2. 煤岩识别数据采集场景认知

煤岩识别模型的性能上限，在很大程度上由采集到的数据决定，而数据的面貌又由采集场景塑造。同样是“煤”和“岩”，在井下综采工作面与露天矿坑中呈现出的视觉特征可能截然不同；同一块岩石，在矿灯直射、巷道漫射光或露天强日照下，灰度、纹理对比度和颜色分布都会发生明显漂移。因此，在动手标注之前，必须先建立对采集场景的清晰认知：机器人处在什么环境、相机看到的是什么、哪些因素会让同类目标“看起来不像同一类”。

一、两类作业环境的差异

井下煤矿以综采工作面、掘进巷道、皮带运输巷为代表。其典型特征是空间受限、粉尘与水雾重、照度低且分布不均。综采工作面液压支架林立，相机常安装在采煤机摇臂、支架顶梁或巡检机器人云台上，视场被支架、电缆、喷雾遮挡，煤壁与顶底板岩层往往只露出一部分。掘进巷道则存在大量迎头粉尘，掘进机截割时产生的水雾会使图像出现局部模糊和光斑。井下还普遍存在低照度下的高增益噪声，以及矿灯、设备照明灯造成的强反光点。

露天煤矿以台阶式开采为主，电铲、矿卡、带式输送机、边坡巡检机器人是主要作业对象。其典型特征是光照强烈且方向性强、阴影对比大、天气与时段影响显著。正午阳光直射时煤面反光、阴影区细节丢失；阴天或逆光时整体偏灰；雨雪后煤岩表面湿润，颜色饱和度与纹理清晰度都会改变。露天场景还伴随远距离拍摄、尺度变化大、背景包含天空、植被、积水等干扰。

二、煤与岩石的视觉特征差异

从成像角度看，煤与岩石的区分主要依赖亮度、颜色、纹理和结构四个维度。煤通常呈现黑至黑褐色，反射率低，在可见光图像中灰度值偏低；岩石（如砂岩、泥岩、石灰岩）多呈灰、灰白、黄褐等色，整体亮度更高。纹理上，煤的断口常呈贝壳状或阶梯状，层理较发育，表面易附着煤粉而显得“细腻但发闷”；砂岩颗粒感明显，泥岩则常见薄层理和片状剥落。结构上，煤常以较厚的层状或块状出现，与顶底板岩层存在较清晰的层界面。

但必须强调，这些差异是统计意义上的倾向，而非绝对判据。例如亮煤、镜煤在特定角度下反光强烈，灰度可能接近浅色岩石；含碳质页岩、深色泥岩则可能被误判为煤。因此，采集阶段就要有意识地覆盖这些“边界样本”，而不是只采集典型易分的样本。

三、采集设备与光照条件的影响

采集设备方面，需重点关注相机类型、安装位置与运动状态。可见光工业相机适合纹理与颜色识别，红外热成像可辅助区分煤岩的热物性差异，双目或结构光相机可提供深度信息以分离层界面。相机安装高度与俯仰角决定了目标的成像尺度与透视变形；安装在采煤机摇臂等运动部件上时，振动会导致运动模糊，需要在采集时记录运动状态或提高快门速度。镜头焦距与工作距离共同决定空间分辨率，若单像素对应的实际尺寸过大，细层理和断口特征将无法保留。

光照条件的影响更为直接。井下矿灯多为点光源，近距离照射会造成中心过曝、边缘欠曝，形成明显的亮度梯度；喷雾水雾在光束中产生散射，形成白色雾团。露天场景中，太阳方位角变化使同一煤壁在上午与下午呈现不同阴影结构，阴影边缘容易被误认为层理或裂缝。实际采集中应尽量做到：固定或记录光源位置与色温、避免逆光直拍、对强反光区域采用偏振或调整拍摄角度、在一天中不同时段补充样本。

四、把场景认知落到采集设计上

基于上述分析，采集方案不应是“到现场随手拍”，而应有明确的覆盖设计。一个可操作的思路是建立场景—条件—样本的对应记录：每条数据除图像本身外，至少记录场景类型（井下/露天）、具体位置（工作面/巷道/台阶）、光源类型与方位、相机型号与安装方式、拍摄距离或焦距、粉尘水雾程度、拍摄时段。这些元信息在后续标注和混淆矩阵分析中极为关键——当发现“岩石被误判为煤”集中出现在某一光照条件下时，才能快速定位是数据覆盖不足还是特征确实难分。

在样本配比上，建议避免某一场景或某一光照条件占比过高。例如若井下样本占九成、露天仅一成，模型在露天场景的泛化能力必然受限；若强光直射样本远多于阴影样本，模型可能对阴影中的煤岩边界不敏感。合理的做法是先按场景和光照分层，再在每层内保证煤、岩石及边界样本都有一定数量，具体比例可依据实际作业场景的分布来确定，但应显式记录并在标注规范中说明。

最后需要认识到，采集场景认知直接服务于标注质量。标注人员若不了解井下点光源会造成中心过曝、露天阴影边缘酷似层理，就容易把光照伪影标成真实结构边界，把反光高亮区误标为岩石。因此在标注培训中，应结合本节所述场景特征，让标注者先能“看懂图是怎么来的”，再判断“哪里是煤、哪里是岩”。这也为后续混淆矩阵中误判来源的分析打下基础：很多混淆并非模型能力不足，而是采集与标注阶段对场景因素缺乏控制。