本文针对地下金属矿深部溜井破碎作业因工况条件恶劣导致的生产安全、人员短缺、管理落后等问题,围绕复杂堆积状态下异构大块矿石智能识别、多自由度液压驱动固定式破碎锤机械臂精准定位控制等技术难点,综合应用物联网、图像识别、混合伺服控制等新一代信息技术,研究溜井固定式破碎锤基于TOF和RGB相机的视觉感知技术、基于置信度边缘检测与Mean Shift算法融合的矿石图像分割与提取技术和基于破碎锤运动学模型的视觉控制技术。相关研究攻克深部溜井破碎作业中的堆积状态下异构矿石精准识别与固定式破碎锤无人控制等技术难题,并开展工业现场的试验验证,实现深部溜井破碎作业的智能化与无人化。研究成果为进一步实现智慧矿山的绿色安全、智能少人、高质高效提供技术基础。首先,在固定式破碎锤的视觉感知方面,针对镜头畸变和光学传感器（CCD或CMOS）硬件误差等问题,分析固定式破碎锤的极端工况条件和工作原理,构建部署于固定式破碎锤工作区的视觉传感器（摄像机）的光学模型,提出一种基于TOF相机和RGB相机的联合标定方法。其次,在矿石识别与提取方面,针对基于原始图像分割进行矿石提取中可能出现的过分割问题,分析Mean Shift图像分割算法与基于置信度的边缘检测算法的优缺点,提出一种基于置信度边缘检测算法和Mean Shift图像分割算法相融合的改进图像分割方法,并结合3D点云进行矿石的辨识与提取。然后,在固定式破碎锤破碎作业控制方面,针对破碎作业过程对破碎锤头的精准控制需求,构建固定式破碎锤机械臂的运动学模型,设计一套基于机械臂定位的力学-视觉混合伺服控制系统,并分析该伺服控制系统的稳定性,以达到高精度控制的目的。最后,在试验验证方面,选择山东黄金集团有限公司下属的矿山固定式破碎锤无人作业系统,设计了固定式破碎锤机械臂运动模型试验、图像分割试验、3D点云生成、矿石目标提取试验和破碎作业等五个试验,对本文提出的方法进行测试验证。试验表明本文所提出的方法能够适应地下金属矿复杂恶劣的工况条件,能够完成复杂堆积状态下细碎矿石和大块矿石的精准识别,实现溜井固定式破碎锤的智能引导和自主作业,降低井下高危工作区域作业人员数量,优化装备利用率和作业精度,提升矿山智能化和安全生产水平。