摇床是矿产行业主要的选矿设备之一,它被广泛用于选别各种稀有矿物。但是目前的选矿摇床存在无法实现矿物精准分离、实时调节不及时、矿物回收率低、耗费劳动力的缺点。因此针对这样的现状,本文进行了基于视觉的摇床自动接矿系统研究,重点研究摇床自动接矿系统设计中的难点问题,并提出可行的摇床自动接矿系统设计方案。首先,根据系统需求分析和自动接矿系统的应用场景,本文设计了基于视觉的摇床自动接矿系统的总体架构方案,将系统架构分为预备层(训练与评估检测算法)、控制层(人机界面与算法内核)以及应用层(控制器与执行机构),把各个模块职能明确到不同层级,方便系统各个部分的后续开发;并且根据自动接矿系统的架构方案进行了硬件选型以及通讯方案设计,搭建了试验模型;研究了系统对矿带分离点检测算法的需求;最后分析了摇床往复运动带来的误差,并阐述了接矿板位置标定方案,将接矿板坐标转换到了图像坐标系中。其次,本文重点研究了矿带分离点检测的难点问题,提出了基于卷积神经网络的矿带分离点检测算法。由于目前没有公开矿带图像数据集,本文采集了各种环境下的矿带图像,建立了带标注的矿带图像数据集,用于本文检测算法的训练,同时也方便其他研究者进行相关研究。本文使用Pytorch搭建了矿带分离点检测网络,通过本文数据集训练与评估得到最佳网络结构,并针对矿带图像的特性进行改进,与其他检测算法对比后验证了本文检测算法的优越性。其三,实现了基于视觉的摇床自动接矿系统。本文将系统架构中的控制层与应用层分别实现为:基于QT的软件中枢平台和基于STM32的运动控制系统,两者通过串口通讯。在软件中枢平台内核中,将检测算法封装为目标检测模块,提出并实现了一种阶梯式控制算法,该算法结合目标检测模块的检测结果,计算将接矿板移动到矿带分离点需要的控制动作,解决了将接矿板准确移动到目标位置的难点问题。最后,设计了测试实验验证了运动控制系统与软件中枢平台的功能完好性,使用试验模型进行了性能实验,并分析了实验数据,验证了本文设计方案的可行性。本文设计了基于视觉的摇床自动接矿系统方案,重点针对矿带分离点检测以及将接矿板准确移动到目标位置的难点问题进行了研究,并且开发了基于QT的软件中枢平台和基于STM32的运动控制系统,最终实现了摇床自动接矿系统的精准接矿。