针对传统的夹层磷矿石人工分选工艺繁琐复杂,智能化程度低,浪费大量人力物力,导致生产处理成本增加等问题,引入了图像处理神经网络,提出了一种基于YOLO-V5的目标检测方法进行分选。首先将主干网络替换为Mobilenet-V2网络,达到缩小模型体积的效果,后对Mobilenet-V2进行改进,引入SE模块,提高网络对有效信息的敏感度,以得到更多的特征信息,从而提高最终的检测精度;其次对模型的预测网络进行改进,将藕头检测方式替换为解耦头检测,并采用混合通道策略构建更高效的解耦,达到提升检测速度的目的。结果表明,YOLO-V5-RM2比YOLO-V5的模型参数量减少了41%,并且在不影响模型精度的情况下,检测速度提升了68.9%,利用该模型进行检测分类并对结果进行化验分析,I类矿石品位得到了较为明显的提升,能够满足磷矿石预分选需求,实现磷矿预富集的目的。