摘要：人工智能技术是一种新型处理非线性问题的技术，克服了由于人工操作而带来的稳定性、解释性差等缺点，从而使其在矿物加工中得到了更广泛的应用。本文在简要介绍人工智能矿物加工技术的理论基础上，介绍了人工智能在矿物鉴定、磨矿和浮选过程的预测、监测等方面的研究状况和应用前景，并对其优点和缺点进行了分析和讨论，并提出了在矿物加工工艺的标准化、人工智能算法的应用能力、全流程人工智能的矿物加工装备的开发等方面的研究方向，为加快该领域的发展提供了依据。

关键词：人工智能 矿物加工 应用

引言：人工智能技术是一门快速发展的新兴科技，它是以统计为基本的数学依据，利用计算机程序对人的思想和行为进行仿真。人工智能首先将海量的问题资料导入智能计算机进行训练，让其学会如何在同一问题上运用自己的经验和知识，从而获得更多的信息。矿石加工的工作原理是通过对低级矿石进行加工、提纯等物理化学手段来消除矿石中的各种杂质，从而使目标矿石的质量得到进一步的改善。文章通过对矿物加工领域的认识、应用等几个角度，从矿物识别、磨矿、浮选来论述人工智能在矿物加工领域的应用，并对其应用前景进行了展望，为进一步实现智能化技术在矿物加工领域应用、加快矿物加工向智能化方向发展研究提供借鉴。

1人工智能矿物加工技术的基本原理

利用人工智能技术进行矿石处理应用，可以分为两类：一是利用计算机视觉。应用于影像对矿物进行精确的分析，从而实现矿物的识别、破碎粒度的检测、泡沫的监测，从而帮助工程师消除各种影响因素，进行更加精细的鉴别，进一步帮助工程师提升矿物的处理能力;二是深度学习。它主要应用对矿石生产中的大量资料和诊断结果进行预测和分级，采用特殊的多层次神经网络，进行定量的预测报告，从而改善矿石处理设备的工作效率，降低设备的失效次数，以及改善浮选药物的处理效率。

2人工智能在矿物加工中的应用

2.1基于显微光学系统的矿物识别模型

在显微光学的矿物识别模型中，先收集矿物的微观光学特性资料，并根据这些资料，构建出一套矿石识别模型，并藉由参数调节来进行最佳化，再利用所收集的资料，进行模拟，以达到识别矿石的目的。ALIGHOLI等人利用 CIELab的颜色和矿物质的多种光学性质，建立了一套基于人工神经网络的矿石分类系统。将局部二值化运算与特征模型相结合，利用彩色、干涉等技术，完成了矿物显微影像中的同质性区域的辨识。该模型针对数据集中的4种矿物样本的识别准确率都在95%以上。ALIGHOLI等亦建议利用单偏振影像及正交偏振影像观测两种影像的改变，并将影像转换为点云，用以求取被测量的矿石与所发现的矿石之间的豪斯多夫间距，藉由模糊矩阵检验模式辨识，准确率超过96.2%。MAITRE等人利用简单的线性迭代聚类方法产生的超像素来进行样品沙粒的预处理，将样品中的颜色、光泽、解理等特征与 SEM影像结合起来，从而使该方法能够较好的识别出砂中的矿物质，从而达到较好的效果。利用 LIU等建立了一系列的岩体分类模型，其中，色彩和质地是岩体矿物的主要特性，而采用的深度学习算法能够有效地改善其识别率。采用Inception-v3模式建立了一组以K-means为基础的彩色图像全面矿物识别深度学习方法，其中赤铁矿、磁铁矿、方解石等12种矿石的辨识精度达到99.0%。AGANGIBA等人利用人工采集的矿样图象资料，训练了基于 MINet的单一标记的矿体分类模式。KHVOSTIKOV等开展了矿物研磨断面图象的自动辨识，建立了一组包含像素级别的语义标记的矿物质资料，并运用卷积神经网络进行矿石的自动识别，使矿石的识别精度可达89.2%。

2.2对浮选矿浆pH值的监测

pH值是影响浮选性能的一个关键因子，其表观化学性质、与药剂作用分解为离子的程度、与水的亲水性等都与 pH值密切相关，因此 pH值的改变对浮选工艺的监测与优化是十分必要的。当前大部分选矿设备所使用的 pH值计对酸碱度的变化不太灵敏，而且会受到其它各种因素的干扰，而且还会产生相互传染等问题，导致测定数据不精确，从而影响到药剂的调试。在实际的浮选工艺中，由于矿浆液与化学试剂之间存在着连续的反应，而且不断地加入新的浆液以及其它工艺的回水量，因此对酸碱度的调控是一个非常复杂的、非线性的问题。唐朝晖等人根据浮选机的气泡特性，建立了一种利用浮选机气泡特性来预报及调控的新技术。基于 BP神经网络具有良好的建模精度、精确仿真等优点，结合 RBF神经网络能够迅速地调整采样量，构造了一个基于 RBF神经网络的混合神经网络。利用该模式对矿浆 pH值与浮选气泡影像特性的相关性进行了分析，提出了一种用于处理 pH值不稳的系统数学模型。阳春华等采用变比例分级混沌法对隶属度和输出权进行了优选，并根据泡沫大小、流速等特点，构建了一个基于软测量的神经网络模型，该模型的目的是克服由于长期运行而产生的污物等问题。利用人工智能技术对矿石酸碱度进行准确的预测和调控，可以解决由于设备不敏感、人工操作不到位而造成的不合理的浪费。

2.3人工智能在磨矿过程中的应用

磨矿是利用球磨机、棒磨机等磨料设备，利用磨料与矿物间的机械作用力，克服矿石内部的粘附性，从而将矿石粉碎为目的颗粒。通过分析磨矿介质比例、磨矿粒度、磨机振动等资料，并通过计算机模拟，对磨矿工艺进行优化，提高磨机磨矿生产的工作质量。磨矿作业采用了人工智能技术，通过智能化计算，实现了磨机中介质、矿物配比、磨矿粒度、磨矿作业技术流程等智能化、减量化，克服了常规磨矿工艺多因素交互影响而产生的复杂问题，提高了磨机作息率、磨机利用系数等各项参数，使得目标矿物和脉石矿物实现了更好的单体解离，并减少选矿费用，对工业生产有着重要意义。

结语：由于人工智能技术在解决复杂问题方面有着得天独厚的优点，往往会克服矿物加工不稳定、易解释性等缺陷，从而使其在矿产资源开发中得到了更广泛应用。应用 AI技术在矿物识别、磨矿、浮选等方面的应用，通过对现有的准确资料进行实时的分析和加工，可以提高矿物加工效果，提高精矿的质量，并减少相应的生产工序的操作难度，从而减少选矿厂人力成本的降低。充分展示了其对促进高质、高效、绿色、创新发展、促进绿色矿山和生态矿山建设的重大作用和潜力。

参考文献

[1]鞠建华，王嫱，陈甲斌。 新时代中国矿业高质量发展研究[ J]。 中 国矿业，2019，28（1）：1-7。

[2]吴西顺，邓杰，姜焕琴，等。 传感器驱动的智能选矿：过去、现在 和未来[J]。 矿产综合利用，2020（5）：18-26。