为了提高20~50mm 粒度磁铁矿石的分选精度并适应矿石品质的变化,提出了一种基于模糊小波神经网络的磁铁矿石分类方法(IGWO-FWNN).首先,对数据集进行特征提取,并通过模糊化和量化处理来增强模型的适应性.然后,采用改进的灰狼算法优化模型的初始参数,确保了模型训练的高效性.在训练过程中,通过梯度下降算法不断更新模糊规则参数,以优化网络模型的性能.试验表明,与优化前的GWO-FWNN模型相比,优化后的IGWO-FWNN 模型准确率达到0.9667,F１值提升到0.9512,同时模型的收敛速度也提高了24％.验证了该方法在磁铁矿石识别分类中的有效性,为磁铁矿石分选技术的发展提供了新的思路.