随着科学技术的发展,煤炭分拣也需要向智能化、信息化、专业化转变,并加快建设以绿色低碳为特征的现代化经济体系,促进煤炭工业高质量发展。煤与煤矸石颜色相近,形状不规则,导致煤与煤矸石识别分拣困难,针对上述问题,本课题对煤与煤矸石识别分拣进行了系统设计与研究,提出了一种基于深度学习的煤矸石识别与智能化分拣系统,旨在提高原煤入选率。本文主要研究内容包括:（1）煤矸石检测系统研究,针对自然光条件下拍摄的图像质量差异较大,对煤与煤矸石识别有较大影响的问题,建立了煤矸石检测暗箱系统,提高煤与煤矸石图像的清晰度;提出了基于特征融合的煤矸石卷积神经网络检测算法,解决了煤矸石识别准确率低,识别困难以及多数算法无法实时在线检测等问题;通过对煤与煤矸石图像进行去边缘目标与去重复处理来保证检测信息的准确与简洁。（2）煤矸石分拣系统研究,煤矸石分拣机器人需要对检测识别出的煤矸石进行精准抓取与稳定搬运,基于煤矸石检测信息获取煤矸石的坐标,并以相邻两帧图像中同一目标的运动距离与图像采集间隔时间之比作为传送带的实时速度,从而实时更新待分拣的煤矸石坐标,提高煤矸石分拣机器人的精准定位;由于不同大小的煤矸石质量差距较大,从而导致煤矸石分拣机器人在工作过程中受到较大惯性冲击,影响煤矸石分拣机器人运行稳定性以及存在安全隐患,因此根据煤矸石图像对煤矸石质量进行估算,从而根据不同质量的煤矸石规划煤矸石分拣机器人的速度与加速度,在减少机械手所受冲击的同时提高煤矸石的分拣效率。（3）六自由度机器人的运动学分析以及轨迹规划,采用旋量理论对六自由度机器人进行运动学正解以及逆解运算,并根据机器人各关节的速度、加速度、加加速度以及力矩对机器人的运动进行约束,从而规划分拣轨迹。（4）煤矸石检测的实验与分析,为验证所研究的基于深度学习的煤矸石识别与智能化分拣系统的煤矸石识别准确率与煤矸石分拣效率进行了相关实验的验证与分析。通过实验分析可知,本文所用煤矸石识别算法识别率为98.746%,实时检测帧数为9fps,煤堆含矸率为1.02%,满足本课题的任务要求。