爆破块度是评价矿山爆破效果的重要指标.传统的块度统计方法存在效率低、限制多等问题.基于计算机视觉的爆堆块度统计方法,具有高效、精确、灵活的优势.针对爆堆块度统计的计算机视觉识别问题,提出了一种结合 MaskB-R-CNN和 HSV 变换的形态学优化的块度统计方法,并对实验室和鞍千矿业公司的矿山现场爆堆块度统计进行了验证.结果表明,与筛分法相比,基于计算机视觉的爆堆块度分布统计方法的误差小于3％,验证了该方法用于爆堆块度统计的可行性.矿山现场试验结果表明,与传统的矿岩区域提取方法相比,该方法提取矿岩区域更为精准,可应用于鞍千矿业公司的矿山现场;３个爆堆块度分布的累计概率曲线相似,大块率分别为4.21％、3.37％、3.12％,爆破效果较好.