1.一种基于机器视觉的针对煤矸分选的图像算法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于机器视觉的针对煤矸分选的图像算法，其特征在于，信号触发器可选用重量信号触发器或红外线信号触发器等类别，从而使得信号触发器在感应到煤矸时，图像采集单元能够更好的对各个区域的煤矸图像进行采集。
3.根据权利要求1所述的基于机器视觉的针对煤矸分选的图像算法，其特征在于，图像采集单元内部设置的彩色相机和黑白相机能够通过连接其他滑动设备进行移动，从而更好的使图像采集单元采集煤矸所在位置的各个区域的信息，且在铆选位置时，也会更加的方便。
4.根据权利要求1所述的基于机器视觉的针对煤矸分选的图像算法，其特征在于，图像预处理单元包括第一图像预处理和第二图像预处理，其中，第一图像预处理能够对彩色相机生成的偏振过滤的彩色图像法进行滤波去噪和图像增强，而第二图像预处理单元能够对黑白相机生成的无偏振处理的黑白图像进行坐标偏移校正和畸变校正。
5.根据权利要求1所述的基于机器视觉的针对煤矸分选的图像算法，其特征在于，当彩色相机图像和黑白相机图像进行融合形成多通道图像传输至数据收集处理单元中后，可通过数据收集处理单元对多通道图像数据进行保存，从而在纠错时能够更加方便。
6.根据权利要求1所述的基于机器视觉的针对煤矸分选的图像算法，其特征在于，在煤矸触发信号触发器后，信号触发器便会向图像采集单元发出信号，使得彩色相机和黑白相机同时进行触发拍照，获取两帧图片。
7.根据权利要求1所述的基于机器视觉的针对煤矸分选的图像算法，其特征在于，在融合成多通道图像时，可在此基础上将两张图像的公共区域图像剪裁后进行通道叠加，形成一张四通道的图像。
8.根据权利要求1所述的基于机器视觉的针对煤矸分选的图像算法，其特征在于，当遍历所有的候选框区域，利用ai检测神经网络中的分类神经网络进行复判时，可根据复判后的框选区域判定标签，将所有的框选区域的煤矸类别分选。
9.根据权利要求1所述的基于机器视觉的针对煤矸分选的图像算法，其特征在于，在用中先从彩色相机中获取煤矸候选铆框位置，然后在此基础上将彩色相机的图像和黑白相机的图像进行坐标偏移校正和畸变校正，从而将原本三通道的彩色图像和单通道的黑白图像融合成一张四通道的图像。