及多传感器融合三方面对其进行归类、分析与总结，得出了“多传感器融合是优化SLAM技术的重要手段”结论；接着，探究了现阶段矿山SLAM技术的研究现状，分析了视觉、激光、多传感器融合三种SLAM方案在井工煤矿、露天矿山的适用性与研究价值，得出了“多传感器融合SLAM是井工煤矿领域的最佳研究方案”、“SLAM技术在露天矿山领域研究价值不高”结论；最后基于前文分析，结合人工智能以及硬件发展趋势，提出矿山无人驾驶领域SLAM技术未来应向多传感器融合、固态化、智能化方向发展。
<摘要>(36)
当前状态:
, 最新更新时间:
摘要:
在矿山井下斜坡道运输过程中，由于路况不良和线路复杂，常出现管控薄弱、错车困难、堵车、顶牛等问题，严重影响了井下运输安全和工作效率。本文针对这些问题，提出并分析了基于UWB精确定位技术的井下斜坡道运输交通管控系统的控制原理。然而，由于UWB定位技术的动态精度不足以及车辆定位卡采样间隔长和数据丢失等问题，传统闭锁控制的效果较差。为了解决这些问题，本文提出了一种结合强跟踪自适应卡尔曼滤波与到位时间预测的算法，并设计了状态观测器以评估改后控制性能和效果。实验结果表明，经过算法改良后，系统的动态与静态位置误差分别提高25.67%和27.19%；速度动态与静态误差分别提高25.28%和34.73%，信号灯门限逻辑的响应时间更快，闭锁有效率达到99.5%，显著提升了井下斜坡道运输交通管控系统的实时性和控制可靠性。
在矿山井下斜坡道运输过程中，由于路况不良和线路复杂，常出现管控薄弱、错车困难、堵车、顶牛等问题，严重影响了井下运输安全和工作效率。本文针对这些问题，提出并分析了基于UWB精确定位技术的井下斜坡道运输交通管控系统的控制原理。然而，由于UWB定位技术的动态精度不足以及车辆定位卡采样间隔长和数据丢失等问题，传统闭锁控制的效果较差。为了解决这些问题，本文提出了一种结合强跟踪自适应卡尔曼滤波与到位时间预测的算法，并设计了状态观测器以评估改后控制性能和效果。实验结果表明，经过算法改良后，系统的动态与静态位置误差分别提高25.67%和27.19%；速度动态与静态误差分别提高25.28%和34.73%，信号灯门限逻辑的响应时间更快，闭锁有效率达到99.5%，显著提升了井下斜坡道运输交通管控系统的实时性和控制可靠性。
<摘要>(17)
当前状态:
, 最新更新时间:
摘要:
煤炭工业作为我国的支柱产业，为国民经济的发展做出了突出贡献。然而，煤矿开采过程中产生的粉尘污染问题严重影响了井下工作人员的健康和生产安全。为了解决这一问题，基于康达效应对传统的长压短抽式通风除尘系统进行了改进，并通过卷积神经网络对改进后的系统进行智能参数优化。通过有限元建模仿真与对改进康达效应通风除尘系统进行参数优化与验证，结果表明，改进后的除尘系统在压抽比2:3时达到最好的除尘效果，且相较于相同风压比下的长压短抽式通风除尘系统，改进后的系统在司机处及下风侧处平面下的平均粉尘浓度分别降低了5.56%和55.41%。通过搭建等比例缩小的改进康达效应通风除尘系统实验平台收集除尘调控参数，进一步利用神经网络模型对不同除尘调控参数下的粉尘浓度进行预测从而实现参数智能优化，实现了不同初始粉尘浓度最佳除尘效果调控参数的预测与验证。得出改进康达效应的综掘面同分除尘系统在初始粉尘浓度为900 mg·m-3下使用第6组调控方案时除尘效率最高、司机处和下风侧处的粉尘浓度分别下降了80.35%和87.42%。结果表明改进康达效应的综掘面通风除尘系统通过卷积神经网络智能参数调控后具有较高的除尘效率。
煤炭工业作为我国的支柱产业，为国民经济的发展做出了突出贡献。然而，煤矿开采过程中产生的粉尘污染问题严重影响了井下工作人员的健康和生产安全。为了解决这一问题，基于康达效应对传统的长压短抽式通风除尘系统进行了改进，并通过卷积神经网络对改进后的系统进行智能参数优化。通过有限元建模仿真与对改进康达效应通风除尘系统进行参数优化与验证，结果表明，改进后的除尘系统在压抽比2:3时达到最好的除尘效果，且相较于相同风压比下的长压短抽式通风除尘系统，改进后的系统在司机处及下风侧处平面下的平均粉尘浓度分别降低了5.56%和55.41%。通过搭建等比例缩小的改进康达效应通风除尘系统实验平台收集除尘调控参数，进一步利用神经网络模型对不同除尘调控参数下的粉尘浓度进行预测从而实现参数智能优化，实现了不同初始粉尘浓度最佳除尘效果调控参数的预测与验证。得出改进康达效应的综掘面同分除尘系统在初始粉尘浓度为900 mg·m-3下使用第6组调控方案时除尘效率最高、司机处和下风侧处的粉尘浓度分别下降了80.35%和87.42%。结果表明改进康达效应的综掘面通风除尘系统通过卷积神经网络智能参数调控后具有较高的除尘效率。
<摘要>(14)
当前状态:
, 最新更新时间:
摘要:
为解决综掘面降尘措施难以合理利用的问题，本文提出了一种基于本征正交分解(POD)与机器学习的综掘面流场快速预测算法，该算法首先利用POD将多种工况下风流场数据或粉尘浓度数据进行降维，得到流场工况的基函数模态与模态系数，通过机器学习方法预测不同工况下占总能量达到90%以上的模态系数，从而对未知工况的模态系数进行预测，利用预测得到的模态系数与基函数模态进行重构便可得到未知工况的风流场数据或粉尘浓度场。通过对比得到支持向量机模型对模态系数的预测能力优于其他模型。通过综掘面300种工况下的数值模拟结果作为数据样本，使用支持向量机模型对风流场与粉尘浓度场进行预测仅需数值模拟花费时间的1/816，且对比60种工况下的预测结果与数值模拟结果可知：各网格的风流速度相对误差为0.36m/s，粉尘浓度相对误差为86.24mg/m3。
为解决综掘面降尘措施难以合理利用的问题，本文提出了一种基于本征正交分解(POD)与机器学习的综掘面流场快速预测算法，该算法首先利用POD将多种工况下风流场数据或粉尘浓度数据进行降维，得到流场工况的基函数模态与模态系数，通过机器学习方法预测不同工况下占总能量达到90%以上的模态系数，从而对未知工况的模态系数进行预测，利用预测得到的模态系数与基函数模态进行重构便可得到未知工况的风流场数据或粉尘浓度场。通过对比得到支持向量机模型对模态系数的预测能力优于其他模型。通过综掘面300种工况下的数值模拟结果作为数据样本，使用支持向量机模型对风流场与粉尘浓度场进行预测仅需数值模拟花费时间的1/816，且对比60种工况下的预测结果与数值模拟结果可知：各网格的风流速度相对误差为0.36m/s，粉尘浓度相对误差为86.24mg/m3。
<摘要>(15)
2024, 50(9): 1-12.
doi: 10.13272/j.issn.1671-251x.18213
摘要: 综放开采技术是厚及特厚煤层开采的有效方法，已成为我国在世界煤炭开采行业的标志性技术。综述了“四要素”放煤理论、顶煤采出率与含矸率关系、基于块度分布的采出率预测模型、煤流瞬时含矸率−累计含矸率关系等智能放煤理论研究进展。分析了智能放煤技术难点，指出含矸率是影响顶煤采出率和煤质的关键因素，放煤过程中含矸率的快速、准确计算是智能放煤技术突破的重点和关键。将智能放煤技术分为非图像识别智能放煤技术和图像识别智能放煤技术2类，对不同技术的研究进展、优缺点及使用条件进行了详细分析。非图像识别智能放煤技术包括记忆放煤技术、声音振动信号识别技术、γ射线探测技术、探地雷达技术、微波照射+红外探测技术、激光扫描放煤量监测技术等，图像识别智能放煤技术包括井下照度环境精准控制、放煤图像去尘算法、含矸率计算精度保障策略、煤岩红外图像识别等。
2024, 50(9): 13-19, 27.
doi: 10.13272/j.issn.1671-251x.2024070055
摘要: 煤和矸石的种类、表面纹理结构、变质和发育程度等因素都会对其发射率产生较为显著的影响，精准的发射率参数设置对红外热像仪测温及煤和矸石红外图像的识别至关重要。提出了一种基于匹配法的煤和矸石发射率测量方法，即采用表面热电偶与红外热像仪相结合的方式测量煤和矸石发射率。用密闭的电热炉对被测煤和矸石进行均匀加热，待被测煤和矸石均匀受热且稳定后，用表面热电偶对被测煤和矸石的选定区域进行真实温度测定（标定为t1），然后用红外热像仪对同一区域进行温度测定（标定为t2），最后对红外热像仪的发射率进行调试，当t2=t1时，得出的发射率即为被测煤和矸石在该温度下的真实发射率。实验结果表明：① 等温条件下，煤和矸石表面越粗糙，其发射率数值越大，表明煤和矸石表面的粗糙度是导致二者产生不同发射率的内在因素。② 4种不同种类煤和矸石发射率随温度的增大呈幂函数降低，且拟合函数相关系数R2达0.98以上，验证了匹配法应用于煤和矸石发射率测量的可行性。③ 采用反代法得出在不同温度条件下实测值与理论值的误差率均小于3%，验证了实验中测量的煤和矸石发射率的准确性。
2024, 50(9): 20-27.
doi: 10.13272/j.issn.1671-251x.18211
摘要: 分析了厚及特厚煤层智能化综放工作面围岩控制技术与智能化放顶煤技术发展现状及存在的问题，从巷道围岩高效支护、工作面超前支护、坚硬特厚顶煤冒放性、液压支架位姿监测及智能化放顶煤5个方面提出了工程实际需求。针对综放工作面实现安全、高效、智能化开采存在的技术难题与工程需求，对综放工作面围岩控制技术、智能化放煤技术进行了研究：构建了坚硬特厚煤层顶煤悬臂梁力学模型，研发了提高顶煤冒放性及放出率关键技术，实现了坚硬特厚煤层超大采高综放开采；研发了单元式超前液压支架顶梁可旋转自复位装置，实现了液压支架顶梁根据巷道顶板倾斜角度自动旋转支护，有效提高了单元式超前液压支架对巷道顶底板的适应性；提出了采用巷道支护液压支架替代传统锚网支护结构的思路，具有支护效率高、成本低、节省工作面超前支护等优点；开发了基于立柱与尾梁千斤顶行程的综放液压支架支护姿态监测装置与算法，提高了液压支架支护姿态解算效率与精度；提出了基于透明地质模型、煤量监测装置与煤矸识别装置融合的智能放煤控制方法，可有效解决多夹矸层特厚顶煤智能化放煤技术难题。提出智能地质保障技术、机器视觉精准测量与智能感知技术、综放工作面设备智能精准自适应控制技术、综放工作面数字孪生技术等是智能化综放开采技术与装备的发展趋势。
2024, 50(9): 28-40.
doi: 10.13272/j.issn.1671-251x.18212
摘要: 放煤机构的精准控制是实现智能化、无人化放顶煤开采的重要基础，放煤机构与后部刮板输送机的空间关系及支架姿态对空间关系的影响规律是构建放顶煤支架控制模型的关键。以ZF17000/27.5/42D型低位放顶煤支架为研究对象，阐述了支架顶板和底板不同俯仰姿态下放煤机构与后部刮板输送机的空间关系；基于液压支架放煤机构开口度控制逻辑，搭建了支架姿态感知系统，提出了液压支架放煤机构末端运动学分析方法；建立了基于D−H矩阵的低位放顶煤液压支架放煤机构末端运动学模型，并据此构建了液压支架放煤机构开口度计算模型，平均计算误差仅为1.71%，满足现场应用精度要求；提出了基于姿态反馈的支架放煤机构闭环控制方法，并将基于放煤机构开口度计算模型开发的放煤决策模型应用于现场。应用效果表明：自动放煤时各支架平均放煤时间的均方差仅为0.13 min，较人工放煤方式整体放煤效率提高20%～43.9%；顶煤采出率达89%，后部刮板输送机负载更加均衡，过载率仅为0.73%。
2024, 50(9): 41-46, 107.
doi: 10.13272/j.issn.1671-251x.2024030041
摘要: 目前对综放智能化的研究主要聚焦于感知方面，对放煤过程智能化的研究较少，自动放煤控制技术存在自适应性不足、效率较低、放煤质量难以把控等问题。为了提升放煤过程的智能化水平与运行效率，设计了一种基于工艺引擎的规划放煤控制系统。该系统由放煤管控单元和窗口决策单元组成：规划放煤管控单元通过异步递进的放煤调度策略、柔性切换技术及规划放煤工艺编辑引擎，实现采煤机位置弱关联的自动顺序放煤及工艺在线编辑，通过关联后部刮板输送机负载，动态调整工艺启停，保障刮板输送机安全作业；窗口决策单元通过PID控制算法动态调节尾梁角度，实现放煤窗口反馈控制，采用遗传算法优化BP神经网络对放煤窗口大小进行智能决策，以适应不同工况，提高放煤质量。现场应用结果表明：基于异步递进的放煤调度策略与柔性切换技术提升了单刀自动运行效率，无需再手动接管；每一班组自动化运行刀数提升了33.3%；系统关联的后部刮板输送机负载、泵站等设备可动态调整工艺启停，每班后部刮板输送机平均停止次数下降了61.1%，可保障作业安全；工艺编辑引擎能适应多种场景下的应用，工艺调整用时大幅度降低；后部动作与前部动作相互叠加，使得单刀平均用时缩短了9.3%，提升了开采效率；倾角传感关联控制与规划放煤窗口智能决策将每日发热量提升了10.3%，改善了放煤质量。
2024, 50(9): 47-58.
doi: 10.13272/j.issn.1671-251x.2024060003
摘要: 目前针对综放开采中顶煤放出规律的数值模拟研究中，对于顶煤运动的连续−非连续性问题需复杂的耦合算法，必须解决煤岩界面信息精确交互问题，且忽略了刮板输送机输送过程。针对该问题，基于光滑粒子动力学构建了无网格数值计算模型，通过建立连续介质力学控制方程的光滑粒子动力学离散方程，并引入弹塑性土体本构模型和Drucker−Prager屈服准则，实现了顶煤坍塌、运移、放出过程的动态模拟。考虑采场实际放煤和输煤过程，构建了刮板输送机模型，模拟沿工作面水平方向顶煤放出和底煤输送过程，得到不同刮板输送机运行速度（0~1.5 m/s)下的煤岩界面和煤流速度变化规律。仿真结果表明：弹塑性土体本构模型可有效模拟颗粒的流动行为，通过设定摩擦角、弹性模量等材料参数，避免了传统离散元法模型的参数不定问题；煤流速度稳定后，放煤口附近的顶煤应力分布呈 “双峰”形态；刮板输送机运行速度对放煤时间影响较大，但对终止的煤岩界面和放出体形状影响较小；多支架同时放煤需考虑刮板输送机的输送能力，不同支架之间的底煤输送干涉可能导致放煤口的堵塞效应； “见矸关门”准则导致不同放煤口放煤量存在差异，40个放煤口顶煤放出量的标准差（7.52 m2）高于自动放煤的标准差（1.93 m2）。
2024, 50(9): 59-65, 137.
doi: 10.13272/j.issn.1671-251x.2024080011
摘要: 针对现有基于深度学习的综放工作面混矸率检测方法在井下低照度、高粉尘、煤矸堆叠等复杂条件下存在煤矸识别精度低、分割效果差、模型参数量和运算量大、未实现混矸率的实时检测等问题，提出了一种基于GSL−YOLO模型的混矸率检测方法。GSL−YOLO模型在YOLOv8−seg的基础上进行以下改进：在主干网络中引入全局注意力机制（GAM），通过减少信息弥散和放大全局交互表示提高模型特征提取能力；选用具有高效局部聚合网络的空间金字塔池化（SPPELAN）模块，提升模型处理不同尺寸目标时的检测性能；采用轻量级非对称多级压缩检测头（LADH），降低模型的训练难度，同时提高推理速度。提出了一种基于类别分割掩码的混矸率计算方法，该方法基于煤流图像处理结果中的分割掩码信息，计算其中矸石的像素面积与总像素面积的比值，作为瞬时混矸率。实验结果表明：① GSL−YOLO模型的mAP@0.5∶0.95达96.1%，比YOLOv8−seg模型提高了0.8%。② GSL−YOLO模型的参数量为2.9×106个，浮点运算次数为11.4×109，模型权重为6.0 MiB，比YOLOv8−seg模型分别降低了12.1%，5.8%，11.8%，实现了模型的轻量化。③ GSL−YOLO模型在测试集上的帧率为12帧/s，基本满足实时检测要求。④ 与YOLO系列模型相比，GSL−YOLO模型分割效果最好，检测精度最高，参数量和运算量较少，综合性能最佳。⑤ 基于截取的综放工作面后部刮板输送机上煤流视频中的3帧图像，计算了瞬时混矸率，结果表明，提出的混矸率计算方法基本实现了综放工作面混矸率的实时计算。
2024, 50(9): 66-74.
doi: 10.13272/j.issn.1671-251x.2024070058
摘要: 传统的基于图像检测技术的放顶煤过程中煤流动态特性研究多侧重于某一特定阶段的图像分析，未结合全阶段的动态特性进行综合分析；现有研究较少将放顶煤过程中上覆岩层的松散区变化与放煤过程中的煤矸分离和煤流特性相结合，缺乏对放煤过程的全局性系统分析。针对上述问题，对放顶煤过程中的煤流动态特性、煤矸分离效果及上覆岩层松散区凹陷变化进行了系统研究。首先，提出了一种基于双光流网络的放顶煤过程动态分析方法。实验结果表明：不同放煤方案下，放煤速度不随放煤形式和规律的变化而改变，平均检测准确率随着放煤口数量的增多而提高，尤其在不同放煤步距阶段呈明显线性增长；顶煤放出率与平均检测准确率呈正相关关系，验证了该方法在放顶煤过程监测中的有效性。其次，利用OpenCV技术对上覆岩层松散区凹陷面积进行实验分析。结果表明，初始放煤阶段松散区凹陷面积急剧增长，随后随时间推移逐渐趋于稳定；通过凹陷面积的动态变化趋势，可有效判断顶煤的放出过程，实现透明化放煤监测。最后，结合称重实验数据，分析了放煤量、放出率与含矸率之间的关系。结果表明，初始放煤阶段纯煤放出量最大，周期放煤阶段纯煤放出量趋于稳定，含矸率则随着放煤口数量的增多而减少。该结果进一步揭示了放煤方式对煤矸分离和顶煤放出率的影响。
