微博正文：转发微博
转发微博正文：#赓续长征精神 奋进复兴征程#【点赞！#中国AI帮助全球快速找矿#】近日，记者跟随“赓续长征精神 奋进复兴征程——记者再走长征路”主题采访团来到赣州好朋友科技股份有限公司的实验车间，一袋袋尺寸不一的矿石样本正在等候检测。检测设备配备了好朋友科技公司自主研发中国第一款矿石AI分类算法，采用大功率射线源及喷阀等关键技术，在我国首次实现钨、锡、锑、铅、锌、铜、钼、金、磷等40多个矿种的
湖南有色锡矿山锑业“锑都夜校”解码百年矿山“数智未来”
反映的实际问题为切入点，作了《拥抱智能化，建设数智锡矿山》专题报告。报告系统剖析了当前井下矿石计量、采选调度、废矿分拣、配料操炉等环节对人工依赖度高、作业环境复杂等痛点，为锡矿山锑业勾勒了清晰的数智化
度模型等前沿应用案例，展示了人工智能如何深度赋能现场感知、工序作业与全局经营决策，为锡矿山锑业深化“AI+矿山”应用提供了全新的思路与借鉴。
锡矿山锑业“锑都夜校”自2023年创办以来，已累计开展授课99场、培训超
原文链接：http://www.minmetals.com.cn/ddjj/ghyd/202604/t20260408_314756.html
智能制造在锡冶炼中的应用-全面剖析.pptx
界面与智能决策辅助 锡冶炼过程特点分析 智能制造在锡冶炼中的应用 锡冶炼过程特点分析 锡冶炼原料特性分析 1.锡矿石成分复杂，含多种共生元素。 2.原料品位波动大，需精细筛选。 3.环保要求严格，废锡回收利用。 锡冶炼工
到成品的全过程质量监控。 2.利用RFID和条形码技术，实现了产品信息的实时采集和追溯，提高了产品质量。 3.通过AI技术，实现了缺陷检测和预警，减少了废品率和返工率。 智能制造在锡冶炼的应用案例 能源管理和优化 1.锡冶炼
原文链接：https://www.docin.com/touch_new/preview_new.do?id=4857843932
Javier Ruiz-Del-Solar
loading of ore piles with Load-Haul-Dump machines using deep reinforcement learning
Expert Systems with Applications: An International Journal, Volume 264, Issue C•Mar 2025 • https://doi.org/10.1016/j.eswa.2024.125770
Abstract
This work presents a deep reinforcement learning-based approach to train controllers for the autonomous loading of ore piles with a Load-Haul-Dump (LHD) machine. These controllers must perform a complete loading maneuver, filling the LHD’s bucket …
Highlights
A methodology to synthesize deep RL-based controllers for the loading task performed by LHDs.
The develop
价格飙升 三种小金属被AI算力逼到“断货”
光模块焊点，每个环节都在加锡。2026年全球锡需求约37万吨，AI相关为1.2万—1.5万吨，占比虽小，增量几乎全来自AI。供给端，全球主要锡矿产区几乎同时受限。缅甸佤邦禁矿近三年后初步复产，产量仅恢复至停产前四到五成，
受雨季影响开采；印尼持续收紧出口配额和非法矿整治；受环保限产和品位下降影响，中国锡精矿产量呈下行趋势；刚果（金）占全球锡供应6%的Bisie矿，2025年因武装冲突停产，复产进度持续低于预期。四大主产区均无产量增长
本文作者：中国能源网
原文链接：http://m.toutiao.com/group/7651912145168286227/?upstream_biz=VolcEngine
鉱业・采掘业のAI活用事例|鉱床探査・自律运搬トラック・予知保全・选鉱最适化を彻底解说【2026年最新】 | AI革命株式会社
AI活用事例 2026年7月更新
鉱業・採掘業のAI活用事例｜鉱床探査・自律運搬トラック・予知保全・選鉱最適化を徹底解説【2026年最新】
公開日: 2026/07/02
この記事のポイント
鉱業・採掘業のAI活用を、鉱床探査・自律運搬トラック・設備予知保全・安全管理・選鉱最適化の5領域で整理。KoBold・Komatsu・住友金属鉱山など国内外の導入事例と主要サービス比較、料金の実態、導入判断基準まで公式情報ベースで解説します。
鉱業・採掘業のAI活用は、鉱
Advanced Mining Technology Center
Load-Haul-Dump machines using deep reinforcement learning
Rodrigo Salas,
Francisco Leiva,
Expert Systems with Applications: An International Journal (EXWA), Volume 264, Issue C https://doi.org/10.1016/j.eswa.2024.125770
Abstract
This work presents a deep reinforcement learning-based approach to train controllers for the autonomous loading of ore piles with a Load-Haul-Dump (LHD) machine. … (More)
research-article
Detecting rocks in challenging mining environments using convolutional neural networks and ellipses as an alternative to bounding boxes
Patricio Loncomilla,
Expert Systems with Ap
原文链接：https://dl.acm.org/institution/60122505/publications?PublisherRaw=PERGA&pageSize=20
矿产精锡行业AI应用及布局策略深度研究 – 豆丁网
矿产精锡行业AI应用及布局策略深度研究.pptx
阅读：2次|页数：31页 |上传：2025-03-26 15:49
矿产精锡行业AI应用及布局策略深度研究 汇报人：XXX 2025-X-X 目 录 1. 矿产精锡行业概述 2. AI技术在矿产精锡行业的应用 3. AI应用案例分析 4. 矿产精锡行业AI应用挑战与机遇 5. 矿产精锡行业AI应用布局策略 6. 矿产精锡行业AI应用实施路径 7. 矿产精锡行业AI应用未来展望 01 矿产精锡行业概述 行业背景及发展历程 行业起源 精锡行业起源于我国古代，距今已有数千年的历
原文链接：https://www.docin.com/touch_new/preview_new.do?id=4847797498
A comprehensive exploration of nongeostationary satellite systems in the mining industry: emphasizing AI , ethical considerations, and communication strategies
A comprehensive exploration of nongeostationary satellite systems in the mining industry: emphasizing AI , ethical considerations, and communication strategies
Author
Listed:
Fredrick Kayusi
Petros Chavula
Registered:
Abstract
Non-geostationary satellite (NGSO) constellations—particularly LEO/MEO—are transforming mining by providing low-latency connectivity and taskable Earth observation to remote, infrastructure-poor sites. Objectives include mapping NGSO applications across exploration, planning, and operations; assessing AI’s role in tasking, routing, and analytics; and examining govern
原文链接：https://ideas.repec.org/a/dbk/ethaic/v4y2025ip408id408.html
AI-DeepFrothNet: : Continuous monitoring and tracking of froth flotation working condition by root cause analysis and optimized predictive control
research-article
AI-DeepFrothNet: : Continuous monitoring and tracking of froth flotation working condition by root cause analysis and optimized predictive control
Authors :
Khalid A. Abouda , Degang Xu, Wail M. Idress, Hager M. Elmaki , + 5
, Tehseen Mazhar, Muhammad Aoun, + 3, Yazeed Yasin Ghadi, Tariq Shahzad, Habib Hamam (Less)
Volume 123, Issue PD
https://doi.org/10.1016/j.compeleceng.2025.110251
Published : 01 April 2025 Publication History
Abstract
References
Abstract
Achieving optimal working conditions in froth flotation is critical for maximizing mineral recovery. Traditional manua
原文链接：https://dl.acm.org/doi/abs/10.1016/j.compeleceng.2025.110251