煤炭资源作为我国重要的基础能源组成和化工原料,在我国经济组成中具有极为重要的地位。煤矸分选作为煤炭生产的重要环节之一,对提升煤炭使用效率及矿区生态环境的保护均具有重要意义,对我国绿色能源发展战略的实施具有一定推进作用。煤矸识别作为煤矸分选的前端技术,是煤矸分选的前提。近年来,随着机器视觉技术的飞速发展,基于机器视觉技术的煤矿成套装备被广泛应用于包括煤炭在内的各行各业中。本文以基于机器视觉的矿井煤矸分选技术为研究目标,搭建了完整的基于机器视觉的煤矸识别与定位系统构架,并最终实现了基于机器视觉的煤矸识别与精确定位。论文的主要工作及研究成果如下:（1）结合基于机器视觉的煤矸识别与定位系统的需求,提出了基于可见光机器视觉的煤矸识别与定位技术,平衡了煤矿对于煤矸分选装备的需求与高昂布置成本的矛盾,并提出了完整的系统架构,以及一套包含图像去噪增强、分割定位的煤矸识别与定位算法。（2）分析了基于机器视觉的煤矸识别与定位系统所采集到的煤矸图像噪声特点,针对煤矸图像中含有的复杂噪声,提出了基于小波阈值理论和混沌萤火虫算法的煤矸图像去噪算法,通过引入混沌随机场理论,提升了萤火虫算法实现迭代寻优的精确性和鲁棒性。采用优化后的混沌萤火虫算法对小波阈值图像去噪算法中的阈值进行迭代优化,使煤矸图像质量得到有效提升。（3）提出了基于直觉模糊理论的煤矸图像分割算法,并结合本文所提出的混沌萤火虫算法对直觉模糊C均值聚类算法中的两个关键参数进行优化,并在迭代过程中选择最佳初始聚类中心,形成了基于直觉模糊理论和混沌萤火虫算法的煤矸图像分割定位模型,提升了图像分割算法的适用行和鲁棒性。在此基础上,对煤矸图像中的非连通子区域进行二次划分,进而实现了煤矸子区域的准确定位。（4）提出了基于支持向量机算法的煤矸识别算法,建立了基于方向梯度直方图和灰度共生矩阵的煤矸图像特征模型,并采用所提出混沌萤火虫算法,实现了支持向量机的惩罚因子和径向基核函数参数的优化,构建了分类精度更高的支持向量机模型,提升了所提出的煤矸识别算法的煤矸识别的准确性和系统鲁棒性。在对基于机器视觉的矿井煤矸分选技术进行研究的基础上,分别于江苏省矿山智能采掘装备协同创新中心和河南神火集团有限公司新庄煤业搭建了井上模拟实验平台和井下工业性实验平台。实验结果表明,本文所提出的基于机器视觉的煤矸识别与定位技术在煤矸识别方面的识别精度均达到了90%以上,且煤矸定位统计误差约为2.51%,满足实际工程对煤矸识别与定位的精度需求。本课题的研究成果对于煤矸分选装备的实际应用具有重要的推动作用。该论文有图26幅,表16个,参考文献103篇。