針對人工排矸法、機械濕選法、γ射線分選法等傳統煤矸石分選方法無法兼顧快速高效性、安全無害性、簡單操作性的問題，提出了基于機器視覺的煤矸石圖像分類方法。對煤矸石圖像進行增強、平滑去噪等預處理，采用基于距離變換的分水嶺算法實現煤矸石圖像分割提取。針對煤礦矸石分割圖像，選取煤矸石圖像的HOG特征及灰度共生矩陣，分別以支持向量機、隨機森林、K近鄰算法作為分類器進行基于特征提取的煤矸石分類識別；分別建立淺層卷積神經網絡和基于ImageNet數據集預訓練的VGG16網絡，進行基于卷積神經網絡的煤矸石分類識別。研究結果表明，基于VGG16網絡的煤矸石圖像分類方法準確率最高為99.7%，高于基于特征提取方法的91.9%和基于淺層卷積神經網絡方法的92.5%。