现有基于图像识别的煤矸石分拣方法实时性较差且整体分拣准确率不高，而基于密度的分拣方法适用于井下初选，成本较高。针对上述问题，设计实现了一种基于EAIDK的智能煤矸分拣系统。采用嵌入式人工智能开发平台EAIDK构建矸石识别和分拣控制硬件平台，在嵌入式深度学习框架Tengine下利用深度学习算法搭建卷积神经网络，建立端到端可训练图像检测模型，并利用智能摄像机获取的图像数据训练模型；通过手眼标定获得摄像机坐标系与机械臂坐标系之间的关系，控制机械臂进行矸石追踪和分拣。实验结果表明，该系统矸石识别准确率稳

针对分拣过程中视觉系统识别复杂物体时速度慢、对环境变化适应性不足的问题，提出一种基于轻量型卷积神经网络的机械臂快速分拣方法。该方法首先使用基于轻量型卷积神经网络的MobileNet-SSD算法对图像中的目标物体进行检测，获取目标类别和位置信息；然后根据检测输出结果对图像进行预处理和边缘检测，最终得到校正后的定位结果。在PROBOT Anno机械臂平台上进行分拣实验，实验结果表明，相比于传统的图像处理方法，提出的方法能对复杂目标物体实现快速的检测和定位，对于目标形态和环境的多样性来说具有更好的鲁棒