Raw ore, concentrate, tailings|  unknown ore testing and identification   The ore just extracted from the mine is the raw ore, which is crushed and then goes into the first flotation process, i.e. rougher separation, resulting in rougher concentrate and rougher tailings.   The coarse tailing is then flotation, i.e., sweeping, which produces sweeping concentrate and sweeping tailing.   The coarse concentrate is then flotation, i.e. selected, to produce a concentrate and a concentrate tailing.   After the initial separation of the ore, such as flotation, re-election or magnetic separation, the water content of some of the veins or peridotite selected, and the product higher than the original grade, called coarse concentrate, generally not up to the requirements of the quality of the concentrate, this process is called coarse separation services. The coarse concentrate will be re-elected to get qualified concentrate, this process is called selection operation. Sometimes it is necessary to select the coarse concentrate several times to get qualified concentrate, and the operation is called primary selection, secondary selection and tertiary selection in order .......      Generally, the rougher tailings cannot be discarded as the final tailings, and often need to enter the next step of the operation, which is called sweeping. In order to improve the metal recovery, it is sometimes necessary to go through several sweeping operations to arrive at the final tailings.   After the ore has been processed by the separation operation, most of the veins and impurities are removed, so that the useful minerals are enriched product is called concentrate. The concentrate is the final product of the beneficiation plant, sometimes called the final concentrate, and is generally used as the raw material for smelting. The final concentrate has to make its main components and impurity content meet the national standards in order to be called qualified concentrate.   For concentrate, medium ore and tailings, what is outside the concentrate and tailings after each flotation is called medium ore.    After a raw ore is treated by the separation operation, its main components have been enriched in the concentrate, and in some cases, after comprehensive treatment, the minor components of the ore or other associated metals are also recovered. So the remaining part of the product contains very low components, and this part of the product is called tailings, or final tailings. It should be noted that the tailings still contain useful components that are difficult to extract due to the current level of technology, but have the potential to be reused as raw materials in the future. Therefore, the tailings are generally stockpiled and preserved in tailings storage.    Analysis of unknown ore minerals Ore testing types 1, geological and chemical exploration: census samples, slot (pit) samples, drill samples, dispersion flow samples, secondary halo samples, primary halo samples, etc. 2、Ore minerals: copper, lead and zinc ore, gold ore, molybdenum ore, tungsten ore, titanium ore, tin ore, antimony ore, bismuth ore, mercury ore, cobalt ore, nickel ore, chromium ore, iron ore, manganese ore, phosphate ore, fluorite, bauxite, sulphide iron ore and rock analysis, etc. 3, concentrate products: copper concentrate, lead concentrate, zinc concentrate, gold concentrate, tin concentrate, antimony concentrate, tungsten concentrate, molybdenum concentrate, etc. 4、Mineral products: various concentrates (beneficial and harmful impurity components), imported raw materials and smelting slag materials, etc. ‍ Ore is rich, various metal types and content varies, fine detection technology reference national ore detection standards, to provide you with all kinds of ores, copper, lead, zinc, nickel, tin, cobalt, aluminum and other non-ferrous metal content analysis, detection, identification services, as well as gold, silver, palladium, platinum and other precious metal content of the assay analysis services, each element detection methods are in strict accordance with the relevant national testing standards, and can do accurate and fast.   This article is reprinted from: Intercontinental Mining

Raw ore, concentrate, tailings|  unknown ore testing and identification   The ore just extracted from the mine is the raw ore, which is crushed and then goes into the first flotation process, i.e. rougher separation, resulting in rougher concentrate and rougher tailings.   The coarse tailing is then flotation, i.e., sweeping, which produces sweeping concentrate and sweeping tailing.   The coarse concentrate is then flotation, i.e. selected, to produce a concentrate and a concentrate tailing.   After the initial separation of the ore, such as flotation, re-election or magnetic separation, the water content of some of the veins or peridotite selected, and the product higher than the original grade, called coarse concentrate, generally not up to the requirements of the quality of the concentrate, this process is called coarse separation services. The coarse concentrate will be re-elected to get qualified concentrate, this process is called selection operation. Sometimes it is necessary to select the coarse concentrate several times to get qualified concentrate, and the operation is called primary selection, secondary selection and tertiary selection in order .......      Generally, the rougher tailings cannot be discarded as the final tailings, and often need to enter the next step of the operation, which is called sweeping. In order to improve the metal recovery, it is sometimes necessary to go through several sweeping operations to arrive at the final tailings.   After the ore has been processed by the separation operation, most of the veins and impurities are removed, so that the useful minerals are enriched product is called concentrate. The concentrate is the final product of the beneficiation plant, sometimes called the final concentrate, and is generally used as the raw material for smelting. The final concentrate has to make its main components and impurity content meet the national standards in order to be called qualified concentrate.   For concentrate, medium ore and tailings, what is outside the concentrate and tailings after each flotation is called medium ore.    After a raw ore is treated by the separation operation, its main components have been enriched in the concentrate, and in some cases, after comprehensive treatment, the minor components of the ore or other associated metals are also recovered. So the remaining part of the product contains very low components, and this part of the product is called tailings, or final tailings. It should be noted that the tailings still contain useful components that are difficult to extract due to the current level of technology, but have the potential to be reused as raw materials in the future. Therefore, the tailings are generally stockpiled and preserved in tailings storage.    Analysis of unknown ore minerals Ore testing types 1, geological and chemical exploration: census samples, slot (pit) samples, drill samples, dispersion flow samples, secondary halo samples, primary halo samples, etc. 2、Ore minerals: copper, lead and zinc ore, gold ore, molybdenum ore, tungsten ore, titanium ore, tin ore, antimony ore, bismuth ore, mercury ore, cobalt ore, nickel ore, chromium ore, iron ore, manganese ore, phosphate ore, fluorite, bauxite, sulphide iron ore and rock analysis, etc. 3, concentrate products: copper concentrate, lead concentrate, zinc concentrate, gold concentrate, tin concentrate, antimony concentrate, tungsten concentrate, molybdenum concentrate, etc. 4、Mineral products: various concentrates (beneficial and harmful impurity components), imported raw materials and smelting slag materials, etc. ‍ Ore is rich, various metal types and content varies, fine detection technology reference national ore detection standards, to provide you with all kinds of ores, copper, lead, zinc, nickel, tin, cobalt, aluminum and other non-ferrous metal content analysis, detection, identification services, as well as gold, silver, palladium, platinum and other precious metal content of the assay analysis services, each element detection methods are in strict accordance with the relevant national testing standards, and can do accurate and fast.   This article is reprinted from: Intercontinental Mining

Introduction of mining types and methods   Mine Mining   Mining refers to the use of artificial or mechanical mining of valuable natural mineral resources. According to the different depths of deposits and the requirements of technical and economic rationality, mining is divided into two ways: open-pit mining and underground mining. The part close to the surface and shallowly buried is mined by open-pit mining, and the deep part is mined underground.   For an ore body, whether to use open pit mining or underground mining depends on the state of the ore body's deposit. If open pit mining is used, how deep should be used is reasonable, there is a depth boundary problem, the determination of the depth boundary mainly depends on the economic efficiency. In general, the realm stripping for example is less than or equal to the economic and reasonable stripping ratio, open pit mining can be used, otherwise, underground mining methods are used. (A) open-pit mining   Open-pit mining is a mining method that uses mining equipment to strip rocks and extract useful minerals in an open-air condition, in an open-air or depressed open-air manner on a hillside, stage by stage. Compared with underground mining, open pit mining has many advantages, such as fast construction, high labor productivity, low cost, good labor conditions, safe working, high ore recovery rate, low depletion loss, etc. Especially with the development of large and efficient open pit mining and transportation equipment, open pit mining will be more widely used. At present, most of the ferrous metallurgy mines in China adopt open-pit mining.   The whole process of constructing an open pit mine generally includes: the construction of surface facilities in the mine area; the dewatering and drainage prevention of the deposit; the basic construction of the open pit and a series of preparatory work for putting into production.   Open pit infrastructure is mainly to dig the entry ditch, exit ditch and open section ditch, lay the transportation line, build the drainage field, strip the rock and build the drainage and power supply facilities.   The entry and exit trenches are to establish inclined transport roads from the ground to the working levels and between the working levels. Open section trenches are the horizontal trenches dug at each level to open up the mining workings, which are the initial workings of the opening phase.   Trenching, stripping and mining are three important parts of the open pit production process. The speed of decline of open pit mine and the length of preparation time for new levels are mainly determined by the trenching speed. In order to ensure the continuous and normal production of the open pit mine, a certain relationship must be maintained between trenching, stripping and mining in terms of space and time. Follow the principle of "mining and stripping, stripping first" to organize production.   Open pit production process, whether stripping or recovery of ore, the process generally go through perforation, blasting, loading and transportation. At present, the equipment used in China's ferrous metallurgy mines, perforation is mainly tooth wheel drill and perforation drill, impact drill has been eliminated. Most of the loading equipment use 3 ~ 4.6 m 3 electric shovel, 6 m 3 above the electric shovel also began to use. Most of the transport equipment use more than 20 tons of heavy vehicles and 80-150 tons of motor vehicles, 100 tons of electric wheel vehicles are also used in some mega mines.     (ii) Underground mining   When the deposit is buried very deep below the surface and the stripping factor is too high by open-pit mining, underground mining is used when it is considered reasonable to use underground mining after technical and economic comparison.   As the ore body is buried deep, in order to extract the ore, it is necessary to excavate tunnels leading from the surface to the ore body, such as vertical shafts, inclined shafts, ramp roads, flat tunnels, etc. The focus of underground mining capital construction is to dig these shafts and lane works.   Underground mining mainly includes three steps: exploration, mining and cutting (quarrying and cutting work) and recovery. Open up is in order to reach the ore body from the surface and open up the shaft, inclined shaft, ramp road, flat road and other shaft excavation project. Quarrying is the preparation work for ore recovery on the basis of pioneering works, including mining preparation lanes such as flat lanes, cross lanes and skylines in the digging stage. Cutting is the shaft work that must be completed before the recovery operation according to the mining method on the basis of the development and quasi-engineering, such as cutting the patio, cutting the flat lane, pulling the bottom lane, cutting the riffle, releasing the ore hopper, rock drilling chamber, etc. The backhoe is a mining operation in the quarry that includes rock cutting and crumbling of ore, transporting and moving ore and supporting the quarry. These three steps are carried out in sequence, and after the mine is in operation, the various shafts and tunnels continue to be excavated in order to maintain normal production. Such as the extension of the development of the roadway, the excavation of various prospecting   mining, back mining roadway, etc.. In time, we must follow the production law of "development ahead of mining, mining ahead of recovery, to ensure that the amount of production at all levels of preparation to reach a reasonable retention period". This is through the long-term production practice summed up more in line with the scientific laws of mine production practice.   When mining underground deposits, the upper stage is generally mined first, followed by the lower stage. In the stage, the ore block is divided into blocks along the direction of the deposit (the height of the block is generally 40-60 meters, while in foreign countries it is generally 60-120 meters, and can even reach 200 meters), and the block is generally used as the basic unit or the block is subdivided into ore houses and pillars for recovery.   There are many underground mining methods, mainly divided into the following three categories:   (1) Natural support mining method. The mining area is divided into ore houses and ore pillars. When mining back to the room, the resulting void area is supported by the pillar, therefore, the basic condition for using this type of mining method is that both the ore and the surrounding rock need to be stable.   (2) Artificial support mining method. In the mining area, as the recovery workings advance, artificial support methods are used to maintain the mining void and form the workings.   (3) Crumbling mining method. It is a method to control the management of ground pressure by filling the mining area with the crumbling surrounding rock as the ore falls. As the upper and lower plate rock crumbling will cause the collapse of the surface, so the surface allows crumbling is a necessary prerequisite for the use of this type of mining method.   Underground mining, whether it is pioneering, quantification or recovery, generally have to go through rock drilling, blasting, ventilation, loading, support and transportation and lifting processes.   At present, China's key underground mining equipment, rock drilling is mainly used rock drills, rock drills and deep hole drilling rigs used in the quarry. Loading is mainly used loaders, scrapers, electric rakes, etc.. Flat tunnel transportation and lifting generally use motor trucks to haul columns of ore cars to shafts, inclined shafts, hoisting shafts and sites, and then use cages to lift the ore cars to the ground, and large underground mines are unloading the ore cars into bins and then loading them into skips to lift them to the ground.

China Mining News: The establishment of a long-term, stable, efficient and diversified resource security system should be accelerated   The government work report of this year's national two sessions proposed to adhere to the general keynote of seeking progress in a stable manner, promote the overall improvement of economic operation, and achieve effective improvement of quality and reasonable growth of quantity. At present, China's metal mineral consumption accounts for more than 40% of the total global consumption, of which, iron ore consumption accounts for 62%. The huge consumption makes China's metal minerals import quantity is increasing day by day, the degree of foreign dependence is rising, the import price is climbing. How to effectively maintain the balance of demand and supply over a period of time is still the focus of great concern in the industry. Recently, Fan Tiejun, Deputy Secretary General of China Iron and Steel Industry Association and President of Metallurgical Industry Planning and Research Institute, gave an in-depth interpretation of the current supply and demand situation and development trend of iron ore industry and made relevant suggestions. I. Global iron ore supply will exceed demand for a period of time Fan Tiejun said in his analysis of the current supply and demand situation and development trend of the global iron ore industry, global steel consumption in 2022 will be 1.795 billion tons, down 2% year-on-year. Based on the analysis of global and regional economic development and steel demand, it is predicted that in the second half of the 14th Five-Year Plan, major steel consuming regions will achieve economic growth, leading to a slight growth trend in global steel consumption. In this context, from the demand side, the global iron ore consumption in 2022 is estimated at 2.258 billion tons, down 3% year-on-year, according to pig iron production. It is expected that the future of China's pig iron production will continue in the reduction adjustment area for a longer period of time, iron ore demand and pig iron production will remain synchronized; other countries around the world new iron ore demand basically just to make up for China's share of decline, the global demand for iron ore overall show a stable trend, the recent decline is still possible. From the supply side, global iron ore production will be about 2.4 billion tons in 2022. In recent years, the four major mines still have some iron ore capacity released to increase capacity or to supplement the capacity to be closed, and along with the production of some iron ore mines in Africa, the global iron ore supply shows an overall growth trend. Looking to the medium to long term, as global iron ore demand decreases and high cost and low quality mines gradually exit, future iron ore supply will gradually decrease. Overall, the global iron ore supply exceeds demand will exist for a long time in a certain period of time. Second, the demand for high-grade iron ore in China will gradually increase The central economic work conference in December 2022 clearly put forward, "strengthen the important energy, mineral resources domestic exploration and development and increase storage on production, accelerate the planning and construction of a new energy system, and enhance the national strategic material reserve security capacity. Recently, a number of national policies have pointed out the direction for a new round of mineral exploration. From the domestic iron ore market, in 2022, the lack of demand-side led to a 3% year-on-year decline in China's steel consumption. But China's long-term economic fundamentals have not changed, the relevant experts expect that the "14th Five-Year" period, China's steel demand will fluctuate downward trend, but still remain at a high level. In this regard, Fan Tiejun said, under the guidance of industrial policy, China's steel industry to production capacity double control as the basis, to ultra-low emission transformation as a grip, to energy consumption double control as the driver, to intelligent manufacturing initiatives, low-carbon transformation as the guide, and unswervingly take the road of green low-carbon quality development, to promote the transformation of development and structural adjustment. Process structure adjustment, "double carbon" target, with China's steel industry to the peak area in the middle and late development, scrap resources, electricity and other support conditions gradually improved, to a certain extent will accelerate the steel process structure adjustment, accelerate the proportion of electric furnace steel to enhance, but the adjustment cycle may be longer. Material structure adjustment, environmental protection policy, industrial policy, blast furnace large-scale and other factors, will help push China's blast furnace furnace structure to "pellet increase, sintering down" direction optimization adjustment; with low-carbon smelting process and technological innovation, blast furnace process with traditional iron ore raw material demand will gradually reduce, the demand for high-grade ore resources will also gradually Increase. For the current situation and trend of China's iron ore demand, Fan Tiejun has analyzed and predicted from 4 dimensions. In terms of domestic ore, in recent years, China's iron ore production has been falling before rising, and the national iron ore production in 2022 will be 968 million tons of raw ore, or about 300 million tons of finished ore. The future of domestic mineral production will be to stabilize growth and adjust the structure, maintaining a certain level of supply capacity and resource security. Imported ore, in recent years, China's iron ore imports are fluctuating upward trend, reaching 1.107 billion tons in 2022; China's external dependence on iron ore is rising and then falling trend, accounting for about 79.8% of the total consumption of iron ore in 2022, although imports have declined, but still at a high level. As China's scrap steel utilization rises, the overall demand for iron ore is downward, coupled with the successful implementation of the "Keystone Plan" for domestic ore production, the amount of imported ore will drop significantly. In terms of equity mining, China's overseas equity mining capacity will be about 62.9 million tons in 2022. Considering the current progress of major overseas iron ore projects, with the implementation of the "Keystone Plan", the amount of China's overseas equity ore is expected to further increase during the "Tenth Five-Year Plan". In terms of iron ore prices, iron ore prices will rise and then fall in 2022, with huge oscillations. Recent iron ore prices by the "strong expectations" and the market speculation has climbed sharply, but the current end demand is expected to continue to be in doubt, the high price support is not enough. In the long run, "strong expectations" will eventually return to rational reality, iron ore prices will fall back to a reasonable range. Third, the overall supply of steel scrap resources is on the rise Steel scrap as recycled steel raw materials, is an important source of iron, is a green raw material for the iron and steel industry, iron ore has a certain alternative role. The use of scrap steel and the use of iron ore as a source of iron, the structure of iron resources, energy structure and process structure, on resources, energy consumption and all types of emissions, including carbon dioxide emissions will have a significant impact. Relevant data show that by 2025, China's steel accumulation will reach 12 billion tons and the annual output of scrap steel resources will reach 270-300 million tons; by 2030, China's steel accumulation will reach 13.2 billion tons and the annual output of scrap steel resources will reach 320-350 million tons. In March this year, Vice Minister of Industry and Information Technology Xin Guobin said when talking about the industrial carbon peak and green transformation, this year will implement the comprehensive utilization of resources to improve quality and efficiency action, and strive to achieve the utilization of scrap steel to 265 million tons in 2023. China Scrap Iron and Steel Application Association analysis that, with the recent start of the infrastructure market, steel into the end demand gradually stronger, steel enterprises production enthusiasm significantly increased, profitability has also improved, to a certain extent, to support the scrap steel prices rise. But the current thin profits of steel enterprises, steel prices continue to move upward momentum is insufficient, steel enterprises scrap arrivals at a higher level, and merchants have intentions to step up shipments, or will inhibit the scrap prices continue to rise. Scrap prices are expected to rise and fall in the short term, steel enterprises will be based on inventory and other circumstances to adjust the purchase price slightly. For the development trend of the scrap market, Fan Tiejun said that through the study of the relationship between the amount of scrap resources generated and steel accumulation in China, and combined with the actual supply and demand of domestic scrap in recent years, it is estimated that as China's social steel accumulation will continue to grow rapidly, the output of scrap resources will further increase, coupled with the liberalization of renewable steel raw material import policy, it is expected that the overall supply of scrap resources in China is on the rise. At the same time, he said that in recent years, China's scrap steel processing enterprises have surged, the more intense competition. At present, domestic scrap resources are limited, not enough to support the rapid development of electric furnace steel, and steel enterprises to enhance the level of application of scrap steel. To further strengthen China's scrap steel resource security capacity, it is recommended to accelerate the creation of scrap steel resources recycling industry system, improve the construction of the management system of the scrap steel industry, and guide the efficient use of scrap steel resources in the steel industry. Fourth, accelerate the establishment of long-term stable and efficient diversified resource security system Iron ore as a national strategic mineral resources, to maintain the steel industry chain supply chain security has a ballast role. Fan Tiejun said that the essential problem of China's iron ore resource security is structural imbalance. The main manifestation is that the total amount of domestic iron ore resources is large, but mainly poor ore; imports are large, accounting for a high proportion and concentrated sources; the slow progress of investment in iron ore resources abroad, the overall effectiveness is not obvious; strong financial attributes of iron ore, the lack of pricing discourse; supply and demand sides of the market position is not equal. At present, China's iron ore security capacity is still seriously inadequate. The high degree of foreign dependence on iron ore not only seriously affects the supply chain security of the industrial chain, national strategic security, but also makes the steel industry a large number of profits captured by foreign mining enterprises. He suggested that China's steel industry should accelerate the establishment of long-term, stable, efficient and diversified resource security system. To make full and efficient use of domestic and foreign resources, while stabilizing the domestic cycle, to promote the formation of international circulation, the formation of domestic and international dual cycle of raw materials security pattern. It should also strive to build a multi-dimensional and diversified resource security channel through the joint use of domestic and foreign mines, the formation of a strategic supply chain, ensuring a certain proportion of equity mines, strengthening the construction of overseas multi-resource bases, establishing a resource reserve system, strengthening the risk prevention of iron ore transportation channels, using and improving the raw material financial trade system and related derivatives, and other paths. Note: This article is from China Iron and Steel Industry Association

Intelligent sorting of tailings, get rid of "useless", Meide Optoelectronics realize the value of tailings regeneration!   In order to implement the "14th Five-Year Plan" and respond to the 20th National Congress report, it is pointed out that the green transformation of the development mode, establish and practice the concept of green water and green mountain is the silver mountain. In order to respond to national policies and development needs, mining enterprises to enhance the use of mineral resources and economic benefits, reduce environmental damage and impact, and ultimately achieve the green mine, intelligent mine construction, and ultimately become the direction of future development of mineral resource-based enterprises.     Among them, as mining resources mining, beneficiation process of industrial solid waste tailings, is a mining enterprises the most headache a difficult point. How to turn waste into treasure? Get rid of industrial solid waste "useless" title, to achieve the recovery of sorting and reuse, sorting is particularly important.     For the tailings generated by different beneficiation methods, the use of targeted ways to deal with, can effectively improve the utilization of ore resources, such as magnetic separation, re-election of the particles after the tailings, such as metal ore can be pre-enriched by way of sorting higher than the economic grade; for non-metallic ore for the composition of the minerals, through the way of sorting, according to the type of ore sorting, and finally achieve the purpose of use. In this regard, sorting has become an essential part of the process.       Today, we will mainly talk about a representative kind of tailings - tungsten tailings. Due to the low grade of tungsten ore, mostly around 0.1%~0.7%, a large amount of tailings are generated during the beneficiation process, accounting for up to 90% of the original ore, most of which are not effectively utilized and are mainly stored in tailing ponds or mine backfills, which not only waste resources, but also occupy land, pollute the environment and endanger health. The annual output of tungsten tailings in China alone is about 400,000t. Improving the overall utilization of tungsten tailings is conducive to promoting the construction of tailings-free mines, which not only improves the added value of tungsten ore resources but also improves the mine environment, and is the future development direction of comprehensive utilization of tungsten tailings.     Tungsten Tailings       The main components in tungsten tailings are oxides of silicon and aluminum, and contain calcium, which are more similar to traditional construction materials and can be used as construction aggregates. However, there are some quartz and flint with alkali activity inside, and there is a risk of alkali aggregate reaction. After sorting and processing, throwing out the quartz and flint in it, it can be used as high standard construction aggregate for large projects, which greatly enhances the utilization and value of tungsten tailings. At the same time, there is also a part of the aggregate, due to the influence of the site water, there will be organic matter, mud lumps, silt and other substances, if made into aggregate, will also affect the overall quality, also need to be sorted, the organic matter and high mud content of the ore thrown out, to reduce the impact of such impurities on the quality of the aggregate, to improve the overall quality and value of the aggregate.         Promoting the recycling of tailings resources and reducing the amount of tailings is a must to promote the development of green mines. It is also a historic development opportunity for mining enterprises, through the utilization of tailings, the utilization rate of mining resources can be effectively improved.         For a long time, Mingde Photoelectric has been around the ore sorting technology research and development, to improve the utilization of ore resources, has been working hard to move forward. In order to expand the scope of application of the equipment, breakthrough photoelectric separation limitations, greatly enhance the scope of ore sorting, for the progress of ore sorting technology, to provide strong support, while the research and development of equipment to fully take into account the complexity of the mining environment, the overall stability of the sorting, yield have a great guarantee. For the green mine,  Mingde provide the wisdom.

Introduction to the three beneficiation processes of re-election, flotation and magnetic separation   China's vast territory, rich and productive, has been proven mineral resources of many kinds, the total amount of more, but the actual development was found that a variety of mineral resources rich ore less, more poor ore, less single ore, more associated ore, in order to make full use of these mineral resources, the country vigorously develop the beneficiation process.   Today, re-election, flotation, magnetic separation process to carry the majority of mineral beneficiation, let us take a look at them!   A, Gravity  separation process 1、Preparation of raw materials The raw materials for re-election should go through the process of crushing, screening and grinding in order to meet the feed size of the re-election equipment.   2、Water washing and desliming The re-elected material should be washed with water to remove the excess silt and stone powder on the ore, so as not to mix into the re-elected concentrate and affect the grade of the ore.   3、Gravity separation classification The Gravity separation method commonly used Gravity separation equipment jigger, shaking table, chute, etc., the use of different specific gravity of the particles in the medium (usually water, air, heavy liquid or suspension) in the different settling speed, will be useful minerals and associated with the separation of mineral particles.   Second, flotation beneficiation process 1、Preparation of raw materials Firstly, the raw material should be crushed and ground to a fineness of 0.2mm or less, and then added to the flotation chemicals and stirred well in a mixing drum.   Grinding can make the useful mineral particles embedded in the ore and associated vein as far as possible to separate; flotation agent is to strengthen the difference of floatability between useful minerals and associated vein; stirring is to let the agent and the mineral particles fully function.   2、Flotation The slurry is charged into the flotation machine, which relies on mechanical agitation or air charging to produce a large number of bubbles in the slurry.   After the role of flotation chemicals, the hydrophobicity of useful mineral particles more obvious, easier to attach to the bubbles, while other minerals with hydrophilic stay in the pulp, completing an important step in the separation of minerals.   The mineral particles attached to the bubbles float to the surface of the pulp with the bubbles, and then are scraped out by the rotating scraper, which is the concentrate we want, and the product left in the pulp is the "tailings".   Three, magnetic separation beneficiation process 1、Preparation of raw materials The raw material preparation stage of the magnetic separation process also requires the process of crushing and grinding, first grinding the ore into fine particles.   2、Grading Use classifier to classify the ore particles, which can remove most of the useless ore particles in advance and reduce the working pressure of magnetic separation equipment.   3、Magnetic separation Using the characteristics of different ores with or without magnetism, the magnetic separator can draw out the useful ore particles with magnetism from the non-magnetic associated vein, to achieve the purpose of separating the two.   In actual production, these three beneficiation processes can not only be independent beneficiation, encounter with a variety of types of associated ore, but also can be used jointly, the various types of concentrates in the ore one by one, to understand their process flow, to facilitate our processing of hundreds of ore separation.    

Potential Economic Value Exceeds Trillion Yuan, Large-Scale Deposits Announced! Top 10 Major Results of 2022 Geological Search Announced   The mining industry was also deeply affected by the epidemic emanating from many places, the real estate slump and the difficult economic downturn in 2022. In a letter of reply from General Secretary Xi Jinping to all geologists of the Sixth Geological Brigade of Shandong Province Geological and Mining Bureau, which rekindled the enthusiasm of mining industry people across the country to find mines, what kind of answer sheet will be delivered to the people of the country with the efforts of many geologists? Recently, the official website of the Chinese Geological Society announced the selection results of the major achievements in geological prospecting for 2022.   I. High-grade and high-quality large-scale iron ore deposits found in Baijian area, Shahe City, Hebei Province The Ninth Geological Brigade of the Hebei Geological and Mineral Exploration and Development Bureau has discovered a high-grade large-scale iron ore deposit in Baijian, Shahe City, which is the largest smectite iron ore deposit ever discovered in Hebei Province and one of the few high-grade unexplored iron ore deposits in China. The Ninth Geological Brigade's technicians have continuously innovated the theory and method of finding iron ore in the Hand Xing style, and have refined and summarised the "five-in-one" method of finding iron ore, which has effectively guided the search for iron ore in the depths and periphery of the Hand Xing style. The project submitted 104,427,000 tonnes of proven + controlled + inferred iron ore resources with an average grade of 48.02% total iron (TFe), 44.15% magnetic iron (mFe) and 4412.8 tonnes of magnetite associated cobalt, with a potential economic value of over RMB 100 billion. The iron ore can be used as raw material for refined steel and high-quality steel. The economic and social benefits arising from its development and utilization are of great significance to the local economic development and the security of national energy resources.   II. Significant breakthrough in the search for heavy rare earth ore in Shi Ping, Anyuan County, Jiangxi Province   The team, led by Wang Xianguang from the Jiangxi Mineral Resources Security Service Centre, has detected a super-large weathered crust ionic heavy rare earth deposit after five years of comprehensive exploration in the area where the South Ridge and Wuyi Mountain tungsten-tin rare earth polymetallic mineralisation zones meet in southern Jiangxi. A total of seven heavy rare earth sections were circled in the mine area, of which XX.XX million tons of inferred full-phase heavy rare earth resources with an average grade of 0.088% and XX.XX million tons of leached-phase heavy rare earth resources with a grade of 0.060% were detected in the root-back section in 2022; a "five elements in one" model for ionic rare earths and a "geological survey + weathering crust" model were constructed. The "geological survey + weathering crust trapping + Gannan drilling + shallow drilling + rapid field analysis + experimental testing" is a green, efficient and economical exploration method for ionic rare earths, which is of universal significance to the exploration and evaluation of ionic heavy rare earth deposits. The results of the survey have been applied to other sections such as Xinfeng in the Shishiping mining area and Xunwu County and Gan County in the Nanling area, and a number of large scale heavy rare earths have been found in Xiahu and other areas with significant results.    3,A major breakthrough in silver polymetallic exploration in Erdaokan Village, Nengjiang City, Heilongjiang Province   The Heilongjiang Natural Resources Survey Institute and the Heilongjiang Geophysical and Geochemical Survey Institute have made a major breakthrough in the exploration for silver polymetallic ores in Erdokan Village, Nengjiang City, submitting a total of 1,777 tonnes of silver metal with an average grade of 431.10 g/t. The size of the silver ore is large and the manganese ore is medium. The silver polymetallic ore body is hosted in marine sedimentary rocks of the Upper Silurian-Middle Devonian Neihuohe Formation, closely syngenetic with gabbroic veins, with moderately acidic sub-volcanic rocks, and the ore is a tectonic breccia cemented by quartz veins. This deposit is the first large independent silver deposit in Heilongjiang Province, filling the gap of independent silver ore in Heilongjiang Province, and is the largest deposit in the national silver ore search during the 13th Five-Year Plan. Through the ore processing and metallurgy technology performance and economic overview study, it is believed that after the mine is put into operation, the average annual profit is about 340 million yuan, which can serve nearly 12 years, and the average annual income tax paid is about 84 million yuan, which will greatly improve the local financial revenue and effectively drive the regional GDP.   4. Innovation in ore search technology and major breakthrough in ore search for the super-large gold deposit in Dayingzhuang, Jiaodong   The Sixth Geological Brigade of Shandong Geological and Mineral Exploration and Development Bureau and Zhaoguang Mining Co., Ltd. jointly detected the largest gold resource of over 100 tons in the middle section of the Zhaoping Fracture Zone. The project clarified the output pattern of the ore body and solved the problem of what location is conducive to ore formation; proposed a new method for finding ore by segmentation and enrichment, solving the problem of where to find ore; proposed a quantitative prediction method for the trend extrapolation + body ore content, solving the problem of how much resources are available at depth. It has achieved a major breakthrough in ore search, extended the service life of the mine, helped the Zhaoping metallogenic belt to become a 1,000-ton gold belt, enriched and improved the gold metallogenic theory in the Jiaodong region, and played a positive role in promoting the gold metallogenic law and ore formation prediction in the region, which will play a leading role in the new round of strategic action of ore search and breakthrough, and drive the region to make new breakthroughs in ore search, and provide a new base for building a "10,000-ton" gold industry. The project will play a leading and exemplary role in the new round of strategic action to find and breakthrough in ore, drive new breakthroughs in regional ore search, provide favorable support for building a 10,000-ton gold industry base in Shandong, China, and make significant contributions to the security of national energy resources.   5. Large fluorspar mine discovered in Cilimiao mine, Siziwangqi, Inner Mongolia Autonomous Region   Inner Mongolia Geological Exploration Co., Ltd. has identified a large fluorspar deposit in the Cilimiao mining area of Siziwang Banner, with a total identified fluorspar ore volume of 8,493,000 tonnes and mineral volume of 4,681,000 tonnes, with an average grade of 55.12% CaF2. Manganese ore volume was 102,800 tonnes with an average grade of 21.95% Mn. The fluorite ore body is produced in the crystalline tuff of the Dashi Zhai Formation II section of the Middle Permian and is strictly controlled by carbonate rock stratigraphy and interstratigraphic structure, and is a stratigraphically controlled (modified) type of stratiform fluorite deposit in carbonate rocks. The discovery of this deposit has, to a certain extent, changed the status quo of the small proportion and scale of stratified fluorite ore in China, making a positive contribution to the security of national strategic mineral resources, driving local economic development, showing a good prospect for fluorite prospecting in the area, and playing a role as a model and guide for exploration.   6,Ultra-large graphite ore was found in the area of Tullahai River in Golmud, Qinghai   The first super-large scale crystalline graphite deposit in Qinghai was detected by the Qinghai Geological Survey in the area of Tullahai River in Golmud City, with an inferred graphite mineral resource of 16,564,900 tonnes, with an average grade of 4.86% fixed carbon and 91.14% +100 mesh large scale graphite, achieving a major breakthrough in graphite prospecting in the shallow coverage area of the Qinghai-Tibet Plateau. The deposit is hosted in the gneiss and dacite of the Jinshukou Group in the Lower Palaeogene, and is a layer-controlled regional metamorphic graphite deposit. The ore is of excellent selectivity, with a recovery rate of 96% or more and a fixed carbon grade of 95.26% or more in concentrate, which meets the quality standard of high carbon graphite and has high economic value.   7. Largest hidden monolithic phosphorus-rich deposit in Asia discovered in Zhenxiong, Yunnan   The Yunnan Geological Survey Institute (YGSI) has made a major breakthrough in the search for deep-seated phosphate ores by discovering the largest occulted monolithic phosphorus-rich deposit in Asia, the Yangchang Super Large Phosphate Deposit, in the Zhenxiong area. The Yangchang phosphate deposit is a shallow marine sedimentary phosphate massive deposit in the Lower Cambrian, characterised by "large reserves, high quality ore and concentrated resource distribution". The inferred resource of phosphate ore is 1,197 million tonnes, with 51.87% of Grade I+II, and the potential resource of phosphate ore at depth and periphery is predicted to be over 10 billion tonnes, with a potential economic value of over RMB 1 trillion. The discovery and evaluation of the deposit provides a solid resource base for Yunnan Province to build a 100-billion-dollar nationally important phosphorus chemical industry base, and provides a resource guarantee for national energy resource security and food security.   8,Over 600 million tonnes of oil discovered in the Permian Fengcheng Formation in the Mahu Depression of the Junggar Basin   For the first time, PetroChina Xinjiang Oilfield Branch made a major discovery in the ancient alkali lake hydrocarbon source formation of the Permian Fengcheng Formation in the Mahu Depression of the Junggar Basin, adding 656 million tonnes of tertiary petroleum geological reserves and opening up a new field of basin-scale exploration. The results have established an innovative lower limit sequence for the pore throat structure of all types of reservoirs in the Fengcheng Formation, revealing the full-scale reservoir formation mechanism of conventional and unconventional oil reservoirs; and established a "source-storage coupling" based on the orderly formation of conventional oil - tight oil - shale oil. The results have established a "source-storage coupling" based on the formation model of conventional oil - tight oil - shale oil in an orderly manner, and implemented a 2500km2 exploration favorable zone; integrated and innovated a comprehensive exploration technology for all types of reservoirs, and increased the success rate of oil test layers in the Fengcheng Formation from 35% to 91%; guided the new discovery of extra-large unconventional oil reservoirs within 600 million tonne class sources. The results achieved the first successful exploration of a full oil and gas system in the world, enriching and developing the geological theory of oil and gas system, which is of great significance to safeguard national energy security, promote the implementation of the "Belt and Road" strategy and social stability in the Xinjiang region.       9, The first deep shale gas field in a complex tectonic zone on the basin margin of China discovered in the Qijiang area The deep shale gas exploration innovation team of China Petroleum & Chemical Corporation Exploration Branch has discovered the first deep shale gas field in the complex tectonic zone of China's basin margin, the Qijiang shale gas field, and submitted the first phase of proven geological reserves of 145,968 million cubic metres of shale gas in the Dingshan District block, marking the birth of another large, fully assembled shale gas field of over 100 billion cubic metres in China. The project has discovered the development mechanism of "highly porous" high-quality reservoirs for deep shale gas, formed a new understanding of "overpressure and gas-rich", effectively broke through the "sweet spot" prediction technology and engineering It has achieved a major breakthrough in deep shale gas exploration, and the implementation of a trillion cubic meter gas-rich zone in the complex tectonic zone on the southeast Sichuan basin margin, laying the theoretical and technical foundation for the expansion of shale gas to ultra-deep depths greater than 4,500m. The discovery of the Qijiang shale gas field is of great significance to the national green and low-carbon development strategy, the achievement of "carbon peak" and "carbon neutral" emission reduction targets, and the protection of national energy security.   10. A major breakthrough in coal resource search in the Jiazhai-Tangjie coal mine area in Baofeng County, Henan Province     The Henan Provincial Land and Space Survey and Planning Institute has made a major breakthrough in coal prospecting in Jazhai-Tangjie coal mine in Baofeng County, identifying a total of 143,335,000 tonnes of coal resources, including 292,638,000 tonnes of proven resources, 627,087,000 tonnes of controlled resources and 513,627,000 tonnes of inferred resources. The project has identified in detail the stratigraphic sequence, lithology and physical characteristics of the strata in the survey area, and the coal-bearing strata are the Permian Shanxi Group and the Lower Shi Box Group, with 7 recoverable coal seams, mainly 1/3 coking coal, coking coal and fertilizer coal, and the coal quality is characterized by low ash, low sulphur and high calorific coal, with excellent coal quality, which is a good coking and power coal. The technical conditions of mining such as hydrogeology, engineering geology and environmental geology have been identified in detail. The project exploration results provide a reliable geological basis for the later exploration to mining, which is of great significance to the sustainable and stable development of the mining enterprise and provides a strong guarantee for the succession of resources for the construction of Henan coal energy base.   Source: Geological Society of China

Helping wollastonite intelligent sorting, extending the development of the enterprise industry chain!   Wollastonite as a new industrial mineral raw materials, mainly produced in the acidic and contact metamorphic zone, for the composition of the main mineral components, wollastonite in China's distribution, from the north to Heilongjiang, south to Hainan Province, and Xinjiang have deposits distribution. 19 provinces, autonomous regions found wollastonite ore production 86 (of which 8 super-large, large 13, medium-sized 24, small 32, 9 ore points). Among the 77 deposits, 244 million tonnes of wollastonite ore were identified, and 227 million tonnes of wollastonite ore were retained, with Huojiadian in Lishu County, Jilin Province having the largest retained reserves, accounting for 40% of the country's total retained ore reserves; the remaining four provinces, Yunnan, Jiangxi, Qinghai and Liaoning, accounted for 49% of the country's retained ore reserves; five provinces, Zhejiang, Hunan, Anhui, Inner Mongolia and Guangdong, accounted for The remaining four provinces are Yunnan, Jiangxi, Qinghai and Liaoning, accounting for 49% of the country's reserves; Zhejiang, Hunan, Anhui, Inner Mongolia and Guangdong, accounting for 10% of the country's reserves; Jiangsu, Guangxi, Hubei and Heilongjiang, accounting for 1% of the country's reserves.     China's wollastonite resource reserves   The consumption structure of wollastonite in China: glazed bricks and ceramic blanks mainly, accounting for about 50%; metallurgical protection slag and welding treaties account for 20%; paints and coatings account for about 10%; plastics, rubber and paper fillers account for about 10%; construction materials, asbestos replacement and other applications account for about 10%.     For a long time China's wollastonite resources mining and sorting processing has been in the rough development, wollastonite mineral processing level and scale compared with Western countries is still relatively backward. Performance in the application area is narrower, the product grade is lower. In recent years, with the regulation of national industrial policies and market mechanisms, the development of mining enterprises has gradually entered the track of standardised and healthy development, and the production scale, product categories and economic benefits of wollastonite enterprises have been substantially improved. In particular, there has been great progress and development in mining and beneficiation technology.   With the development of time, wollastonite mine resources are constantly facing depletion, easy to mine stone reduction, lower ore grade, increased sorting costs and other issues, as well as national restrictions on the approval of new tailing ponds, has been the existing tailing pond capacity reduced, resulting in a significant increase in tailing disposal costs, while external environmental protection also brings huge pressure on mining enterprises. How to reduce costs, improve the economic efficiency of the mine, but also in line with green environmental protection, the introduction of new equipment, new technology is a good choice.   Recently a large domestic wollastonite enterprise has improved its sorting process by quoting Mingde artificial intelligence sorting equipment. The raw wollastonite ore enters the sorting equipment after crushing and dissociation, and according to pre-learning and modelling, the concentrate and tailings are accurately identified, enriching the low burn loss wollastonite concentrate. The overall sorting effect, concentrate yield and stable sorting of the equipment all meet the customer's psychological expectations.   Guangxi a wollastonite enterprise original sorting process mainly to large particle size manual hand-selected mainly, the follow-up by understanding the use of Mingde artificial intelligence ore sorting machine, after investigation to understand through the Mingde artificial intelligence sorting machine, can fully sort out the wollastonite original ore mixed with black stone, calcite and a small amount of quartzite, through sorting to achieve the purpose of electing wollastonite.     Tailings                                                     Finished product   Mingde artificial intelligence sorting equipment, no use of pharmaceuticals, no grinding, equipment operation mainly electric drive, through the compressed air for blowing sorting, sorting cost is low, basic pollution-free, equipment intelligence degree is high, simple operation, advanced technology, fully able to meet the enterprise sorting requirements. Standing in the new era, green mines, intelligent ore sorting has belonged to the development of new trends, new directions, through the introduction of new technologies to speed up the construction process of intelligent, automated mining enterprises, can greatly enhance the use of ore resources and economic benefits of enterprises.

Aplicación de la Inteligencia Artificial en la Robótica de Minas de Carbón Resumen Con el rápido desarrollo de la tecnología de inteligencia artificial, su aplicación en las minas de carbón se ha vuelto cada vez más extensa. En el proceso de producción de minas de carbón, la urgencia de la demanda de reemplazo de robots ha acelerado la aplicación industrial de robots de minas de carbón y la aplicación de tecnología de inteligencia artificial en robots de minas de carbón. Se analiza y explora la aplicación de la tecnología de inteligencia artificial en robots de minas de carbón, se introducen los principales contenidos de investigación de la tecnología de inteligencia artificial y su aplicación en la industria, se analiza la situación actual de la aplicación de la inteligencia artificial en la producción de minas de carbón, el concepto de Se elabora la aplicación efectiva de la tecnología de inteligencia artificial a los robots de las minas de carbón y se analiza la perspectiva del desarrollo de la inteligencia artificial en los robots de las minas de carbón. Palabras clave inteligencia artificial, robot de mina de carbón, percepción inteligente, toma de decisiones inteligente, monitoreo inteligente, robot de remoción de material0 IntroducciónEl proceso de producción y operación subterránea de la mina de carbón tiene los problemas de muchas personas que bajan por el pozo, alto riesgo de desastre, alta tasa de accidentes, entorno operativo hostil y contaminación ambiental grave [1]. Frente a las operaciones subterráneas de alto riesgo, los robots de minas de carbón se convierten en una de las formas importantes de lograr el objetivo de una producción de minas de carbón subterránea segura y eficiente. Los robots de minas de carbón pueden ayudar o reemplazar a las personas para completar algunas operaciones mineras peligrosas y lograr una producción segura y eficiente en las minas de carbón. Para lograr que "nadie esté a salvo", los robots son la tendencia para reemplazar a los mineros en las operaciones subterráneas. Con la estrategia de "Hecho en China 2025", "Industria alemana 4.0" e "Internet industrial estadounidense", comunicación 5G, Internet de las cosas, big data, computación en la nube e inteligencia artificial La madurez gradual de tecnologías como la comunicación 5G, Internet de Las cosas, los grandes datos, la computación en la nube y la inteligencia artificial han promovido en gran medida la transformación y mejora de la industria manufacturera tradicional de China [2]. Como ciencia y tecnología emergentes, la inteligencia artificial puede hacer que la tecnología informática sea más precisa, rápida y conveniente para completar cálculos científicos complejos que el cerebro humano es incapaz de realizar, y lograr el reemplazo parcial, la extensión y la mejora del cerebro humano, creando así máquinas inteligentes que pueden realizar operaciones complejas y peligrosas en lugar de humanos [3]. La producción futura de minas de carbón se desarrollará hacia la no tripulada, autónoma, inteligente y eficiente, en la que la tecnología de inteligencia artificial desempeñará un papel insustituible y se aplicarán diversas tecnologías de inteligencia artificial a los robots de las minas de carbón [4]. Aunque la aplicación actual de la inteligencia artificial en el campo de las minas de carbón industriales aún se encuentra en un período de torpeza, sin embargo, con la aplicación cada vez más generalizada de la tecnología de inteligencia artificial en el campo de las minas de carbón, la construcción de minas de operación no tripulada es inevitable [5] . 1 Los problemas urgentes en la industria del carbónLa industria del carbón de China ha experimentado más de 40 años de desarrollo, y la extracción de recursos minerales de carbón gradualmente tiende a ser inteligente, pero todavía hay algunos cuellos de botella que deben resolverse. 1.1 La tecnología y el equipo deben actualizarseAunque la minería y el transporte de carbón en China han pasado por las etapas de digitalización, automatización e informatización, el nivel técnico general y el equipo de producción aún son más bajos que los de los países desarrollados [6]. En 2019, la antigua Administración Estatal de Minas de Carbón Safety Supervision propuso acelerar la industrialización y la aplicación de robots de minas de carbón para excavación, extracción de carbón, transporte, control de seguridad, apoyo y rescate. El robot de la mina de carbón actual ya no solo completa operaciones repetitivas simples, puede sentir el entorno circundante y brindar retroalimentación en tiempo real al mundo exterior, pero aún no tiene capacidades de pensamiento, identificación, razonamiento, juicio y toma de decisiones independientes. , y todavía necesita la participación humana para completar algunas tareas de trabajo complejas. 1.2 Peligros graves para la seguridadLa industria del carbón es una industria de alto riesgo, y existen varios peligros en cada paso de la producción, el agua, el fuego, el gas, el polvo de carbón, las formaciones geológicas y otros desastres son frecuentes, y el complejo entorno subterráneo desconocido amenaza seriamente la seguridad de la vida de operadores subterráneos. Aunque la tecnología de monitoreo inteligente y alerta temprana de las minas de carbón basada en Internet de las cosas, big data y la computación en la nube ha reducido en gran medida la ocurrencia de accidentes y ha garantizado la producción segura de las minas de carbón, aún existen muchos problemas. La escasa precisión y sensibilidad de los sensores conducen a resultados incompletos.y recopilación inoportuna de información precursora; los sistemas de monitoreo son independientes entre sí y tienen una sola función, y la profundidad de integración y aplicación de la plataforma en la nube no es lo suficientemente profunda; la seguridad de la base de datos del sistema de monitoreo es débil; el equipo de monitoreo carece de aprendizaje profundo y de capacidad de autoadaptación [7]. 1.3 Contaminación ambiental graveLas minas de carbón producen polvo de carbón durante el proceso de extracción y también producen gases nocivos como el monóxido de carbono y el dióxido de carbono para contaminar la atmósfera [8]. Al mismo tiempo, el efluente de producción de la minería del carbón contiene una gran cantidad de metales pesados y sustancias ácidas, que pueden filtrarse fácilmente en el suelo o ingresar al agua subterránea para contaminar la geología y las fuentes de agua. Los proyectos de minería de carbón invadirán una gran cantidad de vegetación y tierras agrícolas, y la tierra es propensa a colapsar después de la minería, lo que lleva a la destrucción de la capa superficial [9]. 2 El principal contenido de investigación de la inteligencia artificial2.1 Reconocimiento de patronesEl reconocimiento de patrones en la tecnología de inteligencia artificial utiliza las potentes funciones de recopilación, análisis y procesamiento de datos de la tecnología informática avanzada para simular la percepción humana y el reconocimiento del entorno externo mediante la configuración de los programas correspondientes por adelantado. Los robots inteligentes que incorporan el reconocimiento de patrones pueden simular mejor las habilidades sensoriales humanas, reconocer personajes, sonidos, imágenes, escenas y su información fusionada con alta precisión, y percibir y modelar con precisión el entorno circundante a través de la adquisición de información de múltiples fuentes [10]. La visión artificial en la tecnología de inteligencia artificial, como una de las modalidades de percepción ambiental más importantes, simula las capacidades visuales humanas para mejorar la comprensión del robot del entorno del fondo del pozo, los procesos operativos y los fenómenos de retroalimentación. Los robots inteligentes que incorporan visión artificial son, en primer lugar, capaces de adaptarse bien al entorno operativo del fondo del pozo y colaborar bien con otros dispositivos artificiales; en segundo lugar, capaz de capturar más información sobre el paisaje externo y comprender y profundizar en el contenido de las imágenes a través de técnicas de visión estereoscópica, inspección visual y análisis dinámico de imágenes; y tercero, capaz de juzgar los fenómenos de retroalimentación subterráneos del proceso operativo y retroalimentar información sobre el estado del robot al sistema de control de movimiento [11]. 2.2 Sistema expertoLos sistemas expertos son tecnologías que modelan el conocimiento y la experiencia de expertos humanos y se utilizan para resolver problemas como decisiones, procesos y fallas del sistema. A través de técnicas de inteligencia artificial, se crean sistemas de conocimiento para sistemas de fondo de pozo que simulan humanos para resolver problemas prácticos encontrados durante las operaciones. Los expertos humanos pueden predecir fallas del sistema, determinar los puntos de falla y generar soluciones de solución de problemas basadas en el estado actual del sistema, como pantallas y sonidos del equipo, parámetros de datos operativos y el estado del producto, al resolver problemas del mundo real. Por lo tanto, los sistemas expertos se utilizan comúnmente para la predicción de fallas, el diagnóstico y la resolución de problemas. Además, en la industria manufacturera, los sistemas expertos también se utilizan para decisiones de planificación de producción, optimización de procesos de producción, coordinación de producción y optimización de parámetros de equipos. 2.3 Aprendizaje automáticoEl aprendizaje automático en tecnologías de inteligencia artificial imita las capacidades de aprendizaje humano a través de marcos modelo y algoritmos para extraer automáticamente leyes intrínsecas a través de datos de entrenamiento, información ambiental y retroalimentación para mejorar el rendimiento del sistema y mejorar la adaptación y robustez ambiental. Los robots que incorporan el aprendizaje automático tienen capacidades de extracción de leyes y resumen de conocimientos similares a las humanas para identificar información efectiva de la gran cantidad de recursos de información recopilados y aprender a mejorar su propia inteligencia. La tecnología de aprendizaje automático puede resolver de manera efectiva una serie de problemas en situaciones inesperadas y reducir en gran medida los costos de mano de obra y producción [12]. 2.4 Inteligencia Artificial DistribuidaEl sistema de inteligencia artificial distribuida coordina la programación y el control de sistemas corporales multiinteligentes heterogéneos mediante la combinación científica y racional de inteligencia artificial y tecnología informática, a fin de mejorar el rendimiento del sistema de inteligencia artificial, mejorar la capacidad de ejecución de tareas y aumentar la eficiencia de el trabajo cooperativo de cada sistema independiente en el robot inteligente. Cuando el robot inteligente se encuentra con algunas situaciones inesperadas, aún puede garantizar que cada subsistema realice un trabajo normal. El actual sistema de inteligencia artificial distribuida aún se encuentra en la etapa inicial de investigación y desarrollo, y la dificultad técnica radica en cómo coordinar las reglas de operación de los diferentes sistemas [13]. 3 Estado de aplicación deinteligencia artificial en robots de minas de carbón3.1 Aplicación de inteligencia artificial en el control de movimiento de robots de minas de carbónPara garantizar que los robots de las minas de carbón puedan operar correctamente en entornos subterráneos complejos, los investigadores han aplicado tecnologías de inteligencia artificial, como sistemas expertos y redes neuronales artificiales, a métodos de control de movimiento de robots, algoritmos y operaciones colaborativas. Al simular el nivel de pensamiento y conocimiento de expertos humanos, los robots de minas de carbón pueden resolver algunos problemas no lineales multidimensionales complejos, reducir la cantidad de operaciones para el análisis de sistemas dinámicos, la configuración de parámetros y el procesamiento de datos, y mejorar la eficiencia y precisión del control. Los investigadores de Wang Nian et al [14] diseñaron un robot minero inteligente basado en ucos integrados y utilizaron la red GSM para realizar el control remoto del dispositivo; Los investigadores de Zhang Chuancai et al [15] utilizaron la red neuronal BP para establecer un método de medición para determinar el ángulo de giro del robot en función de la velocidad del motor y el tiempo de ejecución, que puede proporcionar parámetros de ángulo para la planificación de la ruta del robot; El personal de investigadores de Wang Xuesong et al [16] se aproximó a los parámetros cinéticos inciertos basados en la red neuronal mejorada de Elman y envió comandos de control para el servosistema del robot de la mina de carbón usando un controlador neurodifuso; Los investigadores de Song Xin et al [17] aplicaron redes neuronales en el campo del control de robots para llevar a cabo acciones como el control de acoplamiento de múltiples articulaciones del brazo robótico, la planificación de la trayectoria final y el control de válvulas hidráulicas.  3.2 Aplicación de la Inteligencia Artificial en la Percepción Inteligente y Predicción de Peligros del Robot de Minas de CarbónLos robots de inspección minera realizan una percepción integral de la información del entorno subterráneo al llevar varios sensores, monitoreo en tiempo real de fallas de instrumentos y equipos, seguridad del personal e información sobre desastres como gas, polvo de carbón, agua e incendios, y emisión oportuna de alerta temprana a reducir la ocurrencia de accidentes en minas de carbón. Para varias dificultades técnicas, como la identificación inexacta y el monitoreo inoportuno en entornos subterráneos complejos, los investigadores utilizan tecnologías de aprendizaje profundo, reconocimiento de patrones y sistemas expertos para mejorar aún más la identificación precisa del robot y el monitoreo en tiempo real de los peligros emergentes subterráneos. Los investigadores de Lu Wanjie et al [18] utilizaron algoritmos de aprendizaje profundo basados en redes neuronales convolucionales para modelar y entrenar equipos de minas de carbón de modo que el robot de inspección subterránea pudiera identificar con precisión el tipo de equipo de la mina de carbón; Los investigadores de Zhang Fan et al [19] propusieron un método de reconstrucción de imágenes de minería basado en redes neuronales residuales para los efectos perturbadores del ruido subterráneo en el entorno operativo visualizado, que mejoró efectivamente la claridad de las imágenes de monitoreo y Nie Zhen et al [20] utilizaron un algoritmo genético basado en la red neuronal de BP para construir un sistema de detección inteligente del entorno de gas del túnel y obtener datos en tiempo real de la distribución de la concentración de gas en diferentes secciones del túnel en el camino de los robots de inspección de minas de carbón; Pan Yue et al [21] utilizaron la red neuronal de BP para establecer un modelo de diagnóstico de fallas de los ventiladores y establecer un mapeo entre los tipos de fallas de los ventiladores y las bandas de frecuencia de vibración del rotor del ventilador, realizando así el diagnóstico de fallas de los ventiladores. relación, y luego lograr el diagnóstico de fallas del ventilador; Los investigadores de Yan Junjie et al [22] se basaron en una red neuronal artificial para establecer un modelo de diagnóstico para fallas en los engranajes de la maquinaria de la mina de carbón, utilizando la señal de entrada para entrenar el modelo de red neuronal, clasificar la señal de salida y luego determinar la falla del engranaje. 3.3 Aplicación de inteligencia artificial en navegación de posicionamiento autónomo y construcción de mapas para robots de minas de carbónLograr el posicionamiento y la navegación autónomos en entornos complejos de minas de carbón no estructurados requiere considerar tanto la incapacidad de la tecnología GPS para aplicarse directamente en el fondo del pozo como la necesidad de superar la interferencia de factores externos como el polvo, la temperatura, la humedad, el ruido y el flujo de aire, que coloca más alto demandas de tecnología de navegación y posicionamiento autónomo y preciso para robots en entornos restringidos y cerrados en el fondo del pozo. La construcción de mapas, la navegación de posicionamiento, la planificación de rutas y la evasión de obstáculos en tiempo real de los robots de minas de carbón basados en tecnología de inteligencia artificial se han convertido en puntos calientes para la investigación aplicada. Bai Yun [23] propuso una red neuronal difusa de estructura variable y la aplicó al proceso de detección del entorno de los robots de rescate subterráneos de serpientes, fusionando datos de sensores de múltiples fuentes para lograr el reconocimiento de obstáculos y el modelado del entorno de los robots serpiente en entornos hostiles; Los investigadores de Fu Hua et al [24] utilizaron un modelo de red neuronal artificial para modelar y describir dinámicamente el espacio de trabajo del sistema inteligente de monitoreo de minas de carbón, utilizando un modelo de red neuronal para la planificación de rutas de evitación de obstáculos de robots; Los investigadores de Zhang Yaofeng et al [25] utilizaron la compensación basada en la red de Elman paraerror de medición del sensor del robot subterráneo, que mejoró en gran medida la precisión del alcance ultrasónico y la detección de obstáculos; Los investigadores de Zhai Guodong et al [26] resumieron la tecnología de visión binocular en el robot de rescate de minas de carbón para obtener información de la escena del accidente y lograr la evitación autónoma de obstáculos y la planificación de rutas, incluida la clasificación y el reconocimiento de patrones, la medición visual y la reconstrucción 3D, la medición y localización combinadas y la visualización. servocontrol; Los investigadores de Ma Hongwei et al [27] construyeron un sistema de visión artificial basado en cámaras de profundidad y propusieron un método de navegación basado en visión de profundidad, en el que el robot está equipado con una cámara de profundidad RGB-D para la adquisición de datos para lograr la creación de mapas y la navegación autónoma. . 4 Investigación sobre robots inteligentes para minas de carbónExisten varios tipos de tecnologías de inteligencia artificial, y los principales contenidos de investigación aplicados al campo de los robots de minas de carbón incluyen la percepción inteligente de fusión multimodal, el aprendizaje del conocimiento y la toma de decisiones inteligente, y la operación cooperativa de control inteligente. A través de la percepción, el aprendizaje, la toma de decisiones y el control colaborativo, se realiza el desarrollo inteligente de robots para minas de carbón. 4.1 Percepción inteligente de fusión multimodalEl robot de la mina de carbón está equipado con varios sensores a prueba de explosiones, de alta precisión y alta confiabilidad para construir un sistema de percepción inteligente con fusión multimodal de visión, oído, olfato, tacto, etc., para completar el reconocimiento y análisis inteligente, sonido anormal reconocimiento, monitoreo de temperatura anormal, detección de humo, detección de concentración de gases nocivos, evitación autónoma de obstáculos, agarre autónomo y otras operaciones. (1) Investigación sobre tecnologías de detección visual y reconocimiento de visión artificial en escenarios de aplicación de minas de carbón. A través del procesamiento y comprensión de imágenes, el robot es capaz, en primer lugar, de identificar y monitorear equipos de medidores digitales, pantallas LCD, indicadores, válvulas, etc.; en segundo lugar, detectar el goteo de líquido de la tubería, el funcionamiento de la cinta y el agrietamiento; en tercer lugar, llevar a cabo la intrusión de personal, personal de servicio, detección de vestimenta de personal; en cuarto lugar, identifique y rastree objetos extraños como ganga, varillas de anclaje, troncos de carretera, tuberías de hierro, etc. que aparecen en la cinta. (2) Investigación sobre tecnologías como la audición de robots, es decir, detección y reconocimiento de sonido en escenarios de aplicación de minas de carbón. Usando sensor de captación de sonido de alta sensibilidad, procesador de señal digital DSP de alta velocidad, combinado con tecnología de procesamiento de reducción de ruido dinámico adaptativo, extracción de características de audio y tecnología de reconocimiento de algoritmo de modelo de detección para identificar sonido anormal en la mina. (3) Investigación sobre tecnología de reconocimiento inteligente para olfato robótico, es decir, detección de gas en escenarios de aplicación de minas de carbón. Detección precisa de metano, sulfuro de hidrógeno, monóxido de carbono, oxígeno y otros gases en el ambiente y si el humo excede el límite, detección oportuna de fugas de gas y alerta temprana de incendios. (4) Investigación sobre tecnología háptica para robots en escenarios de aplicación de minas de carbón. Recopile la temperatura de objetos como motores, bombas, cojinetes, rodillos, cintas, etc. con contacto o sin contacto y analice los datos; A través de equipos de detección de fuerza, monitoreo en tiempo real de la fuerza de contacto, fuerza de agarre, fuerza operativa, tensión interna y detección de fuerza y control de seguridad. 4.2 Aprendizaje del conocimiento y toma de decisiones inteligenteEn vista de los problemas actuales de protocolos de sistemas de robots de minas de carbón incompatibles y la falta de intercambio e integración de información, integraremos profundamente los robots de minas de carbón con tecnología de la información de nueva generación, construiremos un sistema generalizado, estándar y flexible para el aprendizaje mutuo y el intercambio de conocimientos sobre el carbón. robots mineros y rompa los cuellos de botella técnicos de la comprensión de la escena del robot de la mina de carbón, la detección de seguridad, el posicionamiento preciso, la percepción autónoma y la navegación eficiente. Realice servicios en línea basados en la nube para tecnologías comunes de robots de minas de carbón para resolver las limitaciones de los robots individuales y mejorar la toma de decisiones inteligente de los robots de minas de carbón. (1) Establecer un marco de aprendizaje y generalización que integre al individuo y al todo. A nivel individual, un solo robot integra información de detección, toma de decisiones, control, colaboración e interacción humano-robot durante la operación, y realiza capacitación incremental en línea en tiempo real a través de un marco de aprendizaje de inteligencia artificial representado por redes neuronales para dinámicamente ajuste el estado operativo del robot y logre un control y una toma de decisiones óptimos durante todo el ciclo. A nivel general, los multi-robots cargan y distribuyen su conocimiento aprendido entre ellos a través de la nueva generación de tecnología de la información, de modo que cuando un robot se enfrenta a una nueva tarea operativa, puede familiarizarse rápidamente con las características operativas con los resultados del conocimiento. de otros robots, reduce el tiempo de reaprendizaje,y mejorar la flexibilidad y adaptabilidad de las tareas del sistema en general. (2) Establecer un modo de operación en el que se integren el cuerpo del robot y la nube. Avance en el modelo tradicional de I + D e integración de robots, y realice una nueva ruta de I + D e integración de robots que integre el cuerpo ligero del robot local con la capacidad de procesamiento de datos de alto rendimiento en la nube con la ayuda de "5G + computación en la nube". Los algoritmos que requieren una gran potencia informática, como la percepción del entorno inteligente, el reconocimiento de patrones, la construcción de mapas y la navegación autónoma, se trasladan a la nube, y el robot local carga los datos de los sensores y actuadores integrados en la nube en tiempo real. y optimiza el cálculo de la percepción, el modelado y la ejecución a través del poderoso procesamiento de datos y el poder de cómputo de la nube. El resultado se envía al robot local en tiempo real, lo que reduce la carga computacional del robot local y transfiere más recursos de hardware al sensor y al lado de la ejecución para lograr un diseño de robot operativo liviano, optimizado y de alto rendimiento.   4.3 Control inteligente de la operación cooperativaLa integración de tecnologías SLAM de aprendizaje profundo y láser/visual en robots de minas de carbón, combinadas con un sistema de detección inteligente de fusión multimodal, realiza las funciones de movimiento autónomo, posicionamiento preciso, ajuste de posición, planificación de operación inteligente, operación autónoma y detección inteligente de desastres de robots de minas de carbón en un entorno minero complejo, y realiza un control colaborativo inteligente de los procesos de operación de detección, excavación y soporte. (1) Integración de la tecnología de redes neuronales en el control y la planificación de operaciones colaborativas de múltiples robots de minas de carbón. Autoorganización, autoagrupamiento y autocoordinación de robots móviles en minas para lograr la integración de equipos heterogéneos. A través de tecnologías inteligentes de descomposición de tareas, asignación de tareas y equilibrio de carga, se forma un enjambre de robots en entornos complejos en las minas, y tecnologías como la navegación autónoma en el espacio subterráneo, la detección del estado de múltiples sensores, la planificación inteligente de operaciones y la colaboración de múltiples robots. El control se aplica para realizar operaciones de colaboración eficientes entre múltiples robots en la excavación, perforación, extracción, transporte y soporte del área de trabajo. (2) Extender el modo de interacción humana con un solo robot a la interacción humana con múltiples grupos de robots, y realizar la intervención y colaboración de operadores en grupos de robots. Durante la operación de los robots de las minas de carbón, cada robot heterogéneo con diferentes funciones forma un complejo enjambre colaborativo de múltiples robots. Al mismo tiempo, el enjambre colaborativo de múltiples robots debe poder colaborar con el operador en profundidad. A través de la tecnología de inteligencia artificial, podemos superar el modo simple de "visualización de ejecución de comandos" de la tecnología de interacción humano-robot existente e integrar la intervención humana en el ciclo de control para realizar un nuevo modo de interacción humano-robot con "humano en el circuito". ", y realizar el "grupo de sistema subterráneo no tripulado + grupo de sistema subterráneo no tripulado + grupo de sistema subterráneo no tripulado". modo de operación "grupo de sistema no tripulado subterráneo + operador subterráneo", para mejorar la eficiencia operativa, la flexibilidad de tareas y la robustez del sistema general. Para lograr el objetivo de la mina de carbón inteligente, llevaremos a cabo investigaciones sobre "robot de mina de carbón +", "robot de mina de carbón + 5G" para lograr una detección e interconexión integrales, intercambio de información de dominio completo e interacción hombre-robot multicanal. ; "robot de mina de carbón + computación en la nube" Robot de mina de carbón + computación en la nube" se da cuenta de la compatibilidad de la ontología robótica liviana y de bajo costo y la capacidad de computación de aprendizaje de alto rendimiento; "robot de mina de carbón + big data" se da cuenta de la predicción dinámica, integración de información y proporciona una base de datos para el aprendizaje evolutivo de los robots; "robot de mina de carbón + IA "Robot de mina + IA" realiza una percepción autónoma inteligente, análisis y toma de decisiones óptimos, y evolución del aprendizaje del conocimiento, formando así un sistema inteligente completo de percepción tridimensional, aprendizaje autónomo y control cooperativo en la mina. 5 Perspectivas futurasLa inteligencia artificial se ha aplicado ampliamente en el campo de la robótica de minas de carbón y se han logrado más resultados de investigación. Sin embargo, como tecnología de frontera emergente, la inteligencia artificial todavía tiene limitaciones. (1) La tecnología de IA actual está orientada principalmente a una sola tarea, y aún no se ha realizado un marco general de IA que pueda enfrentar múltiples tareas. Por ejemplo, los modelos entrenados para el reconocimiento de imágenes no pueden utilizarse para la detección y el reconocimiento de sonidos; el marco del algoritmo para reconocer un objeto de destino específico no se puede extender al reconocimiento de objetos de destino arbitrarios, y el conjunto de datos debe construirse y volver a entrenarse cuando aparece un nuevo objetivo de clasificación. Esta función limita la aplicaciónde IA en escenarios de tareas complejas. (2) Los algoritmos de inteligencia artificial deben depender de una gran cantidad de datos, y las operaciones como la recopilación, el procesamiento, la calibración y la alineación de datos deben realizarse manualmente, lo que es menos eficiente. Cómo utilizar una menor cantidad de datos para lograr un mayor rendimiento se ha convertido en uno de los puntos críticos de investigación actuales de los métodos de inteligencia artificial. (3) Hay muchos tipos de robots para minas de carbón, y existe una gran cantidad de dispositivos sensores, dispositivos impulsores y dispositivos actuadores. Los formatos de datos de cada dispositivo son diversos y es difícil formar una interfaz de datos unificada, lo que hace que los datos entre cada sistema sean independientes entre sí. Los datos incompatibles dificultan que el sistema de IA coordine los robots en cada parte del proceso de producción de la mina de carbón y obtenga suficientes datos para formar un plan unificado de ciclo cerrado para todo el proceso de producción. (4) El entorno en el que operan los robots de las minas de carbón es extremadamente peligroso, por lo que los sistemas de IA actuales por sí solos no pueden garantizar un alto nivel de seguridad y estabilidad. Cómo integrar el sistema de IA con la intervención manual del operador e integrar la intervención humana en todo el ciclo de operación del sistema de IA se convierte en uno de los elementos clave que se abordarán en el próximo paso. En el futuro, los sistemas de IA aplicados a los robots de las minas de carbón se desarrollarán hacia la generalización, los gastos generales bajos, la unificación y la colaboración hombre-máquina, con el surgimiento de un marco general de algoritmos de IA para múltiples tareas que aprende y evoluciona continuamente en línea utilizando pequeñas cantidades de datos. y métodos de capacitación de bajo costo, capaces de integrar datos clave de todos los aspectos de la producción de minas de carbón para computación y programación integradas, y capaces de colaborar entre sí y con humanos para lograr Es capaz de colaborar con humanos para lograr eficiencia, seguridad y producción autónoma de minas de carbón. 6. ConclusiónCon el desarrollo de la tecnología de inteligencia artificial, la industria minera del carbón verá un cambio importante. Con la construcción de modelos eficientes, la computación paralela y las capacidades de planificación de la IA, la inteligencia y la automatización de los robots de las minas de carbón alcanzarán un nuevo nivel, satisfaciendo verdaderamente los requisitos no tripulados y seguros de la producción de las minas de carbón. Al mismo tiempo, la inteligencia artificial permitirá un aumento significativo en la eficiencia de producción de las minas de carbón y promoverá el desarrollo seguro, saludable y sostenible de la industria de las minas de carbón. 

Diseño de un sistema robotizado de despaletizado guiado por visión 3D para materiales multicalibreRobot de eliminación de material Manipulador robótico de brazo robóticoResumen: En la fabricación industrial y logística, la despaletización de materiales por robots es una de las aplicaciones comunes. La despaletización de materiales es un escenario en el que se cargan mercancías de diferentes calibres (es decir, mercancías de diferentes tamaños, pesos o texturas) en tarimas para su entrega. La despaletización por robot anterior solo era aplicable a la descarga de mercancías individuales y requería que las mercancías se dispusieran en un orden fijo, y el robot no tenía capacidad de percepción; El sistema de despaletización de robot guiado por visión que se describe en este documento está equipado con capacidad de percepción del entorno en tiempo real para guiar la acción de agarre, resolviendo así los problemas de tamaños variables de objetos que se descargarán y la colocación irregular de los sistemas de despaletización de materiales de varios calibres. Palabras clave: reconocimiento de visión 3D, robot, paletizado híbrido, posicionamiento de objetos, algoritmo de despaletizado En la fabricación industrial y la logística, se pueden utilizar varios robots industriales para optimizar el flujo de mercancías, y una de las aplicaciones comunes es la despaletización de materiales. La "despaletización robótica" por lo general se refiere al proceso de descarga secuencial de materiales de paletas usando brazos robóticos y puede usarse para reemplazar el trabajo manual simple pero pesado. En logística, existen escenarios donde mercancías de diferentes calibres (es decir, diferentes tamaños, pesos o texturas) se entregan en cajas, como se muestra en la Figura 1.Sin embargo, los primeros sistemas robóticos de despaletización se controlaban principalmente de forma manual para completar el agarre del robot, que solo era aplicable a la descarga de una sola carga y requería que la carga se dispusiera en un orden fijo, y el robot no tenía la capacidad de percepción para reaccionar a cambios externos. Sin embargo, los sistemas de despaletización de materiales de calibres múltiples requieren que los robots tengan conciencia ambiental en tiempo real para guiar la acción de agarre porque los objetos que se descargarán son de tamaño variable y están colocados de manera irregular.Con el desarrollo de varios sensores ópticos, la tecnología de visión por computadora se ha introducido gradualmente en las tareas de agarre de los robots para mejorar la capacidad del robot para adquirir información externa. Un sistema de despaletización de robot guiado por visión generalmente contiene cinco módulos, que son el módulo de adquisición de información de visión, el módulo de localización y análisis de objetos, el módulo de cálculo de posición de agarre, el módulo de conversión de coordenadas ojo-mano y el módulo de planificación de movimiento, como se muestra en la Figura 2. Entre ellos , los primeros tres módulos son la parte principal del sistema de visión, responsables de adquirir y procesar información visual y proporcionar poses de objetos. Los dos últimos módulos se utilizan principalmente para proporcionar información de control al robot y completar la función de agarre. A continuación, presentaremos cada módulo, métodos comunes y casos de implementación.I. Módulo de adquisición de información de visiónLa función del módulo de adquisición de información de visión es capturar información visual y proporcionar información para los pasos posteriores. En la actualidad, las entradas visuales comúnmente utilizadas incluyen imágenes RGB 2D, imágenes de nube de puntos 3D e imágenes combinadas 2D y 3D RGB-D. Entre ellos, el agarre del brazo robótico asistido por visión basado en imágenes 2D RGB es actualmente una solución madura en la industria, que transforma el problema del agarre del robot en el problema de la detección de objetivos de objetos o la segmentación de imágenes en imágenes RGB. Sin embargo, la visión 2D carece de información de escala absoluta de los objetos y solo se puede usar en condiciones específicas, como escenarios con paletas fijas y tamaños de materiales conocidos. Para escenarios en los que se desconoce el calibre del material, se requiere que el módulo de visión proporcione al robot información precisa del tamaño absoluto del objeto que se va a agarrar, por lo que solo se pueden obtener imágenes de nube de puntos 3D o imágenes RGB-D con una combinación de 2D y 3D. usado. En comparación con la información RGB, la información RGB-D contiene información de distancia espacial desde la cámara hasta el objeto; en comparación con las imágenes de nubes de puntos 3D, la información RGB-D contiene información rica en texturas de color. Por lo tanto, las imágenes RGB-D se pueden utilizar como entrada de información visual del sistema de despaletización de materiales de varios calibres.Módulo de posicionamiento y análisis de objetosEl módulo de posicionamiento y análisis de objetos recibe la entrada de datos del módulo de adquisición de información de visión, analiza los materiales presentes en la escena y obtiene información clave como su posición y pose, y luego ingresa esta información clave en el módulo de cálculo de pose de agarre. En términos generales, el problema de localización de materiales en el sistema de despaletización robótico puede transformarse en un problema de detección de objetivos o segmentación de imágenes en el campo de visión. La solución de agarre de robot basada en visión RGB-D puede realizar primero la detección de objetivos 2D o la segmentación de imágenes 2D en la imagen RGB del material, y luego fusionar el mapa de profundidad para generar el tamaño absoluto del objeto y la pose de agarre; oRealice directamente la detección o segmentación de objetivos en el mapa de nube de puntos 3D. Lo siguiente será una breve introducción al trabajo relacionado.Detección de objetivos 1.2DLa entrada de la detección de objetivos 2D es la imagen RGB de la escena, y la salida es la clase y la posición del objeto en la imagen, y la posición se da en forma de borde o centro. Los métodos para la detección de objetivos se pueden dividir en métodos tradicionales y métodos basados en aprendizaje profundo. Los métodos tradicionales de detección de objetivos generalmente usan una ventana deslizante para recorrer toda la imagen, y cada ventana se convierte en una región candidata. Para cada región candidata, las características se extraen primero mediante SIFT, HOG y otros métodos, y luego se entrena un clasificador para clasificar las características extraídas. Por ejemplo, el algoritmo DPM clásico usa SVM para clasificar las funciones HOG modificadas para lograr el efecto de detección de objetivos. El método tradicional tiene dos inconvenientes obvios: en primer lugar, lleva mucho tiempo recorrer toda la imagen con una ventana deslizante, lo que hace que la complejidad temporal del algoritmo sea alta y difícil de aplicar a escenarios a gran escala o en tiempo real; en segundo lugar, las características utilizadas a menudo deben diseñarse manualmente, lo que hace que dichos algoritmos dependan más de la experiencia y sean menos robustos.2. Segmentación de imágenes bidimensionalesLa segmentación de imágenes se puede considerar como una tarea de clasificación de imágenes a nivel de píxel. Según el significado del resultado de la segmentación, la segmentación de imágenes se puede dividir en segmentación semántica y segmentación de instancias. La segmentación semántica clasifica cada píxel de una imagen en una categoría correspondiente, mientras que la segmentación de instancias no solo realiza una clasificación a nivel de píxel, sino que también diferencia diferentes instancias en función de categorías específicas. En relación con el cuadro delimitador de la detección de objetivos, la segmentación de instancias puede ser precisa hasta los bordes de los objetos; en relación con la segmentación semántica, la segmentación de instancias necesita etiquetar diferentes individuos de objetos similares en el gráfico. En las aplicaciones de despaletización, necesitamos extraer los bordes de los materiales con precisión para calcular la posición de agarre, por lo que necesitamos usar técnicas de segmentación de instancias. Las técnicas de segmentación de imágenes existentes se pueden dividir en métodos tradicionales y métodos basados en aprendizaje profundo. La mayoría de los métodos tradicionales de segmentación de imágenes se basan en la similitud o mutación de los valores de gris de una imagen para determinar si los píxeles pertenecen a la misma clase. Los métodos comúnmente utilizados incluyen métodos basados en teoría de grafos, métodos basados en agrupamiento y métodos basados en detección de bordes. Los métodos basados en el aprendizaje profundo han mejorado sustancialmente la precisión de la segmentación de imágenes 2D en comparación con los métodos tradicionales. Los marcos típicos de redes neuronales profundas, como AlexNet, VGGNet, GoogleNet, etc., agregan una capa completamente conectada al final de la red para la integración de funciones, seguida de softmax para determinar la categoría de la imagen completa. Para resolver el problema de segmentación de imágenes, el marco FCN reemplaza estas capas completamente conectadas con capas de deconvolución, convirtiendo la salida de la red de una probabilidad unidimensional en una matriz con la misma resolución que la entrada, que es el trabajo pionero de aplicar aprendizaje profundo a la segmentación semántica.3. Detección de objetivos 3DLa detección de objetivos en 3D permite a los robots predecir y planificar con precisión su comportamiento y rutas mediante el cálculo directo de la posición de los objetos en 3D para evitar colisiones y violaciones. La detección de objetivos 3D se divide en cámara monocular, cámara binocular, cámara multiocular, escaneo LIDAR de superficie lineal, cámara de profundidad y detección de objetivos con cámara infrarroja según el tipo de sensor. En general, los sistemas estéreo/de visión múltiple que consisten en cámaras de visión múltiple o LiDAR permiten mediciones de nubes de puntos 3D más precisas, donde los métodos basados en vistas múltiples pueden usar el paralaje de imágenes de diferentes vistas para obtener mapas de profundidad; Los métodos basados en nubes de puntos obtienen información de destino a partir de nubes de puntos. En comparación, dado que los datos de profundidad de los puntos se pueden medir directamente, la detección de objetivos 3D basada en nubes de puntos es esencialmente un problema de delineación de puntos 3D y, por lo tanto, es más intuitiva y precisa. En tercer lugar, el módulo de cálculo de pose de captura.El módulo de cálculo de postura de agarre utiliza la información de postura de posición del objeto de destino que sale del segundo módulo para calcular la postura de agarre del robot. Dado que a menudo hay varios objetivos que se pueden agarrar en un sistema de despaletización de materiales de varios calibres, este módulo debería resolver los dos problemas de "cuál agarrar" y "cómo agarrar".El primer paso es resolver el problema "cuál". El objetivo de este problema es seleccionar el mejor destino de rastreo entre muchos destinos de rastreo, y el "mejor" aquí a menudo debe definirse según los requisitos reales. Específicamente, podemos cuantificar algunos indicadores que tienen un impacto en el juicio de rastreo de acuerdo con la situación real y luego priorizar estos indicadores.El segundo paso es resolver el problema de "cómoatrapar ". Podemos elegir analizar y calcular la postura de agarre mediante análisis mecánico, o podemos clasificar primero el objeto por el método de aprendizaje, y luego seleccionar el punto de agarre de acuerdo con la clasificación, o retroceder directamente la postura de agarre. En cuarto lugar, el módulo de conversión de coordenadas ojo-manoCon el tercer módulo, hemos obtenido una pose de agarre factible. Sin embargo, la pose de agarre se basa en la pose del sistema de coordenadas de la cámara, y la pose de agarre debe convertirse al sistema de coordenadas del robot antes de que se pueda realizar la planificación del movimiento. En los sistemas de despaletización se suele utilizar la calibración mano-ojo para solucionar este problema. Dependiendo de la posición de fijación de la cámara, el método de calibración ojo-mano se puede dividir en dos casos. Una es que la cámara está fija en el brazo del robot y la cámara se mueve junto con el brazo, llamado Eye-in-hand, como se muestra en la Figura 3. En esta relación, la relación de posición entre la base del robot y la placa de calibración permanece constante. durante los dos movimientos del brazo del robot, y la cantidad resuelta es la relación de posición entre la cámara y el sistema de coordenadas del extremo del robot. El otro tipo de cámara se fija en un soporte separado, llamado Ojo a mano, como se muestra en la Figura 4. En este caso, la relación de actitud entre el extremo del robot y la placa de calibración permanece igual durante los dos movimientos de el brazo, y la solución es la relación de actitud entre la cámara y el sistema de coordenadas de la base del robot. Ambos casos finalmente se transforman en un problema de solución con AXu003dXB, y la ecuación se puede transformar en una ecuación lineal usando grupo de Lie y álgebra de Lie para resolver las cantidades de rotación y traslación, respectivamente.Quinto. Módulo de planificación de movimientoEste módulo considera principalmente la cinemática, la dinámica, el análisis mecánico y la planificación del movimiento del robot para planificar una trayectoria de movimiento factible que no colisione con el entorno. Al multiplicar la pose de agarre en el sistema de coordenadas de la cámara obtenido por el módulo de cálculo de pose de agarre con la matriz de conversión calibrada por el módulo de conversión de coordenadas mano-ojo, podemos obtener la pose de agarre en el sistema de coordenadas del brazo del robot. En función de esta postura, se puede llevar a cabo la planificación del movimiento y se puede guiar el brazo robótico para completar la tarea de despaletización. Por lo tanto, la entrada del módulo de planificación de movimiento son las posiciones inicial y objetivo del brazo robótico, y la salida es la ruta de movimiento del brazo robótico. El algoritmo de planificación de movimiento completo se puede dividir en los siguientes tres pasos.Paso 1: resolución cinemática inversa. Para evitar problemas como las singularidades, la planificación del movimiento del brazo robótico generalmente se realiza en el espacio articular. Por lo tanto, primero debemos realizar la solución cinemática inversa basada en las poses de entrada para obtener los valores conjuntos correspondientes a las poses.Paso 2: Planificación de ruta. Con el algoritmo de planificación de rutas, podemos obtener la ruta de movimiento del brazo robótico. El objetivo de este paso es doble: uno es evitar obstáculos, para garantizar que el brazo robótico no colisione con otros objetos en la escena durante su movimiento; el segundo es mejorar la velocidad de operación para aumentar la eficiencia de operación del sistema. Mediante la planificación de una trayectoria de movimiento razonable, el tiempo de ejecución de un solo agarre del brazo robótico se puede acortar, mejorando así la eficiencia.Paso 3: interpolación de tiempo. Aunque ya podemos obtener una ruta de movimiento factible a través de la planificación de la ruta, esta ruta se compone de un punto de ubicación tras otro. Cuando el brazo robótico corre a lo largo de este camino, necesita mantener la aceleración y la desaceleración, por lo que tendrá un impacto en la velocidad de marcha. Por esta razón, necesitamos realizar una interpolación temporal para obtener la información de velocidad, aceleración y tiempo para cada punto en la ruta a medida que el brazo robótico se mueve hacia ese punto. De esta forma, el brazo robótico puede funcionar de forma continua y sin problemas, mejorando así la eficiencia. Sexto. Ejemplo de implementaciónCon base en la investigación anterior, se puede usar un sistema de visión completo que consta de una cámara de profundidad 3D, un sistema de iluminación, una computadora y un software de procesamiento de visión en el escenario de identificación del material de la caja de piezas para obtener información especial sobre objetos reales y la información obtenida a través de este El sistema se puede utilizar para realizar algunas tareas especiales, como obtener la posición de la caja a través del sistema de visión, que puede guiar al robot para agarrar y obtener información sobre la cantidad de cajas como calibración para la tarea. Los componentes principales de este sistema, como se muestra en la Figura 5.La cámara 3D y el sistema de luz se utilizan principalmente para imágenes fotográficas, donde la cámara 3D puede obtener datos de profundidad dentro de un cierto rango. Y la formación de imágenes digitales está relacionada con el sistema de iluminación. La computadora, por otro lado, incluye dispositivos informáticos y de almacenamiento de propósito general para guardar imágenes, procesar imágenes a través de software de visión especializado y también para redes.comunicación con otros sistemas. La visualización de imágenes facilita al operador operar el software de procesamiento de visión y monitorear la operación del sistema. El almacenamiento de gran capacidad se utiliza para el almacenamiento permanente o temporal de imágenes u otros datos. El software de visión especializado, por otro lado, incluye procesamiento de imágenes digitales, análisis de datos de imágenes y algunas funciones especiales. En términos generales, una cámara de profundidad 3D tiene una velocidad de fotogramas de 1 a 30 fps, resolución de imagen RGB de 640 × 480, 1280 × 960, especial 1920 × 1080, 2592 × 1944 y un rango de profundidad de aproximadamente 500 mm a aproximadamente 5000 mm. Y dependiendo del precio, hay diferente precisión y rango. Este es un ejemplo de una marca de cámara 3D con los parámetros que se muestran en la Figura 6 y la precisión que se muestra en la Figura 7.Con la cámara 3D, puede obtener imágenes RGB e imágenes de profundidad de escenas especiales y, de acuerdo con el procesamiento y análisis de estas imágenes (consulte la Figura 8), puede obtener información sobre la posición, el número y la información de los objetos en el escena.El cuadro rectangular en la Figura 9 es el mapa de posición de captura de cuadro identificado después del procesamiento. El orden de arriba a la izquierda, abajo a la izquierda, arriba a la derecha y abajo a la derecha es "2, 3, 3, 2" respectivamente, es decir, la mano del robot agarrará dos cajas a la izquierda, tres cajas a la izquierda, tres cajas a la derecha y dos casillas a la derecha según la información de posición dada por el sistema de reconocimiento de imágenes.Séptimo. ResumenEn este documento, presentamos el marco y los métodos comunes del sistema de despaletización de robot de material de calibres múltiples guiado por visión 3D, y definimos varios módulos básicos que el marco debe tener, a saber, módulo de adquisición de información de visión, localización de objetos y módulo de análisis, módulo de cálculo de posición de agarre, módulo de conversión de coordenadas mano-ojo y módulo de planificación de movimiento, y explicó las tareas principales y los métodos comunes de cada módulo. En aplicaciones prácticas, se pueden usar diferentes métodos para implementar estos módulos según sea necesario sin afectar las funciones de otros módulos y el sistema como un todo.

Robótica y automatización: los nuevos robots mejoran la eficiencia en el manejo de materialesEl advenimiento de la robótica significa que los trabajadores del almacén pueden dedicar menos tiempo al manejo de materiales y más tiempo a excavar y atender a los clientes. También crea oportunidades para que los trabajadores manejen y "entrenen" nuevos equipos. Durante años, los almacenes han estado incorporando silenciosamente robots en sus operaciones de manejo de materiales, pero en los últimos 18 meses, la tendencia se ha acelerado debido a un aumento en la demanda de comercio electrónico y una escasez general de mano de obra durante la nueva epidemia de la corona. No se espera que esta demanda se estabilice pronto. El aumento de la automatización podría tener un efecto dominó en la fuerza laboral, es decir, reescribir las descripciones de trabajo de muchos trabajadores en manufactura, logística y venta minorista. Los robots no solo acelerarán las operaciones, especialmente en áreas con una grave escasez de mano de obra, sino que también crearán nuevos puestos de trabajo para trabajadores que puedan administrar, mantener y "entrenar" equipos automatizados, dicen los proveedores. ¿Cómo están cambiando los trabajos los robots en la industria de manejo de materiales de almacén? ¿Cómo están las personas "entrenando" a los robots para hacer ciertos trabajos en DC?Actualmente, la mayoría de los robots están programados por personas que escriben el código del software o guían físicamente el brazo del robot a la posición correcta. Pero la próxima generación de robótica se basa cada vez más en la inteligencia artificial (IA) para guiar la dirección, dando a los trabajadores total libertad para realizar otras tareas de CD.¿Cómo está cambiando la robótica el proceso de manejo de materiales en la mina?En el proceso de extracción y transporte, los minerales a menudo se mezclan con madera, clavos de acero, trapos, piezas de plástico, tuberías de llenado de desechos y otros artículos diversos. Estos diversos ha afectado gravemente la seguridad y eficacia de los equipos de transporte, trituración, molienda y beneficio. En el pasado, normalmente se usaba la clasificación manual para eliminarlo, pero existen graves riesgos para la seguridad y la salud en el trabajo en la clasificación manual, así como problemas como la clasificación manual incompleta. El robot para minería puede resolver eficazmente los problemas anteriores.A través de una cámara estéreo de alta precisión multidimensional y multiángulo, el robot inteligente de eliminación de material escanea rápidamente el mineral en el transportador. El algoritmo de reconocimiento de objetos extraños CRM-CNN de desarrollo propio ubica con precisión la posición 3D de los escombros, controla el robot para agarrar el El algoritmo de reconocimiento de objetos extraños desarrollado por CRM-CNN localiza con precisión la posición 3D de los escombros, controla el robot para agarrar el objeto extraño y lo coloca en la caja de recolección de objetos extraños.

Aumentar la digitalización y la construcción inteligente, los sitios mineros para convertir la mina en una "mina de oro" Las empresas de fundición de cobre están produciendo al rojo vivo, entonces, ¿qué hay de la situación de la minería aguas arriba? Para ver el informe del reportero. Ubicada en la ciudad de Dexing, provincia de Jiangxi, esta mina de cobre es una mina de cobre a cielo abierto muy grande, el reportero vio varias palas eléctricas cargadas de mineral en la rueda eléctrica, el director del sitio minero Xie Wenbo dijo a los periodistas que después del comienzo de la año, el sitio minero ha estado manteniendo el impulso de alta productividad y eficiencia, una serie de indicadores están más que planeados para completar. Xie Wenbo, director de una mina de cobre en Dexing, Jiangxi: En enero, la cantidad total de mineral extraído de la mina fue de 10 millones de toneladas, el nivel más alto en los últimos cinco años. El reportero notó que el personal en la sala de control central emitió un comando de conducción automática, a pocos kilómetros de la rueda eléctrica ingresará inmediatamente al modo sin conductor, el proyecto sin conductor de la rueda eléctrica de la mina de cobre es la clave para la construcción de la mina digital. Xie Wenbo, director de una mina de cobre en Dexing, provincia de Jiangxi, dijo que el vehículo minero con una capacidad de más de 200 toneladas puede completar todo el proceso de carga, transporte y descarga de forma independiente. La prueba exitosa de este proyecto acumulará una valiosa experiencia para que podamos promover la conducción no tripulada de todo el proceso de minería y mejorar aún más el nivel de seguridad intrínseco de "menos gente, nadie" en las minas. La mina de cobre Yulong, otra mina de cobre ubicada en la región de Changdu de la Región Autónoma del Tíbet, es la mina de cobre a cielo abierto de mayor grado en China. Al cierre de 2022, las reservas retenidas de metal cobre alcanzaron las 5.751.600 toneladas. Tras el inicio del año, la temperatura local sigue siendo fría y la empresa ha hecho los preparativos suficientes para garantizar una producción positiva en la minería a cielo abierto en invierno. Fan Wentao, presidente de una empresa de cobre en el Tíbet: Después del Festival de Primavera, tomamos una serie de medidas de seguridad de producción de invierno para fortalecer la frecuencia de revisión y mantenimiento de equipos para garantizar el suministro normal de mineral en condiciones climáticas extremas. En comparación con el pasado, la construcción de la "mina inteligente" se pone en funcionamiento para mejorar efectivamente el índice de suministro de la mina. Ltd. Presidente Liang Yanbo: La empresa tiene una capacidad de procesamiento de mineral de cobre de 22,3 millones de toneladas por año, y las minas están produciendo actualmente a plena capacidad. El reportero también aprendió en la entrevista, los precios del cobre, para algunas de las empresas de cobre tienen sus propias minas en respuesta a las fluctuaciones de los precios del mercado tendrá más ventajas. Una empresa de cobre en el gerente general de Qinghai, Zhou Xuan: el 70% de nuestra principal fuente de materias primas depende de sus propias minas, nuestra producción de operación estable tiene una gran garantía. Fan Xiaohui, subgerente general del departamento de futuros de la división comercial de una empresa de cobre en Jiangxi, China: las tarifas de procesamiento de la empresa son una fuente de ganancias relativamente limitada, pero con el aumento en los precios de los activos, los beneficios que pueden ser producido en la mina es la principal fuente de ganancias. Traducido con www.DeepL.com/Translator (versión gratuita)