煤炭是我国的主要能源,在能源结构中占据较大的比重。矸石是煤炭开采过程中的伴生废料,矸石的存在会降低煤燃烧的发热量,增加环境污染的问题,且会增加煤和矸石的运输成本,因此有必要对煤和矸石进行分离。传统的人工选矸不仅强度大,而且拣矸存在主观性和不稳定性;机械选矸也存在不同程度的污染。机器视觉煤矸分选机器人作为一种新型的煤矸自动分选设备开始受到人们的关注。针对传统机器视觉煤矸分选机器人存在的不足,设计提出了一种移动端煤矸分选机器人。本文深入研究了视觉煤矸识别定位算法和气动分离方法及其在移动端的设计和实现工作,本文主要工作和贡献如下。（1）卷积神经网络轻量化、模型压缩和移动端煤矸识别研究。针对传统轻量型卷积神经网络模型复杂度高、移动端识别速度慢,小样本数据集训练、识别效果差等问题,提出一种高效移动端煤矸识别方法E-Mobile Netv3。使用高效通道域注意力机制替换Mobile Netv3网络中的注意力机制SENet,加强网络跨通道间的信息交互,避免通道降维带来的副作用,提高模型识别准确率。针对小样本数据集,利用SMU激活函数和全连接层优化网络结构,提高网络的训练收敛速度,降低模型复杂度。搭建实验装置,训练、部署和测试模型在移动端的识别效果。（2）基于目标检测网络展开对煤矸识别定位方法的研究。针对传统目标检测算法复杂度高、推理速度慢和复杂条件煤和矸石识别定位效果差等问题,采用多种方法改进网络。对于不同尺寸煤和矸石的识别定位,通过嵌入混合域注意力机制改进网络,加强网络对于重点目标区域的空间和通道特征提取。对不同光照强度煤和矸石的检测,利用数据增强对模型训练集数据进行扩充,通过设置多个不同的光照增强系数,提高网络对不同光照条件下煤和矸石识别定位的鲁棒性。针对煤和矸石的堆叠情况,探究使用不同Mixup融合系数下识别多目标的精度值。此外,模型还利用幻象网络、Meat-ACON激活函数和解耦头改进网络。在网络的定位方法方面,对比分析了Anchor-based和Anchor-free两种方法,并最终选取Anchor-free的煤矸定位方法,输出煤和矸石在输送带上的实际位置信息。（3）基于视觉测量的电磁阀动态控制煤矸分离方法研究。针对移动端煤矸分离方法的研究,采用气动分离的方式对识别定位后的煤和矸石进行分离,通过在移动端部署轻量型压缩目标检测网络,视觉识别定位煤和矸石,输出输送带上煤和矸石的位置和尺寸信息,分析获取电磁阀起始动作位置和动作范围,动态控制多个电磁阀通断,喷射高压气体,实现煤和矸石块的实时精准分离。（4）实验验证移动端煤矸识别与分离方法。搭建移动端煤矸识别与分离装置,采集煤和矸石图片,构建煤和矸石数据集,通过模型的训练,验证改进模型对于不同尺寸、不同光照条件、有无堆叠情况下的煤和矸石识别定位情况,气动分离煤和矸石的效果。图50表10参83