煤炭仍是我国未来的主体能源。随着综采工作面智能化程度的提高,掘进效率不足导致很多煤矿采掘失衡现象日益凸显。巷道掘进过程中煤岩识别是实现掘进机自适应截割的前提,是实现巷道掘进智能化与无人化的关键。掘进工作面低照度、高粉尘严重限制了煤岩识别的精度,对自适应截割提出了挑战,成为掘进工作面智能化发展的关键难题。因此论文提出基于光谱成像技术的煤岩特征信息检测与识别方法,结合多光谱相机采集的图像特征信息与光谱波段特征信息,建立煤岩识别模型,实现恶劣工况环境下煤岩特征信息检测与识别,解决在恶劣工况环境中煤岩识别率低的问题,为掘进工作面的智能化、少人化甚至无人化高效掘进提供有力支撑。针对煤岩在波段特征方面与图像特征方面难以区分问题,采用图像降维方法选择多波段下的图像信息,使用滤波算法对初步确定的图像信息进行滤波处理,通过灰度共生矩阵对预处理后的图像进行纹理信息采集,最终确定能量、熵、对比度、同质性四个纹理特征参数作为煤岩图像信息;并研究基于光谱特征信息的竞争性自适应重加权法、连续投影法、随机青蛙法和无信息变量消除法合计四种煤岩光谱特征信息提取方法,最终得到四种单一光谱特征作为煤岩光谱信息。针对煤岩图像信息与光谱信息简单组合后数据的冗余问题,采用煤岩多信息数据融合技术,提出基于主成分分析法与线性判别法的特征层降维融合方法,分别对全部光谱波段信息与纹理信息、四种波段提取方法选择的光谱波段信息与纹理信息简单组合后的特征信息进行降维融合,通过分析信息降维结果确定煤岩降维融合后的特征信息。针对煤岩样本少、相似度大等问题,研究基于最小二乘支持向量机和逻辑回归的建模方法,提出基于煤岩特征信息识别的建模流程,分别对煤岩单一特征信息、简单组合特征信息和降维融合特征信息建模,通过分析建模结果分类视图确定最佳煤岩特征信息检测方法与识别模型。最后,搭建煤岩特征信息检测与识别平台,研发出适用于煤岩特征信息检测与识别的软件系统,实现数据采集、图像处理、光谱波段提取、信息融合、建模分析以及煤岩识别结果显示等功能。实验室良好环境和模拟煤矿恶劣环境（曝光度不足+粉尘）下实验结果表明:本文提出的煤岩特征信息检测与识别方法提高了煤岩样本识别率,同时获取的煤岩界面分布信息与实际煤岩分布一致,有助于解决巷道掘进过程中自适应截割难题,保障巷道掘进的智能化与无人化。