增加原煤的洗选率是提高煤质的重要途经,也符合当今煤炭资源清洁高效利用的趋势。在原煤入洗前,需对原煤中粒径较大的矸石进行分选处理,以达到后续破碎和洗选的要求。传统的煤矸分选主要由人工完成,存在着劳动强度大,分选效率低的问题。为了实现煤矸分选的自动化,本文研究设计了一套基于机器视觉的煤矸智能分选系统,该系统主要由负责采集图像及进行动态测试的煤矸分选平台、负责图像识别与定位的上位机煤矸分选软件以及控制执行机构动作的控制系统等组成。（1）本文在实验室搭建了煤矸分选平台,选用了黑色皮带的带式输送机来模拟选煤厂的实际工况,对相机、光源等关键设备的选型与安装进行了介绍,并基于平台采集了716张煤矸石图片作为后续图像处理的数据集。（2）本文采用了单隐层的多层感知机与深层的目标检测网络两种方法对煤矸石进行了识别。用多层感知机识别煤矸时,对煤矸石图像的特征提取算法进行了详细研究,最终得出经高斯滤波、背景减去、灰度线性变化、二值化阈值分割后的煤矸石图像可直接提取特征进行识别,并选取了隐层节点数为10时的多层感知机作为识别网络;用目标检测网络识别煤矸时,将目标检测网络中的特征金字塔设定为3个尺度,并确定了锚（参考边界框）的形状和大小,此外,通过对10个Io U（Intersection-over-Union）阈值下验证集平均精度的比较,得出Io U为0.8时目标检测网络的分类和定位效果最佳。通过对两种网络模型的验证集对比可得:目标检测网络代表的深度学习比单隐层感知机代表的浅层学习网络更适合于复杂工况下的煤矸石识别和定位。（3）根据煤矸图像识别定位后的数据和分选平台的硬件特性,采用RS485串口通信进行数据传输,并根据图像处理后的识别和定位数据设计了8数据位的信息帧;选用PLC作为下位机接收数据,并设计了可单独控制多套执行机构的控制程序。（4）为了实现分选系统的功能,本文基于MFC调用HALCON中的图像处理程序完成了上位机煤矸分选程序的编写,并以此为基础开发出煤矸分选的人机交互界面,将整个系统的图像采集、处理、数据发送功能进行了集成,此外,为了对系统性能进行准确的评估,本文在搭建的煤矸分选平台进行了动态测试,结果表明:若带式输送机上的煤矸石较多且粒径差别较大时,采用多层感知机的方法在图像分割时会出现无法分割的情况,动态识别的准确率为84.5%;而目标检测网络的方法能够对煤矸石进行准确的分类和定位,动态识别的精确度和召回率均达到了95%以上。由实验室搭建的煤矸分选平台、使用目标检测网络的上位机煤矸识别软件、PLC控制系统组成的煤矸分选系统可在煤矸石较少且粒径较为集中的情况下完成煤矸的动态识别。在实际工况下实现自动分选还需对分选平台的排队机构、执行机构等进行进一步优化,此外,本研究可为煤矸分选系统在选煤厂的应用提供参考。