在选矿领域中，矿石的粒度分布是评价破碎效果、实现选矿自动化的一项重要参数。预磨机是一种集碎矿与磨矿于一体的高效破磨设备。实现粒度分布的在线检测，将检测结果反馈给预磨机控制系统，能够有效的控制预磨机的工作参数，将预磨机的生产能力提高到最高水平，使设备的效率达到最佳。所以粒度检测的实时性和精确性显得十分重要。目前大多采用低效、离线的人工筛分检测法确定碎后颗粒的粒级分布，难以满足选矿生产的需要。因此，研究适用于磨矿作业需求的新型的粒度检测方法具有较好的研究价值和应用前景。本课题主要针对现场生产环境，采用图像处理技术，利用MATLAB设计一种可靠的在线粒度检测方法。论文主要研究成果有：（1）通过对不同的图像分割方法的对比分析，将矿石颗粒图像进行灰度化、中值滤波、梯度化等预处理后，采用标记分水岭算法对图像进行分割，较理想的将颗粒重叠的边缘分割开。（2）对每个粒级的矿石颗粒进行像素标定，根据标定结果分别建立对应的粒度检测算子，采用击中击不中算法统计各个粒级内矿石颗粒的个数，将统计结果与筛分结果对比，验证了检测算子的准确性，从而实现了对单层矿石颗粒的粒度检测。（3）建立了以表面层粒度检测结果为输入，整体粒度分布为输出的BP神经网络模型，在静止状态下对堆积层叠的矿石颗粒进行整体粒度检测实验，表明该模型具有较高的准确性。（4）通过结合MATLAB图像采集工具箱、图像处理工具箱、神经网络工具箱和图形用户界面开发环境(GUIDE)，组建了粒度检测装置，并设计了操作界面。通过动态粒度检测实验，发现该检测方法能够较为准确地对动态传送过程中的堆积矿石的形貌有效识别；同时利用MATLAB与Excel之间的通讯，可以实时记录矿石粒度的检测数据，具有较好的实用性。本研究对选矿生产中的碎磨工序的矿石粒度检测方法有所创新，将该检测方法与碎磨装备的现行控制系统进行有机结合，可有效控制碎磨工序产品质量，因此该检测方法具有广泛的应用前景。