激光分选技术革新采金业——TOMRA智能分选系统实现无尾矿绿色生产

希尔恩德项目位于悉尼西北约200公里处，介于巴瑟斯特和马奇之间，涵盖了历史悠久的希尔恩德金矿区的绝大部分区域。该地区地处东拉克兰褶皱带，历史上黄金产量超过160万盎司，并以出产大型金块闻名，其中包括著名的霍尔特曼金块。

希尔恩德金矿区还以发现史上最大单体黄金——霍尔特曼金块而闻名。1872年，“希望之星”出土的这一标本重达约285公斤，内含估计93公斤黄金。尽管通常被称为金块，但它实际上是一块含金石英标本。这一重大发现使该地区获得全球瞩目，至今仍是澳大利亚黄金开采史上的重要篇章。

“该矿区具有重大历史意义，因为这里是首批爆发淘金热的地区之一，”Vertex Minerals执行董事长Roger Jackson解释道，“他们发现了这个储量惊人的高品位金矿，对澳大利亚采矿业影响深远。Vertex决定重启该矿是因为它已具备开采许可且属于高品位金矿。我们看到了将其打造为澳大利亚最优高品位金矿之一的机遇。”

TOMRA Mining澳大利亚区域销售与技术经理Gavin Rech表示：这个项目最让我兴奋的是能与Vertex团队合作，在这个历史悠久的美妙矿区以更高效、更智能的方式进行开采。

引入激光分选技术
激光分选技术是一种基于光学传感的智能矿石分选方法，通过结合激光诱导击穿光谱（LIBS）、近红外（NIR）或X射线等技术，实时识别矿石中有用矿物与废石的物理或化学特征差异，实现高效分选。高精度激光束扫描传送带上的矿石，分析其反射光谱或元素组成（如金矿常与石英脉伴生，激光可识别石英特征）。同时，通过AI算法即时判定矿石品位，控制高压气枪喷出废石，保留高价值矿块。

为提升矿石处理效率并降低对环境的影响，Vertex Minerals公司在加工流程中整合了TOMRA Mining公司的激光分选技术。这项基于传感器的技术能够精确地分离矿石与废石，不仅提高了入选品位，还大幅减少了后续处理量。激光分选系统与现有的重力选矿厂形成互补。该选厂已配备破碎机、球磨机和精选设备。通过在矿石入磨前进行预选，Vertex Minerals公司实现了处理量的提升与能耗降低的双重效益。

为了评估Reward金矿矿石对传感器分选技术的适用性，Vertex Minerals公司将160公斤矿石样本运送至TOMRA Mining位于悉尼的测试中心。测试工作包括将样品筛分为20-60mm粒级，并通过激光分选机处理。该设备专门针对与金矿伴生的富石英颗粒。

“测试结果显示，金品位提升337%，矿石质量减少79%，且黄金损失率极低，这证明了该技术在矿石预处理阶段的提质增效作用。”TOMRA Mining公司技术专家Gavin Rech解释道。Vertex Minerals公司执行董事长Roger Jackson补充表示：“采用该技术后，我们可以扩大采场规模，经分选处理后仍能通过选厂获得等量黄金回收。”

环保与运营效益双赢
采用TOMRA Mining公司的激光分选技术契合Vertex Minerals公司生产“绿色黄金”的愿景。通过预先提升矿石品质，该公司既减少了对化学药剂的需求，又显著降低了尾矿量。由于金矿解离粒度较粗，破碎和研磨工序的能耗得以进一步降低，从而减少环境足迹。Gavin Rech补充道，分选机剔除的废石属于完全无矿化物料，可作为路基或骨料进行资源化利用。

“TOMRA Mining的激光分选工艺彻底改变了矿场的运营模式，”Roger Jackson表示，“凭借高效分选金矿与废石的能力，让我们大幅降低了选厂的电力消耗、用水量和运行时间。”

随着TOMRA Mining激光分选技术的成功应用，Vertex Minerals公司将在提升黄金产量的同时，持续践行可持续发展承诺。该公司正积极探索更多创新技术，以进一步优化运营并降低环境影响。

Gavin Rech总结道表示，TOMRA Mining能参与这场行业变革至关重要——像Vertex Minerals这样的企业正在改造传统采矿系统，以更低能耗、零化学药剂、无尾矿坝的方式实现高效开采，这正是公司希望全力支持的产业转型。

识别分类可回收垃圾
为了准确可靠地将可回收垃圾进行分类，中国合肥工业大学的研究人员开发了一种激光诱导击穿光谱（LIBS）技术。这项技术可以识别并将可回收垃圾分为六大类：纸张、塑料、玻璃、金属、纺织品和木材。

LIBS是基于发射光谱检测样品元素组成的原子发射光谱技术，不受周期环境、光线、样品形状、颜色的影响。研究人员收集了80个可回收废物样品的光谱，并通过LIBS光谱对它们进行了分类，供机器进行学习。在所探索的模型中，线性判别分析（LDA）和随机森林（RF）相结合的模型被认为是可回收垃圾分类的最佳模型。

实验结果表明，在没有对垃圾进行任何预处理的情况下，LDA与RF模型对可回收垃圾的分类准确率可以达到100%。研究团队计划在现有研究结果的基础上，增加垃圾样本的数量并纳入其他形式的垃圾，如厨房垃圾等。他们希望通过光谱学与分类算法的结合，实现对可回收垃圾的高精度识别与分类，为环保领域提供一种新的自动实时检测技术。