随着清洁高效利用煤炭和智能矿山建设的持续推进，基于双能量X射线传输（DE-XRT）的智能煤矸石分选已成为现代煤炭制备过程中的重要发展方向[1]。煤矸石分选的主要目的是高效去除原煤中的矸石，降低煤灰含量，提高煤炭质量和利用效率，减少后续洗涤、运输和燃烧过程中的无效负荷，从而实现高效煤炭利用和节能。与传统重介质分选相比，DE-XRT分选不需要分离介质，能够有效区分煤炭和矸石的密度差异，实现干式、连续和高通量分选，已广泛应用于原煤预处理和矸石去除[2]、[3]。分离出的矸石可根据其特性进一步利用，如地下回填、道路建筑材料、砖块和建筑材料生产、低热值燃料以及有价值元素资源的回收原料，从而提高矸石的资源利用率。
然而，随着原煤生产能力的扩大和智能采矿技术的进步，分选系统面临的物料条件变得越来越复杂，主要表现为输入颗粒尺寸范围的增加、多尺度颗粒比例的提高、处理量的增加以及设备带宽的扩展[4]。例如，TOMRA公司的分选设备带宽为2400毫米，处理能力为150-500吨/小时，适用于4-60毫米和10-125毫米的颗粒尺寸范围。尽管国内企业已将带宽提高到2800毫米，但颗粒尺寸范围仍限于13-50毫米和50-300毫米，相应的处理能力仅为90-320吨/小时。因此，在颗粒尺寸范围和单位处理能力方面仍与国际先进水平存在差距。为了实现更高的处理能力和更宽的颗粒尺寸范围，输送带上的物料表现出明显的空间分布异质性、增强的重叠和粘附现象，以及局部密集和稀疏区域的共存。最大颗粒尺寸与最小颗粒尺寸的比率甚至可超过10，显著增加了物料属性识别、分割和定位以及分选系统中气力控制的难度[5]。
先前的研究表明，物料的筛分和分布是影响XRT分离性能的关键因素之一。冯等人分析了不同颗粒尺寸和成分的煤炭和矸石的X射线识别特性，研究了填充率对分选精度和处理能力的影响，发现物料分布不均会降低执行端的分离精度[6]。鲍尔等人通过优化执行端的喷嘴结构和阵列布局，提高了分选系统对复杂颗粒尺寸的适应性[7]。沃克等人研究了物料流的质量流量和混合比对动态分选精度的影响，并提出了一种能够在变化条件下保持稳定性的循环分选控制器[8]。此外，尹基于响应面法和遗传算法优化了进料参数，实现了进料节奏和物料分布的协调控制[9]。近年来，研究重点逐渐转向煤炭和矸石颗粒的运动行为、多尺度煤炭和矸石的分布特性，以及重叠和粘附对成像和识别的影响[10]、[11]、[12]、[13]、[14]、[15]。然而，尽管现有研究揭示了物料宏观特性（如物料厚度[1]、填充率和颗粒尺寸分布）对识别性能的影响模式，但在系统性和定量测量图像层面的物料分布状态方面仍存在显著不足。
当前的分选系统通常缺乏能够测量和描述图像场景中物料实际空间分布的参数系统，如分布密度、重叠粘附率、分布分散度、左右偏移趋势等关键特征[5]。通过这些参数定量表征分布状态，可以带来多种好处。首先，它可以指导进料量、振动给料机的参数、输送带速度和气力分离的适应性控制。其次，可以实现异常情况的趋势预测和早期预警，如堵塞、物料偏差和堆积。然后，它有助于建立分布状态与后续分选阶段之间的关系，如煤炭和矸石识别的准确性、定位误差以及气力分离的准确性，并明确当分布状态达到某个阈值时，系统处于最佳运行状态，具有较高的处理能力和分选精度。最后，分布状态识别能够有效区分重叠和粘附的目标与独立目标，为进一步分割重叠和粘附的目标提供指导。
基于上述问题，迫切需要开发一种以图像为中心、基于参数特征的方法，能够真实描绘物料的多尺度空间分布状态。为此，本研究提出了一种综合技术方法，结合深度学习、参数量化建模和机器学习分类，基于实际矿井DE-XRT分选设备的运行数据，实现了重叠目标识别、分布状态参数化和分布形式分类，构建了适用于复杂物料条件的分布状态识别框架，为光电分选系统提供了技术支持，以实现更大的处理能力、更宽的颗粒尺寸范围和适应性控制。本研究的主要贡献如下：
- (1)
提出并开发了一套分布状态的参数化表征系统，能够定量描述煤矸石的分布状态。
- (2)
开发了独立目标和重叠粘附目标的识别模型。通过引入感受野增强模块和改进的训练策略，所有类别的平均精度（mAP50）从84.4%提高到了92.6%。
- (3)
建立了一个结合分布状态参数和机器学习分类器的两阶段识别框架，实现了六种分布形式的92.68%的分类精度。
- (4)
构建了一个涵盖实际工作条件的数据集，实现了适用于现场操作的实时识别性能。
