带式输送机是煤矿企业生产的核心设备,特点是输送能力强、输送距离远、持续输送等特性。智慧矿山建设进程中,视觉检测装置逐步在煤矿生产中部署。通过视觉测量带式输送机运载煤流量,指导电机转速调节优化,有助于实现节省能源、保证煤矿主运输系统运行安全。针对双目视觉测量带式输送机煤流量,由于煤料颜色纹理重复单一导致图像立体匹配失败的问题、煤料颗粒间隙不均匀随机分布导致煤料堆积密度难以计算的问题,具体研究基于深度学习的煤料深度信息计算方法、基于离散元法的煤料堆积密度计算方法和分布式计算带式输送机运载煤流量方法。主要的工作内容如下:（1）提出一种基于深度学习的煤料深度图计算方法,具体包括煤料图像预处理和基于PSM-Net模型的煤料视差图计算方法。煤料图像预处理部分,由基于Bouguet算法的图像校正、基于霍夫变换算法的图像分割、基于直方图均衡化的图像增强三大模块构成。煤料立体匹配模型PSM-Net部分,采用模型预训练和模型微调结合的方法进行训练。首先用数据量较大的Scene Flow和KITTI2015数据集进行模型预训练,然后利用本文制作的煤料立体匹配数据集进行模型微调。与传统图像立体匹配算法相比,本文方法计算出的煤料视差能够更好描绘出煤料颗粒表面凹凸分布、视差深浅的特性。（2）提出一种煤料堆积密度在线计算方法,具体包括煤料堆积表面图像圆形度、矩形度计算和煤料堆积填充率在线计算模型构建。通过CCD相机获取带式输送机运载煤料表面图像,进而进行形态学开运算、OTSU图像分割、边缘计算,获取煤料堆积表面圆形度、矩形度。然后依据离散元法,对煤料堆积填充率在线计算方法进行模型构建,获取煤料堆积填充率。最后,依据煤料颗粒密度,实时计算出煤料堆积密度。经数值模拟验证,提出的煤料堆积密度在线计算方法平均误差为2.349%。（3）提出一种煤料堆积密度离线计算方法,具体包括煤料颗粒三维尺寸长、宽、高的测量和煤料堆积填充率离线计算模型构建。通过测量少量煤堆颗粒的三维尺寸长、宽、高,进而获取近似表面积和体积,计算出其球形度。然后,依据离散元法,对煤料堆积填充率离线计算方法进行模型构建,获取煤料堆积填充率。最后,依据煤料颗粒密度,计算出煤料堆积密度。经数值模拟验证,提出的煤料堆积密度离线计算方法平均误差为3.389%。（4）提出一种分布式计算带式输送机运载煤流量方法,具体包括带式输送机运载煤料体积计算和胶带运载煤料分布状态估计。将胶带运载煤料体积与空载胶带体积进行实时差分计算,获得带式输送机运载煤料体积。然后,通过获取同一位置、不同时刻的煤料体积,进而获取整条胶带煤料载荷分布情况,进而获取带式输送机实时运载总煤流量。与传统图像立体匹配算法相比,本文提出的方法具有明显优势,原型系统运行时间为1127ms,煤流量测量精度能够达到98.7043%。该论文有图51幅,表7个,参考文献97篇。