移动破碎线是一种集给料、破碎、输送于一体的可移动破碎设备,在矿山生产过程中扮演着重要角色。在移动破碎线的作业过程中,物料状态检测是保障破碎线作业安全与作业效率的重要环节。目前国内大多数企业对移动破碎线物料状态检测仍然停留在人工目检阶段,存在效率低,成本高,安全性差等问题。为此,本文针对破碎线上料、破碎和下料三个作业流程的物料异物、料位高度和物料质量的检测需求,提出了基于机器视觉的物料状态检测方法,以实现移动破碎线物料实时、准确检测。主要研究内容包括:（1）检测系统总体方案设计。围绕移动破碎线的作业流程,分析了破碎线物料检测需求;根据三个不同的检测工位设计了相应的检测系统,主要包括硬件系统和软件系统两个部分;并对检测系统涉及的核心硬件进行了选型。（2）基于深度学习的给料皮带物料异物检测方法研究。介绍了卷积神经网络的基本原理;根据实际工况分析了物料异物种类和危险程度,建立了异物检测数据集,通过数据增强的方法实现了数据集的扩充;构建了基于YOLOv5s的物料异物检测模型,基于异物检测数据集对其进行了测试,并与其他几种主流目标检测算法进行性能对比,结果表明YOLOv5s模型的检测速度和检测精度更高,map为0.9491,单张图片检测时间为14ms;测试了在不同亮度、不同噪声、运动模糊情况下算法的物料异物检测能力,验证算法的泛化性和适应性;研究了基于Tensor RT的网络模型加速方法,检测速度提升了1.33倍。（3）基于双目视觉的破碎腔物料料位检测系统设计。介绍了双目立体视觉测距原理;通过对比不同标定方法的优缺点,选择了精度较高、易于操作的张正友标定方法进行双目相机标定;设计了基于双目视觉的物料料位检测算法,算法具有双目采集、畸变矫正、立体校正、双目立体匹配视差图获取、物料点云可视化、料位信息获取等功能,并研究了基于料位信息的给料皮带带速分级智能控制方法;开展了物料料位检测实验,包括动态连续测量实验、光照强度变化下双目相机测距实验、可见度变化下双目相机测距实验和机载实验,验证了算法的有效性,结果表明动态连续测量实验误差在2-3cm,光照强度应大于等于30lux,机载实验平均误差为5cm。开发了人机交互式检测界面,实现了物料料位检测系统的信息整合。（4）基于双目线激光的下料皮带物料称量系统设计。根据带式输送机物料运输形态,建立了物料流量的数学模型;设计了物料体积测量算法,可实现皮带带速测量、计算物料横截面面积及体积等功能;开展了静态三维坐标精度、截面积测量和动态体积测量实验,验证了算法的有效性,实验结果表明截面积误差2%左右,动态体积测量存在粗大误差,可进行误差修正,精度可满足使用要求;开发了人机交互检测界面以便于用户操作。该论文有图108幅,表24个,参考文献84篇。