摘要: 煤矸识别技术是实现智能化放顶煤的关键。针对目前单一信息源煤矸识别不准或应用技术受限的问题，提出了一种基于图像与振动信号多信息融合的煤矸识别模型，包括图像特征提取模块、振动特征提取模块以及特征融合模块。采用全连接层的ResNet-18网络作为图像特征提取模块，采用一维卷积网络（1D-CNN）获取振动信号特征，之后通过多头注意力机制和多层LSTM网络实现双通道特征融合，用于强化各通道重要特征信息的表达。搭建放顶煤相似模拟平台，还原综放面多源信息环境，采集大量煤矸图像与煤矸振动数据。实验结果表明：多源特征融合模型平均识别准确度达到98.72%，相比传统单一的ResNet、MobilenetV3、1D-CNN、LSTM网络高出4.60%、7.96%、5.37%、4.58%和6.11%，相比近年来部分学者自主提出改进的煤矸识别模型EMD-RF、IMF-SVM与CSPNet-YOLOv7在识别精度方面分别高出4.18%、4.45%和3.46%，验证了多源融合在煤矸识别的有效性和优越性，提升了复杂环境下煤矸识别的准确性。