煤与矸石的分选是原煤洗选的重要内容。传统的湿法选煤所用设备昂贵、复杂、能耗高、需要大量的水且对环境造成较严重污染。针对目前的煤与矸石分选方法存在的问题，本文提出了一种不需要水、能耗低、无污染的利用数字图像处理和神经网络技术在线识别并分选煤与矸石的方法。　　本文设计了一个利用带FIFO模块的OV7670摄像头对传送带上的原煤图像进行采集的图像采集卡。通过C8051F340单片机的USB通信功能将采集到的图像信息传送到上位机，在上位机中利用C#语言设计一个视频显示及单幅图像采样的人机交互界面，在这个界面中实现了上位机控制下位机对传送带上的原煤进行图像采集的功能。为了在上位机中完成对煤与矸石的识别，首要工作是对图像中的目标部分进行提取分析。首先对样本图像进行图像分割，确定了利用边缘检测结合形态学操作的方法来分割提取目标，然后分析并确定了提取分割后图像的灰度均值和标准差，灰度共生矩阵特征中的能量、熵、惯性矩、自相关，Tamura纹理特征中的粗糙度、对比度、方向度共九个特征值作为用于识别的输入量。对由样本的特征向量组成的样本矩阵进行BP神经网络训练，设定煤图像的目标输出为“0”，矸石图像的目标输出为“1”，训练好之后，使用一组样本之外的图像对该网络进行验证，证明了该网络的准确性和稳定性。最后，上位机通过串口通信将识别结果送到下位机的分选动作装置，控制其做出分选动作，完成煤与矸石的识别与分选。　　结果证明，该方法能准确识别原煤中的煤与矸石，精度达到了工业生产的要求，具有很好的实用价值。