煤矸分选是煤炭生产的必要工序,可以提高煤矿安全、提升煤品级,减少入洗成本,提高企业的经济效益。现有煤矸分选主要有人工分选和机械分选,这些方式存在劳动强度大、能耗高、易造成环境污染等问题。因此,煤矸分选机器人作为一种新的选煤设备受到了业界的广泛关注,其中煤矸识别及定位作为分选机器人的首要环节,直接影响煤矸分选效果。随着图像处理技术的发展,从图像分析或视觉计算的角度对煤矸识别定位进行研究受到了研究者的关注。本文主要开展了以下研究工作:(1)根据煤炭生产相关规程及选煤厂实际工况,在实验室搭建模拟实验平台,获取样本图像,建立韩城矿区单一样本图像库;采用三种不同的滤波器对样本图像进行降噪处理,对比分析得出非线性低通滤波处理效果最佳;基于煤和矸石表面灰度及纹理的差异,对煤和矸石样本图像的灰度参数和纹理参数进行分析对比,得出在灰度方面灰度方差和偏度2个参数区分度更高,在纹理方面纹理对比度和熵2个参数区分度更高。(2)选用K-邻近法、最小二乘支持向量机作为煤和矸石图像识别算法,以灰度方差和偏度组成的灰度特征、纹理对比度和熵组成的纹理特征、偏度和对比度组成的灰度-纹理联合特征作为分类器的输入向量分别对两种分类器进行训练和对比验证,得到以灰度-纹理联合特征进行训练的分类器识别效果更好,基于最小二乘支持向量机的煤矸识别算法准确度更高。(3)选取三种自动图像阈值分割方法进行图像二值化处理,对比分析得出聚类法效果更好;运用机器视觉中颗粒分析的方法,采用形态学腐蚀法对样本图像进行背景颗粒的去除及填充,得到完整、干净的样本目标颗粒;采用形态学腐蚀和膨胀法完成了图像中重叠的样本分离和重构;通过质心法提取样本质心,在煤矸混合图像中得到较为准确的位置信息,并对相机进行标定,得到现实坐标系与像素坐标系之间的映射关系。(4)以LABVIEW为平台开发了包括图像采集、图像滤波、图像特征提取、样本训练、样本分类、图像二值化、去除背景和填充、质心提取等部分程序,实现了煤矸图像的自动采集、处理,灰度、纹理特征的分析,以及煤矸的识别及定位。(5)搭建实验平台,随机选取实际工况下的煤和矸石样本对识别及定位系统的定位精度、识别准确度和系统运行速度进行测试,结果表明:定位在X坐标平均误差为5.0mm,Y坐标平均误差为4.7mm;不同光源类型、光照强度以及不同煤矸表面湿度对于煤和矸石的识别结果均有一定的影响,光源类型为LED条形灯带,光照强度为300lux时,系统对煤和矸石样本识别准确度为88.3%和90.0%;打开相机和单一样本识别总时间平均为0.130s。本文研究实现的煤矸识别定位方法及系统,能够较准确的实现煤和矸石的自动识别及定位。