本发明提供一种基于深度学习的自适应光照强度下矿石快速分拣方法，涉及矿石分拣技术领域，包括获取光照强度分布信息和矿石三维点云数据，基于四元数姿态估计计算矿石空间朝向参数；将获取的数据输入分层光照补偿网络，通过自适应亮度映射和局部光斑校正，结合反射率恢复和非局部均值滤波获得光照归一化增强图像；将光照归一化增强图像和矿石三维点云数据输入多分支特征提取网络，构建特征高阶关联，采用自适应特征重构和条件随机场优化特征；将重构特征输入基于主动学习的分类模型，利用自组织映射网络优化特征流形空间，结合自适应熵阈值筛选和不确定性感知的主动采样进行样本标注，通过随机森林集成实现矿石分类和分拣。