破碎矿石的粒度信息是对选矿设备最优控制的主要指标，将机器视觉技术引入矿石粒度信息的检测，能实时获取矿石粒度信息，并及时反馈与调节破碎机等选矿设备的参数，从而提高选矿效率，降低能耗，最大限度利用矿产资源。利用机器视觉技术对矿石进行粒度检测必须先对采集的矿石图像中的矿石颗粒进行分割与定位，但是矿石颗粒具有数量多、粘连、粒度差异大、形状不规则等特点，给分割带来了较大的困难；且目前的分割算法主要是针对图像亮度特征进行分割，对复杂矿石图像处理难以达到理想的分割效果。本文研究了基于机器视觉的矿石粒度检测技术，首先研究选取了矿石图像的预处理方法；然后针对现有分割算法的问题，提出了多特征融合的多尺度矿石图像分割算法；最后对矿石粒度参数的定量描述方法进行了研究。具体的研究工作及创新点如下：1、矿石图像预处理方法研究。采用双边滤波算法对图像进行滤波，滤除噪声的同时保留了矿石颗粒的边缘；利用积分图像和局部阈值结合的方法对图像进行二值化，实现了矿石目标区域的提取，且算法具有光照自适应性和效率高的特点；最后对二值图像进行形态学优化处理，光滑了矿石颗粒边缘，去除了二值图像中的噪声。2、复杂矿石图像的自适应分割算法研究。利用双边滤波算法对距离变换后的图像进行了局部极值点优化，解决了基于亮度特征的分水岭分割算法的过分割问题；提出了一种基于凹点检测与匹配的矿石图像分割算法，通过将Harris算子和圆形模板相结合，实现了对矿石二值图像凹点的检测与匹配，成功将粘连矿石进行了分离。为了进一步提高对复杂矿石图像进行分割的准确率，结合改进的分水岭算法、凹点检测与匹配算法和基于SVM的矿石纹理识别模型，将亮度特征、形状特征和纹理特征融合在一起，实现了复杂矿石图像的多尺度分割。将选矿现场采集的矿石图像作为实验图像，对提出的分割算法行实验分析，表明这种结合多个特征、多种分割算法，特征提取与识别相协同的，由粗到细的矿石图像分割方法极大地提高了算法的鲁棒性，有效地减少了欠分割和过分割区域。3、矿石粒度参数提取及检测系统设计。针对矿石颗粒的粒度难以定量描述的问题，研究了常用的颗粒检测的粒度参数和表示方法，并结合矿石颗粒的特点，选取了适用于矿石颗粒的粒度参数。在图像分割的基础上，对矿石分割区域进行像素标定，获取了矿石的周长径、Feret径等粒度信息。设计了矿石图像的硬件平台，开发了矿石的粒度检测系统。