爆堆矿石粒度特征是衡量爆破效果的重要指标之一,矿石粒度分布合理不仅可以降低二次破碎工作量,减少采矿成本,而且还能够提高开采效率。通常爆堆粒度分析方法有筛分法、二次爆破岩块统计、爆堆直接测量等人工测定方法,这些方法耗时长,精度有限,效率低,不能满足工程需要,因此,有必要利用现代化信息技术手段,通过无人机快速采集采场爆堆图像信息,开发快速精准的矿石粒度辨识算法,为露天矿生产爆破提供决策依据。本文在研究国内外爆堆矿石粒度分布的文献和矿山实际处理方法的基础上,提出了基于无人机爆堆数据采集的矿石粒度辨识模型和算法:首先,通过无人机进行爆堆图像数据采集以及爆堆图像数据空间校准;第二,借助二维经验小波进行降噪处理和图像纹理增强,第三,利用亲和度图方法对爆堆图像进行辨识和分割,得到矿石颗粒准确边缘分割图;第四,对标记的矿石颗粒图像计算其粒径、周长和面积并进行统计分析。研究表明,基于无人机图像处理技术的爆堆矿石粒度辨识模型和算法,有效克服了传统测量的不足,能够经济、有效地统计出爆堆粒度的整体分布情况,准确性达到94%以上。论文中提出的爆堆矿石粒度分布辨识方法为快速有效评价爆堆爆破效果提供了一种新的途径,具有一定的推广应用价值。