综采工作面煤岩识别是实现煤矿智能化无人开采的关键技术。目前,基于图像的煤岩识别研究主要是对煤岩进行分类识别,对煤岩复杂混合层界面的识别研究较少。因此,提出了一种基于卷积神经网络的煤岩信息识别边缘计算系统,该系统包括煤矸石智能分类单元以及煤岩层智能语义分割和视觉重构单元。在煤矸石智能分类单元,采用数据增强模块和图像显著化处理模块处理图像,获得的显著化图像经过 VGG16深度网络模型进行分类识别。试验结果表明,在自制煤矸石数据集上该模型测试准确率可达99.07%;在煤岩层语义分割和视觉重构单元,将通道注意力模块(ChannelAttention,CA)嵌入到 DeepLabv3+的主干网络中,并采用Poly自适应学习策略自动调整网络训练的学习率,构建了一种适用于煤岩层图像分割的 CA_Poly_DeepLabv3+ 网络,在自制 煤 岩 分 割 数 据 集 上 的 平 均 交 并 比 定 量 指 标 为66.81%,相较于 DeepLabv3+基准网络提高了7.74个百分点,实现了较好的界面分割识别和视觉重构。