浮选尾煤灰分是煤泥浮选过程中非常重要的被控变量,实现其在线检测将推动浮选过程控制的发展。近些年来,机器视觉检测技术作为一种安全、快速,稳定、经济的方法日益受到关注。但不同矿区的煤矿物质组成各不相同,浮选尾煤表观特性也存在较大差异,这对机器视觉测灰技术的推广产生一定的阻碍。鉴于此,论文针对尾煤矿物质组成、灰分及浓度等因素对图像特征值的影响规律进行研究。本试验采用配煤的方式进行试验,首先按照国家标准对试验所用煤样进行浮沉试验,以唐口和薛湖两个选煤厂-1.4g/cm3和+1.8g/cm3两个密度级的样品作为基础煤样,并通过烧灰试验确定了基础煤样的灰分。运用X射线衍射仪分析了试验煤样的矿物组成,运用X射线荧光光谱仪分析了试验煤样的元素组成,利用K值法结合元素组成对煤样组分进行了定量分析。并运用了能谱仪(EDS)和扫描电镜背散射电子成像(BSE)元素面分布技术对试验煤样进行表面形貌分析,表面元素定性及定量分析。结合试验需求确定了本试验所用矿物质为石英,高岭石,白云石,黄铁矿,褐铁矿,并运用X射线衍射仪分析试验所用矿物质的组成,确定了矿物质的纯度达到试验应用标准。稳定的图像采集条件对样品图像的灰度特征值影响很大,因此必须设定固定的试验条件,以减小误差,保证试验源数据的准确。搭建机器视觉试验平台并研究各因素对试验的影响规律。试验结果表明,光源照射方式,煤浆流动速度,光源强度,工业相机光圈大小以及图像采集位置等因素对图像特征值影响很大。进而结合试验样品的表观特性确定最佳的试验条件。研究各因素与图像特征值的关系,设计试验并对图像提取灰度均值、平滑度、偏度、方差、能量、熵等六个特征值,分析显示灰度均值与各试验因素之间呈现出的规律最为明显。研究不同图像质量对特征值的影响,设计了不同类型图像的特征值信息对比试验,结果表明,异常图像和正常图像中的异常点对试验数据的真实性和稳定性影响很大,为了及时剔除图像噪声,设置图像最大亮斑面积800为阈值来剔除异常图像,利用中值滤波和莱以特准则剔除图像噪点。在确定的试验条件下用基础煤样进行配煤试验,研究浓度,灰分,矿物质组成对图像表观特性的影响规律,试验结果表明:尾煤图像灰度值随浓度及灰分的增大而增大,且不同矿物质组成的尾煤图像灰度值存在较大差异。研究不同因素间的交互作用和影响显著性,设计了Box-Behnken响应曲面试验,对多因素进行了研究和分析,得出各因素与图像灰度特征值之间的关系模型,模型显示对尾煤图像灰度均值影响最大的因素是灰分与矿物质组成,浓度对其也有一定的影响。其中灰分与矿物质组成,浓度与矿物质组成之间存在一定的交互作用。