球团矿是高炉炼铁的主要原材料之一,其质量直接影响高炉生产效率。国内大部分圆盘造球机的造球过程都以人工操作为主,这种方式生产效率低,球团质量不稳定。生球的粒度分布是影响球团矿质量的关键指标之一,本文采用图像处理技术对生球粒度检测,同时基于生球粒度信息建立模糊控制器实现造球生产的自动控制。本论文主要研究内容如下:（1）通过分析生球的运动特性,选择在静止层采集生球图像,设计了硬件系统,并对所需仪器进行选型。（2）使用传统图像分割算法分割生球图像。发现自适应阈值分割后的图像中大部分生球目标并没有被准确分割,总体分割效果比较差。改进的分水岭算法有分割不完全与过度分割的缺点。所以,上述传统图像分割算法在分割生球图像上的效果较差,无法获得生球粒度的准确信息。（3）利用深度学习网络进行生球图像语义分割。首先,制作数据集,以U-Net网络与U-Net++网络为基础,在Pytorch深度学习框架环境中,完成对生球图像的分割。实验结果表明,U-Net++的分割效果更好。之后利用训练好的U-Net++模型获取的生球的最终二值图像,通过连通域标记的方法获取目标区域的轮廓等几何参数计算出粒度百分比。相关数据表明,该方法获取的粒度信息较为准确。最后,基于Py Qt框架构建生球粒度在线检测用户界面,调用相关算法对生球粒度进行检测。通过可视化界面选择相应的功能读取模块,检测生球粒度并实时显示在窗口界面上,实现对生球粒度的实时检测。（4）利用获取的粒度信息,如＜8mm的生球百分比,＞16mm的生球百分比设计模糊规则,实现加水量自动控制。结果表明,设计的模糊控制规则,可以实现雾水加水量自动控制。本论文所研究的基于图像的粒度在线检测方法可以替代人工筛分法,不仅可以及时检测生球粒径信息,也能利用实时反馈的生球粒度分布信息,实现造球机加水量的自动控制,提高了球团矿生产的自动化程度。