针对短时间主动热激励作用下煤岩介质表征差异不明显，不易快速、准确识别煤岩界面的难题，提出一种基于改进金字塔场景解析网络（pyramid scene parsing network，简称PSPnet）模型-MobileNetV2的煤岩界面快速精准识别方法。通过搭建煤岩主动红外试验平台，采集并获取短时主动热激励作用下的煤岩界面红外热图像，构建了煤岩红外图像数据集；对传统PSPnet模型进行改进，采用轻量级网络模型MobileNetV2作为主干网络提取特征，大幅降低了网络模型所占内存和训练时间，同时将注意力机制模块（convolutional block attention module，简称CBAM）与金字塔场景解析（pyramid scene parsing， 简称PSP）模块的上采样特征层和PSPnet网络模型的浅层特征层进行融合，有效提升模型对特征的细化能力。试验结果表明：基于改进的PSPnet-MobileNetV2网络模型所占内存仅为9.12 MB，较原始PSPnet模型减少了94.88%；煤和岩的交并比为96.52%和96.87%，分别提升了8.29%和7.7%；像素准确度分别为97.25%和99.15%，较原始网络模型分别提升了7.32%和1.64%；测试时间降低了53.70%。该方法为煤岩界面的快速和预先精准识别提供了一种有效技术手段。