AI（人工智能）在选矿生产的应用，主要依赖CV（计算机视觉）和NLP（自然语言处理）这两大方面的技术。其中，CV在浮选智能化的研究应用，已经有近20年的历史，在这么长的时间里，AI技术本身的发展可以说日新月异，非常迅猛。选矿智能化产品的研发到底涉及哪些技术，笔者浅谈一点自己的拙见。
以浮选智能化为例，浮选智能化产品能形象地理解为选矿厂的“机器人浮选工”，这个机器人跟人类一样，有它自己的大脑、神经脉络、感应器官和手脚肢体。笔者理解的AI机器人的结构如图1所示。这个机器人的架构形式可能是一个分布式的软硬件系统，而非一个有明确物理边界的实体。它的大脑可能在选厂的集控室，也可能在某座城市的写字楼里。
如果不了解人工智能技术，该怎么样来判断一个系统是不是具备人工智能？一个系统要学习才可以获得能力，那么它就具备人工智能。举个pH测量的例子，传统的pH测试仪，是通过待测液体氢离子活性作为两根电极之间产生的电位差来测量pH值，不管外部条件怎样变化，它都不要重新学习就能精准测量，所以这就不是AI系统。人工智能判断浮选矿浆的pH值，需要先学习各种不同pH值下的矿浆泡沫图像，然后才能具备判断能力。当矿石性质改变，导致图像与pH值的对应关系改变，那么必须重新采集图像样本，模型要重新学习这些新采集的图像才能准确地判断新条件下的pH值。从这里显而易见，AI系统对某个任务的能力，跟人类非常相似，都要一直学习，才能掌握新任务的解决办法。看它像不像人，是判断机器是不是具备人工智能的简单方法。
机器的这种类似于人的“基于经验的直觉思维”来源于AI算法，而思维能力的范围取决于输入算法的样本的范围。在选矿领域可以赋予机器怎样的“直觉思维”，应该从“算法”的角度去剖析。
目前的CV（计算机视觉）技术主要解决对图像的分类、检测、分割、距离估计、三维重建以及跟踪等任务，这些也是人类视觉的基本功能，选矿AI大脑的视觉中枢也应能具备这些功能。具体的任务，可以只是某些功能的组合。
以浮选智能化的“泡沫图像分析仪”为例，目前投入到正常的使用中的此类设备多是采用“分割”办法来进行泡沫尺寸特征的提取，如图2所示。“分割法”提特征，要求泡沫尺寸易于辨认，目前的CV技术在分割任务上的表现，基本能达到人眼的辨别能力。当泡沫边缘清晰，尺寸较大时，“分割法”可以工作得很好。但这种方法的局限性也很大，当泡沫尺寸过小，边缘不清晰时，便无法正常工作。
不同的选矿厂，入浮矿石性质、药剂制度和工艺操作参数都不完全一样，这要求“泡沫图像分析仪”必须有足够强的鲁棒性。即使同一选厂的泡沫形态也不可能总是很清晰的，所以作者觉得“分割法”并不是实现浮选智能化的好方法。要想获得满意的使用效果，对图像中的泡沫进行分类是更可行的技术路线为笔者采集的某浮选厂实际生产时的泡沫图像，能够准确的看出，这3种工况下，泡沫的尺寸非常小，肉眼没办法识别，对这种情况，“分割法”是无法工作的。但笔者采用“分类”的方法（基于深度学习的CV检测算法），只训练了一百多张图像，模型便能很好的区分出每个图像对应的工况类别。而且这些图像仅仅是用笔者的手机随手所拍，并未用特别的图像采集设备和补加光源。可见，“分类法”的鲁棒性是明显强于现在使用的“分割法”的。
“分类法”虽然鲁棒性强，但需要更加多的训练数据，这就从另一方面代表着产品的研发和使用成本都会更高。如果选厂的泡沫形态大部分是清晰的，“分割法”依然有很大的应用潜力。“分割法”提取泡沫尺寸后，再配合“跟踪”算法提取流速等信息，利用这一些信息组成结构化数据，使用基于决策树的集成机器学习算法可以很好的对操作进行决策。作者觉得，“分类法”和“分割法”相结合的复合算法会是以后“泡沫图像分析仪”的主要技术路线工况
选矿厂的破碎系统生产中，如何测量矿石的粒度也是个重要任务。这方面的研究，也多是采用“分割法”的较多，这方面的文章已经有很多，笔者不再赘述。在这里表达一下自己的个人自己的观点，目前的CV技术不可能像筛子一样，将矿石的粒度组成分析出来，只能对矿石的最大粒度进行软测量。
数字孪生是工业4.0的一个重要概念。要实现工厂的数字孪生体，必须建立工厂的工艺原理模型，机电设施的运维模型，生产管理的ERP、MES模型，并还有各种实体的几何模型。基于3D点云的三维几何体重建是当前应用比较多的技术，但刚方法成本比较高。基于多视角的图像进行三维重建具有成本低的优势，值得研究和应用。
笔者在2022年上半年接触过某盐湖加工厂的智能化项目，该项目可以说是目前信息化在选厂的典型应用。该项目的目的是采集水环式真空泵的机电参数，如轴承的振动、温度，电流和电压等信息，然后将这一些信息利用互联网传送到有关人员的手机APP上实时显示，最终由人根据APP上显示的信息，判断真空泵当前是否运转正常，界面如图8所示。
简单点说，目前工业领域的信息化，不管是无人开采、智慧矿山还是智慧选厂，采用的信息化技术，能够说是移动网络的工业翻版。这个技术在民用领域发展成熟后，现在慢慢的开始在工业领域寻找新的蓝海了。作者觉得，在选矿智能化的建设过程中，对于信息化系统，应该与华为、中兴、阿里、百度这样的移动互联网大厂合作，采用外部合作的方式解决技术问题。
自动化系统是选厂比较熟悉的老朋友，不管是设计院还是选矿厂，都不缺乏熟悉自动化的人才。目前选矿行业内部，从事智能化研究的团队，多半是由自动化专业的工程师组成。自动化虽然是智能化系统的重要组成部分，但作者觉得，自动化的技术难度要相对小些，因为大家对他更熟悉，新东西无另外的子系统多。但是自动化系统也并非没有新东西。比如，轴承监测的传感器，近年来已经广泛使用新一代产品了，两代传感器的比较如图9所示。另外，像自动加药机等执行机构也在持续不断的发展着。这些新产品的性能如何，都需要自动化工程师去了解，这样才可以做好选型工作。
