以科技创新和高质量发展迎接“百年未有之大变局”，习近平总书记以全球视野和时代眼光，指出世界处于百年未有之大变局，强调未来几十年新一轮科技革命和产业变革将同人类社会发展形成历史性交汇。科技革命即科技创新，产业变革即行业高质量发展。当前，包括大数据、人工智能、机器人、物联网、自动驾驶车辆等在内的关键新兴技术正在或即将颠覆包括矿业行业在内的所有行业的发展。

01 矿业科技创新取得的成效

数字化是第四次工业革命进程中全球所有行业的共同点，数字技术在很多矿山得到了应用，正在逐渐改变着矿山的生产方式。矿业企业的成功转型不仅是采用最新的应用和技术，更重要的是将数字化和创新性的理念融入他们的经营策略中，实现企业的高质量发展。

——矿业企业从创新技术研发和应用中获益。麦肯锡咨询公司的分析表明，人工智能在矿业行业的应用预期为“领跑者”带来的累计现金流变化将是“跟跑者”的十余倍。创新技术研发和应用的“领跑者”，将通过产能提高、成本节约以及安全性改善等方面具备更强的竞争能力，使他们在与竞争者的比拼中占优。力拓集团于2008年启动了“未来矿山”计划，该计划旨在从地球深部采收矿物的同时，降低环境影响并进一步改善安全性。2010年，Boliden公司、波兰KGHM矿业公司、瑞典LKAB矿业公司及几家全球性供应商和学术机构，启动了针对未来矿山共同愿景的概念研究。2018年，英美资源集团启动了“未来智能矿山”计划。澳大利亚雷索卢特矿业公司基于未来矿山概念在马里建设了高度自动化的Syama地下金矿，该矿山于2018年12月开始重新投产。很显然，矿业企业长远发展的关键将是在创新上保持领先。

——矿山地面监测手段多样且效果显著。边坡监测系统在露天矿的管理中发挥着重要的作用，并且自从使用压力计、张力计和摄影测量法以来已经得到了长足发展。目前用于露天矿和地下矿地面监测的三种主要工具是全球定位系统、雷达和激光雷达。2013年4月10日，力拓集团位于美国犹他州盐湖城Kennecott公司的Bingham Canyon矿遭遇了采矿史上最大的滑坡。由于Kennecott公司重视安全教育，预案准备充分，监控系统完善，因此滑坡事故中无人受伤。雷达技术早已用于边坡主动监测和边坡坍塌探测，但这项技术经过改进和更新后，已成为当前应用的领先技术。在充满尘土和烟雾的采矿环境中，雷达能够穿透灰尘、雨水和其他天气条件，这是其他技术解决方案无法达到的。该技术能够对数千米范围进行扫描，并且因其在任何距离下都能保持亚毫米级的变形测量精度，所以不会因为距离的增加而降低测量精度，这样就不需要在边坡上安装人工反射器。近年来，全球定位系统技术为监测地表运动的几何位移提供了一种新的方法。差分定位系统技术可以提供边坡稳定状态的实时信息和昼夜变形率。该方法沿监测区域安装了一系列接收器进行监测，在露天矿山中具有很大的优势。然而，全球定位系统的使用受到植被、山体等环境特征以及快速变形情况的限制。全球定位系统设备已与摄影测量、全站仪网络和遥感影像结合，作为监测矿山边坡稳定性的控制点。地面雷达监测与卫星监测相结合可以提供多源监测解决方案。激光雷达技术利用一束激光束瞄准监视区域进行照射，依据反射光波的返回传播时间再现坡面关键区域和相对运动的图形或数字图像。它们可以在几分钟内建立坡面的虚拟副本，如同摄影摄像一样突出显示关键区域。激光扫描设备是一种主动的独立测量技术，在测量过程中可自发光。激光扫描仪在滑坡监测中的应用已经得到了很好的检验，但在露天矿边坡监测中应用较少。最新的激光雷达扫描仪可以安装在静止或移动测量平台上，可以快速建立数字高程模型，矿山坡度测量速度比传统测量方法快15倍。利用激光雷达技术进行矿山测量，操作简单且节省时间，是有效的边坡监测手段，但受天气条件和地形湿度的限制。

——无人机技术应用广泛作用突出。无人机已成为包括矿业行业在内的许多行业中不可或缺的组成部分。事实上，与许多其他行业相比，无人机在矿业行业中的使用频率更高，应用范围更广。从矿产资源勘探到开采，从矿石加工、运输、服务到矿山修复，无人机几乎可应用于矿业价值链的各个方面。矿业企业通过应用无人机从空中采集视觉信息，加快了数据采集速度，减少了相关作业人员，从而一定程度上提高了效率及安全性。无人机目前主要用于区域勘探、地形测绘、堆场库存体积盘点、钻爆设计、设备和矿区（安全）检查以及岩土工程监测和建模等。越来越多的无人机软件供应商正瞄准矿业市场并提供更加有效的解决方案。同样，新一代无人机拥有更加丰富的功能，如体积更小、性能更稳健、数据采集能力更先进。可以预期全自动驾驶无人机将会在矿区范围实现例行飞行并采集数据，从而为矿山运营分析提供最新的数字影像，确保一切运行正常。

——技术设备创新提升矿物加工流程效率和效益。粗颗粒回收是指通过浮选方法回收粒度比正常矿物浮选粒度大2到3倍的颗粒。粗颗粒浮选的上限一直是矿业行业面临的一项长期挑战，因为太粗而无法浮选的颗粒通常占流失到尾矿中的金属和矿物价值的4%。英美资源集团正在尝试采用粗颗粒回收技术，据报道该技术将使该公司能够循环使用80%的生产用水。碎磨矿石以解离目标矿物是矿业行业中能量需求最大的环节，即能量使用的小幅减少也可能带来巨大的经济收益。该领域的发展有可能解决目前不能经济开发的低品位复杂矿体的采选难题。SELFRAG公司开发和推广的电力碎解技术，通过使用高压脉冲发电机将连续的电流转换成脉冲。高压脉冲可使矿石内部产生裂纹/微裂纹而预先使矿石颗粒脆化，从而提高后续碎磨流程的能量效率和处理量。该项技术的优势包括及早抛尾和坚硬矿石的选择性破碎。

——便携式矿物采样分析技术大大提高矿产勘查效率。在过去的10年里，便携式X射线荧光（pXRF）分析仪已经发展成为一种行业标配工具，可以在地球科学分析的各个方面快速生成近实时的地球化学数据。此外，便携式粉末X射线衍射（pXRD）分析仪的最新进展已为该领域的地质学家提供了定量的矿物学信息，而这以前只能在实验室中进行。这两项新技术共同改变了决策数据的生成速度、分辨率和成本，同时改变了该领域的地球化学和矿物学认知。

02 矿业科技创新面临的问题

近年来，矿业科技创新虽然取得了一定成效，促进了矿业行业的发展，但依然存在一些问题，在一定程度上制约了行业发展的步伐。

——矿业行业重大技术创新相对不足。在全球范围内，矿业行业在重大技术创新方面落后于其他行业。虽然生产技术已实现现代化，但这些变化并未从根本上使矿业行业发生颠覆性变革。矿业行业技术创新的主要驱动因素包括：减少工人的健康和安全风险；降低运营成本及提高矿产产能；降低矿产开发成本；劳动力老龄化加速趋势下退休率的上升和随之而来的工资上涨；降低技术开发成本；环境、社会和治理标准下对矿业行业绿色发展的迫切要求。这些都需要不断加大重大技术创新的力度，并将其切实地应用到矿山日常生产运营中。

——自动化采矿设备尚未得到广泛应用。自动化采矿设备是矿业行业最重要的技术创新领域之一。尽管在某些领域的技术已经成熟，但整体仍处于发展阶段且普及程度较低。自动化采矿设备包括露天采矿设备和地下采矿设备，其中较为成熟的是露天矿的自动化运输设备。根据原始设备制造商提供的系统，各矿山可以实现运输设备不同程度的自动化，分为指导性作业、遥控作业、半自动化作业和全自动化作业4个阶段。无论是实现何种程度的自动化，采矿作业都会变得更加一致、可控，在保障人员和机械设备安全的同时能够提高产能。自动化运输系统的相关技术已被运用于露天矿和地下矿的相关作业中。然而，全自动化在地下矿的应用仍不及露天矿。截至目前，真正的人工智能尚未应用到自动化采矿中，但这将是未来的机遇。

——数字技术在全面提升选厂运营优化方面尚待深化。目前，选厂中人工智能的主要用途是检测异常。下一项主要技术创新目标是建立选厂的数字孪生模型，以作为完全动态模型，以及应用人工智能来完全自动地控制作业流程。人工智能系统在最开始的时候需要花费较长的时间来学习如何加工矿物，以及获取和处理数据并改进算法。一旦系统开发完成，则人工智能系统将被集成到实时操作中，并以咨询模式对工厂进行运营，向操作人员提出建议。在经过全面测试后，人工智能系统将能够完全自动地运行工厂。人工智能选厂将以最佳运营状态运行，以实现更稳定的生产，更低的安全或环境风险，以及对矿石特性或工艺参数的任何变化的更迅捷响应。人工智能将优化工厂运营的不同环节，以提高矿物加工的效率、回收率和盈利能力，还可以根据实际磨损和预测的组件磨损来预见性地维护设备。

矿业科技创新发展的趋势

尽管目前对智能矿山还没有统一的定义，但其主要目的是采用高度工程化的技术，并结合人工智能、物联网和大数据等新兴关键技术的应用，实现数字化连接和各方面的运营优化，是矿业科技创新发展的趋势。

——智能化是矿业行业高质量发展的必然之路。尽管对智能矿山没有统一的定义，但主要目的是采用高度工程化的技术，并结合人工智能、物联网和大数据等新兴关键技术的应用，实现数字化连接和所有方面的运营优化，可以总结为“七化”，即数字化、自动化、智能化、机械化、集约化、电气化、少（无）人化。国际顶尖矿业企业，如力拓、必和必拓、英美资源集团、加拿大黄金公司、加拿大泰克资源公司、南非金田公司、美国纽蒙特矿业公司、澳大利亚雷索卢特矿业公司等，已将智能矿山理念作为其企业重要发展战略之一，在利用物联网、大数据、人工智能、5G、边缘计算、虚拟现实等前沿技术促进企业高质量发展及提升企业综合竞争力和可持续发展能力方面走在了行业前沿。

——数字化有望促进选矿相关领域的跨越式发展。选矿工艺技术的主要发展趋势包括持续机械化、选厂规模的扩大以及信息技术在过程控制中的应用。数字化为矿物加工领域的变革提供了可能，选厂可以在人工智能的帮助下运营，从而实现动态控制和持续优化。美卓公司的首席数字官JaniPuroranta提出了选厂数字化的两个关键领域：先进过程控制和预见性维护。先进过程控制是一种整体方案，既可以识别出工厂的限制条件，也可以利用软件在每次设定点自动做出正确决定并执行操作来实现接近限制条件的稳定生产。通过在监管控制流程顶端部署专家系统可以实现这一目标。另一方面，预见性维护可确保设备最长的正常运行时间和最大利用率。在这个概念中，机器学习算法和人工智能被用于检测和预测机器的故障或损坏，识别对正常作业模式的偏离，以及偏离最佳作业的程度。自由港迈克墨伦和麦肯锡通过建立选矿的人工智能模型，结合专家意见和优化过程中不断产生的全新数据，从而不断进行模型优化，并在人工智能模型的帮助下优化选矿流程，最终将其位于美国亚利桑那州的Bagdad选厂的铜产量提高了10%。

——探明隐伏矿体是矿业行业可持续发展的重要方向。随着新矿床发现率的持续下降，矿产勘探企业面临着越来越大的技术风险和运营挑战。现今探明的大多数矿山都位于已在地表或近地表出露的矿体。尽管新的勘探技术能够探明一些偏远、复杂且通常低品位的矿床，但对于新一代矿山的勘探，在经济可行的条件下，越来越需要探明位于无矿盖层下方的深部矿体，从而取得勘探方面的更大成果。此外，需要利用技术创新和低创性技术，以快速且对环境影响较小的方式评价潜在的矿床。这意味着圈定更精准的靶区，更有效地处理岩心数据，从而减少钻探量。

——地质数据的高级分析与评估将成为矿山建设运营的基础。实践证明，一旦实现了可靠的数据采集，则岩土工程数据的分析和评估将成为矿山工程设计的基础。钻井、取样、地球化学和地球物理方法的增加产生了大量数据。得益于计算机处理能力的增强，能够处理的数据量也大幅上升。地质学家们现在能够在三维空间里处理大量数据并将其可视化。三维地质数据的整合和可视化为理解数据空间关系创造了全新的价值。数学算法、地质统计学、模拟和其他最先进应用程序的发展都支撑了地球科学建模工作。然而，随着关键数据存储于多个软件平台中，评估所有的变量的难度大幅上升，导致业内地质数据的复杂性不断增加。为了更好地预测矿产资源潜力，如今矿业行业已经转向自动分类技术或机器学习，相比以往的手动方式能够更加深入地查询并分析数据。这种类型的分析适用于以常规手段获取的大规模、多波段和多元素地球科学数据集。然而，在区域勘探条件下，机器学习的实际应用面临着重大挑战。其中的主要问题是数据覆盖的不均匀、数据类型的不同、模型分辨率的选择、训练点的缺乏和可变性以及在不同观测尺度上表现出来的不同特征。当尝试使用一些可用的常见机器学习算法来构建代表性的“预测”模型时，需要特别注意以上因素。（作者单位：中国地质调查局国际矿业研究中心、中国地质调查局地学文献中心）