矿山现场工作人员在作业过程中需要及时判断矿石与围岩,及时优化开采设计方案有助于控制矿石损失贫化。为了实现对矿山现场矿石和围岩的智能化识别,对比了多种算法后采用EfficientDet神经网络模型,矿石和围岩的识别特征较为明显,选用EfficientDet中D0版本进行训练进而获得神经网络模型。基于井下环境进行数据扩充,在检测前对图像进行预处理。通过验证,模型对矿石和围岩识别正确率可以达到96%。在识别矿岩交界处的图片时,对于矿石、围岩分类的准确率超过91%,且预测框大小合适,可以很好地观测到矿岩交界线。模型能够在不同环境下高效、准确地识别矿石和围岩,证明模型的泛化性和鲁棒性较强。