智能矿山关键技术研发与应用进展

Research and Application Progress of Key Technologies in Smart Mine

摘要

智能矿山是矿业数字化转型的核心引擎，通过梳理国内外最新研发与应用进展，对重点技术赋能矿业智能化发展进行了系统研究。共性关键技术赋能智能矿山行业主要围绕实际生产需求展开，研究主题包括物联网、机器视觉、机器听觉、深度学习、大数据挖掘、智能传感器、协作机器人、数字孪生和绿色矿山等，应用场景涉及智能控制系统、资产智能管理、安全保障及其系统、数据管理及其分析和监控系统等。展望未来，关键技术的创新与融合应用将成为推动智能矿山向高质量、可持续和智能化全面发展的核心引擎，通过结合人工智能与大数据技术来提升矿山在精准勘探、优化开采路径、降低能耗与废弃物和提高资源利用率等方面的综合能力，而数字孪生与人工智能技术相结合将实现矿山的全面数字化运营，区块链、物联网、云计算和5G等技术可保障矿山远程管理和智能决策的高效性和精准性。智能矿山关键技术的应用将为矿业转型升级奠定坚实基础，引领矿业向绿色、安全、数字、智能和高效的方向发展。

Abstract

The smart mining serves as the core engine of the digital transformation in the mining industry. By reviewing the latest global R&D and application advances，this study systematically investigates how key technologies empower the smart development of mining operations.Key technologies play a pivotal role in advancing the smart mining industry，with a primary emphasis on addressing practical production requirements.Research areas encompass the Internet of Things，machine vision，machine hearing，deep learning，big data mining，intelligent sensors，collaborative robots，digital twins，and green mining，among others.The application scenarios within smart mines predominantly involve intelligent control systems，asset management，safety assurance and its associated systems，data management and analysis systems，and monitoring systems.In anticipation of future advancements，the innovation and integrated application of key technologies are poised to serve as the central catalyst for the holistic development of smart mining，emphasizing high quality，sustainability，and enhanced intelligence.By leveraging artificial intelligence and big data technologies，the comprehensive capabilities of mines，such as precise exploration，optimization of mining pathways，reduction of energy consumption and waste，and improvement in resource utilization efficiency，will be significantly enhanced.The integration of digital twins and artificial intelligence is poised to facilitate the comprehensive digital operation of mining enterprises.Complementary technologies，including blockchain，the Internet of Things，cloud computing，and 5G，will enhance the efficiency and precision of remote management and intelligent decision-making processes within the mining sector.This technological synergy will establish a robust foundation for the transformation and modernization of the industry，steering it towards more sustainable，safe，digital，intelligent，and efficient practices.

Graphical abstract

关键词

智能矿山 / 关键技术 / 物联网 / 数字化 / 人工智能 / 深度学习

Key words

smart mine / key technology / Internet of Things / digitization / artificial intelligence / deep learning

矿业在全球社会经济发展中占有重要地位，人类所耗费的自然资源中，矿产资源占80%以上（自然资源部中国地质调查局国际矿业研究中心，2019）。国际能源署预计，到2040年由清洁能源技术驱动的能源系统对关键矿物的总体需求将增加6倍（International Energy Agency，2021）。全球数字化技术的快速发展推动了矿业生产与管理的巨大变革，智能矿山不仅是应对资源枯竭、环境压力和安全挑战的创新解决方案，更是矿业实现智能化、绿色化转型升级的关键力量（王国法等，2022）。据国外摩多智库数据，2022—2027年全球智能矿山市场年均复合增长率（CAGR）达20.62%（Mordor Intelligence，2022）。

国外智能矿山建设起步较早，技术相对成熟。如美国、欧盟和加拿大等均非常重视矿山智能化发展，其重点方向包括提升矿业全球竞争能力，推进数字化技术与矿业的深度融合（包括矿山集成化系统解决方案、提升矿业的智能化水平和加大创新支持力度等），以及积极利用先进技术攻克超深难采矿产资源等难题。为了系统推进这些目标，相关国家已从战略层面制定了智能矿山发展规划，如美国的“矿产可持续发展多年期计划”、欧盟的“地平线欧洲”计划、芬兰的“国家智能矿山技术研究计划（IM）和智能矿山实施研发计划（IMI）”、加拿大的“UDMN2.0计划”（超深采矿网络2.0计划）以及瑞典的“Grountecknik2000计划”等。此外，全球性典型矿产企业也纷纷制定了适合自身发展的智能矿山发展计划，如英美资源“未来智能采矿”计划（Future Smart Mining）、力拓“未来矿山”计划（Mine of the Future）和纽蒙特矿业“全潜力”计划（Full Potential）。

我国智能矿山建设起步较晚但发展迅速，目前整体处于快速发展阶段，市场需求具有较大潜力。国家矿山安全监察局数据显示，2023年我国煤矿智能化建设投资总规模接近2 000亿元。我国已出台一系列政策文件，明确了智能矿山阶段性发展目标、智能化重点应用领域以及需要攻克的关键技术等。《中华人民共和国国民经济和社会发展第十四个五年规划和二〇三五远景目标纲要》提出，要推动互联网、大数据、人工智能等同各产业深度融合。国家矿山安全监察局等七部门印发的《关于深入推进矿山智能化建设促进矿山安全发展的指导意见》提出到2026年要建立完整的矿山智能化标准体系，到2030年建立完备的矿山智能化技术、装备、管理体系，要求推进5G、物联网、大数据、云计算、人工智能和数字孪生等关键技术与传统矿山生产技术深度融合应用。自然资源部等七部门印发的《关于进一步加强绿色矿山建设的通知》提出，要建立完整的矿山智能化标准体系，到2028年底持证在产的90%大型矿山、80%中型矿山要达到绿色矿山标准要求，全面推进绿色矿山建设。国家矿山安全监察局发布的《矿山智能化标准体系框架》提出要加快新技术与传统矿山行业深度融合，保障新技术在矿山智能化建设中的适用性和一致性，推动矿山智能化高质量发展，其中《智能化矿山数据融合共享规范》包含基础共性、数据编码、数据采集、数据治理、数据安全和数据应用等六大专题，40项规范；《智慧矿山信息系统通用技术规范》（GB/T 34679-2017）对信息系统架构、基础网络、传感感知、安全保障、大数据分析和生产安全等通用要求进行了规范。

由此可知，智能矿山建设的关键环节在于技术的深度融合与应用。然而，智能矿山技术在实际研发与应用中面临一定的挑战：一是技术融合与创新问题，智能矿山需要引入物联网、大数据和人工智能等前沿技术，但存在技术融合难度较大、系统间兼容性不强和数据孤岛现象严重等问题；二是成本高昂与人才短缺问题，智能矿山的建设和运营不仅需要投入大量资金，同时需要具备相关专业知识和技能的复合型人才，由于成本限制和人才短缺，制约了智能矿山技术的快速推广和应用；三是数据安全与隐私保护问题，需要确保数据在传输、存储、处理和应用等环节的安全性。

为了全面掌握国内外矿业智能化发展现状与趋势，本文从基础研究（数据来源：Science Citation Index Expanded）、应用研发（数据来源：Derwent Innovations Index）和典型应用案例等角度探讨了关键共性技术赋能智能矿山领域的最新研究与应用进展，以期为矿业的转型升级以及向绿色、安全、数字、智能和高效方向发展提供参考。

1 总体发展态势

1.1 基础研究态势

智能矿山是基于现代矿山智能化理念，将人工智能、物联网、大数据、云计算和自动控制等关键技术与矿业深度融合，实现矿山生产、管理、控制、安全和决策等环节全面智能化管理与运营的一整套解决方案（王国法等，2024）。关于智能矿山的基础研究主要关注物联网、机器视觉、机器听觉、深度学习、大数据技术、智能传感器、协作机器人和数字孪生等，旨在通过将数字化技术与矿业结合实现管理、生产、安全和维护等环节全面智能化和自动化。智能矿山研究内容主要包括智能矿山架构与系统集成（王国法等，2024）、智能开采与自动控制、数据驱动与智能决策（Kang et al.，2023）以及绿色开采与环境保护（Du et al.，2024）。其中，应用物联网技术将矿业设备、环境参数和人员定位等信息实时互联，可以实现生产流程的智能化监控与管理；机器视觉能够精准识别图像并进行智能分析，大幅提升作业效率、安全监控与检测能力以及自动预警能力，此外通过结合大数据技术可以为科学决策提供数据支撑；智能传感器对采矿业至关重要，可以实时监测环境参数和设备运行状况，提升采矿业的生产效率和安全性；借助大数据技术可以整合矿业工程、商业资讯和物流状况等信息，为矿业的科学决策和智能化管理提供支撑。例如智能矿山在黄金矿山领域的应用包括智能评估和科学决策（Kang et al.，2023）、数字化管理与智能分析（王启健等，2021）以及矿产智能勘探（Zhang et al.，2024）。智能矿山技术研发与应用体系如图1所示。

未来智能矿山关键创新技术主要有矿山自主协作机器人、区块链、数字孪生、深度学习、矿后活动、ESG（Environment，Social，Governance，环境、社会、治理）和绿色矿山等，通过矿业与数字化技术的深度融合，促进矿业—环境—社会的和谐共生，实现矿业高质量可持续发展（Zhironkin et al.，2022）。

其中，自主协作机器人将传感器技术、机器视觉和自动控制技术等有机结合，在收集并分析图像、噪音、气体浓度、温度、湿度、振动、辐射和粉尘颗粒等实时信息的基础上，可实现矿业生产、监测和维护等自主作业与实时协同工作。区块链对矿业全生命周期管理至关重要，能够确保矿业信息的实时性、精准性、透明性和可追溯性等，促进供应链的高效协同。数字孪生技术通过高精度构建三维矿业模型，实现数据实时映射及同步处理，在虚拟空间实时数字化映射采矿业全生命周期的规律与过程。借助深度学习技术，能够精准识别矿体特征、预测矿藏分布和预判安全隐患等。矿后活动是智能矿山全生命周期管理的重要环节，将矿业—环境—社会等有机结合，通过资源回收及循环利用、修复矿区生态系统、发展矿区旅游业等途径确保矿业高质量可持续发展。绿色矿山重点涉及绿色采矿技术（如低/零排放、低能耗和高效益等）、智能采矿技术和生态环境恢复技术等（Du et al.，2024）。ESG通过数字化技术分析考察矿业公司的环境因素（如绿色开采、生态恢复和资源利用效率等）、社会责任因素（如社会声誉和劳工标准等）和治理因素（如管理体系和风险管理能力等），为未来砂业投资决策提供重要依据（表1）（Zhironkin et al.，2022）。

智能矿山领域增长较快的技术方向包括深度学习（算法与模型）、机器视觉（如高质量图像采集）、大数据处理与应用、智能控制技术（如无人协作机器人）、智能预测技术（如预测性维护）、综合预警技术（如气体含量异常监测）以及绿色矿山技术等。

1.2 应用研发态势

智能矿山已成为矿业领域的重要发展趋势，其技术体系构建涵盖了矿山全生命周期的各个环节。研究人员基于不同需求场景开展了有针对性的智能系统开发工作，包括基于矿山全生命周期的资产智能管理系统、基于大数据管理与分析的数据管理系统、智能控制及自动化系统、智能监控与报警系统以及智能安全保障系统等。在露天和井下2种作业场景下，智能矿山技术研发各有侧重。其中，露天矿山智能技术研发侧重于物联网、大数据处理与应用技术以及云计算等，应用场景侧重于智能决策、集成解决方案、自动控制（如智能运输）和安全监测等；井下生产环境相对复杂，智能矿山技术的研发重点在于图像识别技术、高精度定位技术和数据实时传输技术等，应用场景侧重于井下实时监控、环境监测、救援系统以及智能识别与采掘（如矿石识别）。

致力于智能矿山技术研发的企业主要包括美国思科公司（Cisco Systems Inc.，简称美国思科）、罗克韦尔（Rockwell Automation）、天宝（Trimble Inc.）、IBM（International Business Machines Corp.）、Symboticware，日本Wenco（日立子公司，总部位于加拿大，Wenco International Mining Systems Ltd）、小松（Komatsu Mining Corporation），德国思爱普（SAP SE），瑞士ABB，瑞典安百拓（Epiroc），芬兰美卓奥图泰（Metso Outotec OYJ），以及我国的华为、中国煤炭科工集团、北路智控和龙软科技等。其中，罗克韦尔推出的产品在矿业供应链解决方案方面具备优势，可以根据企业的具体需求进行定制；思爱普的优势领域为企业管理和数据分析技术，能够实时监控生产过程中的各项关键指标；ABB Ability智能系统支持与其他系统集成；小松精确的控制系统使其在智能挖掘与作业方面具备优势；北路智控的无人驾驶技术具备一定的优势；科达自控的优势领域是智能化控制技术和智能化管理平台。对比国内外智能矿山服务企业产品与技术，国内智能矿山相关专利技术产出以高校为主，智能矿山服务企业在智能矿山品牌建设与全球化布局方面与国外存在一定的差距；国外智能矿山企业在核心算法、物联网技术和大数据处理等方面更具优势，且高端矿山装备智能化水平较高。国内外部分智能矿山企业关键技术创新详见表2。

2 关键技术及应用进展

2.1 资产智能管理

智能矿山资产智能管理重点研发方向包括管理系统及平台（如模型、生产管理和资产管理）、大数据处理与应用（如数据挖掘、深度学习、智能管理和智能决策等）以及实时管理（如实时同步管理和实时优化技术）。基于全生命周期的矿山资产智能管理系统能够降低成本、节能减排、节省时间、增强安全性和提高生产力（Tripathi et al.，2022；El et al.，2023；Jiskani et al.，2023；Zhironkin et al.，2023），其中ESG（环境、社会和治理）将成为未来矿山主流投资方式（Yang et al.，2023）。此外，将人工智能大模型（如Chat-GTP）应用于采矿业，可以大幅提升采矿效率并减少风险（Chen et al.，2024），但人工智能大模型在矿业中的应用面临模型准确性、可靠性以及数据质量和安全等方面的风险和问题。

美国IBM推出的Maximo资产管理系统（涉及数字孪生技术），主要应用于资产维护与运行、监控和诊断等方面（Berti et al.，2021）；德国思爱普推出的S/4HANA云平台，融合了深度学习、大数据挖掘与分析等技术，帮助企业管理公司业务、协调内外部资源、完成智能分析与预测等（Jiang，2023）；美国罗克韦尔推出的资产同步管理系统，可以实现员工、机器人和工业参数等协同同步运行（Bromfield et al.，2022），其推出的工业管理云平台还可以优化管理工序（Briant et al.，2022）和流程设计（如布线）（Yusuf et al.，2023）；瑞士ABB推出的管理系统可以根据收到的生产现场数据对生产进行实时管理（Mousavi et al.，2022）；日本小松推出的管理系统可以实时优化并调整生产过程（Garimella et al.，2023）；瑞典安百拓通过数字化管理实现了最佳能源利用率（Persson et al.，2023）；印度尼西亚国有企业部长称PT Freeport Indonesia公司通过智能矿山技术使钻探成本降低了40%；我国科达自控公司基于M-CPS架构研发的智能矿山管理系统实现了矿山整体管理和资源智能协调（Niu et al.，2023）。

2.2 智能控制系统

智能控制系统研发与应用以优化矿山生产过程中的控制和决策为重点方向，以保证矿山能够高效、安全、绿色地运行。智能控制技术根据矿山实际生产需求采用一种或几种工业控制系统进行集成研发，包括数据采集与监控系统（SCADA）、分布式控制系统（DCS）、过程控制系统（PLC）和智能监测与控制系统（SMAC），如Xu et al.（2023）开发的基于多系统协同控制的无人机器人技术。

罗克韦尔推出的PlantPAx分布式控制系统将DCS的实时数据与历史数据相结合协同实现智能化控制（Garcias et al.，2021）；同时将收集到的矿山数据智能转化为可操作的信息，应用于工业自动化解决方案（Baron et al.，2022），基于深度学习推出了实时数据挖掘、数据处理、预测建模和可视化等功能（Reynolds et al.，2022）。日本小松推出的矿山无人驾驶设备具备较强的实用性，不仅载重能力突出还可以根据工业实时数据自动生成运行路线（Amano，2023），如无人自装卸矿山汽车980E-AT载重达400多吨［图2（a）］，D375Ai-8远程操控推土机配备了自动铲刀控制系统［图2（b）］。瑞典安百拓和澳大利亚澳瑞凯（Orica）共同推出了一款矿山自动安全爆破系统Avatel，极大地提升了爆破作业安全性。美国国家职业安全与健康研究所开发了一个智能监测和控制系统（SMAC），用于实时监测矿山空气质量，集成应对并降低矿井中局部高浓度空气污染物。我国中煤科工推出的智能控制系统实现了露天煤矿的连续智能开采及配套施工作业（胡小刚等，2023）。

2.3 安全保障系统

智能矿山安全保障系统的重点研发方向包括智能监测系统、智能感知与报警系统（智能预警）、安全保障系统（如数据安全和生产安全）、应对危险工序（如制动控制和有害气体超标应对）、定位技术和矿山无人驾驶等。该系统通过物联网对工作场所的温度、湿度、粉尘颗粒、有害气体、辐射、矿压和地热等进行实时监控，能够及时发现并处置异常情况，从而提供健康、安全的工作环境（Singh et al.，2022）。例如对生产过程中出现的危险特征进行智能预警（如有害气体超标）（Tripathi et al.，2024；Yadav et al.，2024），基于人机交互 （HCI）系统提高设备和操作员的安全性（Jagoda et al.，2023）以及构建安全智能应对系统（Vlachos et al.，2024）等。

美国思科基于物联网推出的AppDynamics系统实现了矿山开放式遥测，在保证数据安全（Anderson et al.，2019；Hulick，2023）的前提下，推出了通过人工智能技术构建的工业环境可信架构（Henry et al.，2022）。日本小松推出的自动灭火系统能够根据实际环境自主智能应对火情（Watanabe et al.，2023）。芬兰美卓奥图泰推出的压力报警系统可以自动调整运行参数（Nieminen et al.，2022）。我国龙软科技推出的矿山智能管控平台通过数字化手段实现对矿山的安全诊断和智能管控（毛善君等，2022）；2024年我国鲲云科技的宁煤智能安全保障项目入选联合国“AI for Good”创新案例集。

2.4 数据管理系统

智能矿山数据管理及分析系统的重点研发方向包括信息智能管理系统及平台、数据处理技术（包括仿真模型构建、参数设置和深度学习等）、数据传输技术以及数据应用技术（如数据驱动决策、生产指标优化、预测性维护和远程服务）。智能矿山数据管理与分析系统在无人干预的情况下可实现对矿山工程、物流和环境等数据的整合，智能生成基于全生命周期的决策方案，实现自我预测、自我配置、自我管理和自我恢复等（Sanchez et al.，2020），能够提高生产力并优化生产指标（Saldana et al.，2023）。基于矿山数据的深度学习研究表明：数据质量、参数选择和数据融合是数据管理与分析的核心要素（McCoy et al.，2019），在深度学习的基础上智能生成解决方案并应用于生产实践（Jooshaki et al.，2021）。

近年来，数据管理系统技术研发及商业化应用发展迅速。瑞士ABB推出的ABB Ability Mine Optimize系统可以实现远程服务、预测性维护和升级改造等，如通过模型预测矿山机械寿命（Mikail et al.，2023）［图3（a）］，该系统极大地提升了智利Salares Norte项目的数据分析和决策支持能力。瑞典安百拓利用物联网、人工智能和数字孪生等技术智能生成矿山自适应仿真模型，实现预测功能（Kotriwala et al.，2022）。美国IBM推出了通过分析历史数据自主预测矿山在生产过程中出现的问题（Scates et al.，2022），如通过收集实时数据智能生成生产参数，实现采矿提升机的智能控制（Kryniski et al.，2023）。我国北路智控公司推出的信息融合系统能够实时读取传感器数据并同步上传，可以实现对设备和人员的精准定位（金勇等，2020）。我国华为基于“5G+AI”实现煤矿作业面自动监控的矿鸿（Mine Harmony）系统已经实现规模化商用，2024年华为曹家滩智能矿山项目获5G+工业互联网大会“年度标杆示范案例”［图3（b）］。

2.5 智能监控系统

智能矿山监控系统的重点研发方向包括监测系统、监测技术（如实时监测、自动跟踪监测和巡检）、数字化技术（如机器视觉、扩展现实和数字孪生）和智能控制技术（如防撞系统）等。监控系统在智能矿山领域有着广泛应用，监控范围包括生产过程、图像、噪声、位置、气体、振动和辐射等，且能够自动实现人与机器之间的决策角色分配。其中，工业生产监控、防撞系统（Imam et al.，2023）、矿山无人驾驶系统（Woolsey，2022）和传感器技术（Cac-ciuttolo et al.，2023）等已有较多研究成果推广应用。

国内外高科技企业和科研机构在智能监控系统及技术的研发和应用方面进行了积极探索，推动多款产品相继面市。美国天宝推出的Trimble Smart Haul跟踪监测系统，能够将实时数据与云端相连，从而监控生产进程（Carpenter et al.，2021），并将增强现实技术及设备应用于工业实践（Nichols，2021）。德国思爱普推出了管理和监控区块链网络系统（Amburey，2020）。瑞士ABB应用数字孪生技术生成工业过程自适应仿真模型，并应用于监控连续工业过程（Juhlin et al.，2022）。美国思科基于物联网实现了位置跟踪（Henry et al.，2023）。瑞典安百拓通过三维模型实现了生产设备与采矿环境的实时定位，提升采矿效率（Syse et al.，2023）。我国中煤科工推出的智能矿山管理监控平台（图4）可以通过数字化技术实时监测井下多种参数用于智能决策（杨冬冬等，2023）；爱立信（Ericsson）推出的矿山数字化蜂窝网络，10年内的投资回报率最高可以达到200%，通过实时监控可实现设备维护成本平均降低20%。

3 总结与展望

3.1 总结

（1）全球主要经济体高度重视智能矿山发展。主要体现在以下方面：一是提升矿业全球竞争力，通过人工智能、物联网和大数据等先进技术提高矿山的生产效率、降低成本和增强安全保障。二是重视数字化技术与矿业的深度融合，通过构建全生命周期的智能管理系统，提升矿山全产业链的智能化管理水平。三是采用智能化技术积极应对复杂环境矿种开采，通过智能化勘探与预测、无人驾驶设备和自动装载系统等提高复杂矿种的开采效率和安全性。

（2）智能矿山技术研发主要围绕矿山智能化发展的实际需求开展。主要应用包括以下3个方面：①区块链赋能的物联网技术应用，基于物联网将矿业设备、环境参数和人员定位等信息实时互联，通过区块链确保矿业信息的实时性和透明度。②人工智能技术应用，基于机器视觉精准识别图像并进行智能分析、处理与应对，借助大数据技术整合生产和运维等各环节信息，实现智能传感器实时监测环境参数与设备运行状况、深度学习实现精准识别矿体特征与分布等智能化应用。③自动化技术应用，基于数字孪生技术实时映射矿业全生命周期的规律与过程，通过自主协作机器人提升矿山的自动化水平。

（3）全球智能矿山技术和服务市场高速增长。主要体现在以下3个方面：①通过矿山集成式解决方案，提升矿山设计、开采、运维和矿后活动等各个环节的智能化水平，重点应用领域包括资产智能管理、智能控制系统和智能监控系统。②提升安全与健康水平，保障矿山安全运维，主要有智能感知、智能报警和智能应对等系统。③通过关键共性技术促进矿山数字化转型，提升数据采集、处理和决策的全链条数字化水平，实现生产流程透明化、管理精细化和决策智能化等。

3.2 未来展望

（1）技术创新及其融合应用将推动智能矿山高质量发展。一是实现精准勘探，人工智能与大数据技术的结合将彻底改变矿产资源的勘探方式，通过深度学习算法分析地质数据、地球物理信息和遥感图像等矿产数据，预测矿产资源的分布规律及矿藏特征，利用遥感和GIS等技术精准定位矿脉，实现高精度、低成本的矿产勘探；通过物联网传感器能够实时监测地质活动，并提供实时地质数据支持，进一步提高勘探的准确性。二是实现高效开采，人工智能算法能够根据矿石类型、硬度等物理特性，动态优化开采路径和破碎参数，从而显著降低能耗，减少废弃物的产生，同时提高开采效率和资源利用率。三是实现矿山全生命周期数字化管理，从勘探、开采、运营、闭坑以及后续管理和开发等各个阶段进行全链条管理，显著提升矿山企业的运营效率，降低运营成本，提高矿山生产的安全性，引领矿业向更加绿色、安全、数字、智能和高效的方向迈进。

（2）绿色技术的快速发展与应用将推动智能矿山可持续发展。一是环境智能监测、预警和保护，通过物联网传感器和无人机等技术持续监测矿山周边的空气质量、水质和土壤健康状况等实时数据，及时发现并预警环境异常事件；智能分析系统能够基于历史数据和实时监测结果，预测环境变化趋势，智能提供预防及处理措施。二是提升资源循环利用能力，通过大数据技术助力识别可回收材料来源及潜在价值，优化资源回收流程，实现资源的高效管理和循环利用；智能分拣系统和机器人等智能化技术能够准确识别并分离出有价值资源，实现资源的最大化利用。三是ESG（环境、社会、治理）投资理念将逐渐融入智能矿山发展，通过数字化技术对矿业公司的环境、社会责任和治理等因素进行分析考察，相关成果将成为未来矿业投资决策的重要依据，从而推动智能矿业实现可持续发展。

（3）全面数字化技术将进一步推动矿山高度智能化发展。一是实现全面数字化，通过数字孪生技术构建与实体矿山高度对应的虚拟模型，实时反映矿山的运营状态，包括设备健康状况、生产进度、人员分布和物料运行状况等，实现矿山运营的全面数字化；通过人工智能算法对数据进行深度分析，持续优化矿山运营；此外，无人驾驶技术将极大地提升矿山的作业效率，提高作业安全性，并显著降低成本。二是实现远程管理与智能决策，尤其是区块链技术与物联网的结合能够确保矿业信息的实时性、精准性和透明性；通过云计算和5G通信等技术实时监控矿山运营情况，并进行远程调度和决策，实现管理远程化和智能化；人工智能辅助决策系统能够根据实时数据和历史经验，自动推荐最优的开采计划、维护策略和市场销售策略等，提高管理效率和响应速度，推动矿山向高度智能化方向发展。

参考文献

[1] Ltd. ABB，2022. ABB Ability Genix Industrial Analytics［EB/OL］.（2024-10-23）.

[2] Amano R，2023.Unmanned vehicle for operating in wide area work sites e.g. mines，has obstacle presence and absence determination unit that determines whether or not obstacle exists on opposing path based on detection data from obstacle sensor：WO2023042836-A1［P］.2023-03-23.

[3] Amburey K R，2020.Computer based method for managing and monitoring of blockchain network，involves providing metadata from node to solution manager by one processing device and generating metadata at node by one processing device：US2020162324-A1［P］.2020-05-21.

[4] Anderson B H，McGrew D，Parla V E，et al，2019.Method for correlating endpoint and enterprise network views to identify evasive applications e.g. cloud application，involves initiating performance of mitigation action after determining that application is evasive malware application：US201919 0928-A1［P］.2019-06-20.

[5] Baron P，Reissner K K，Truong J M，et al，2022.Integrated platform for industrial automation projects in industrial automation system design for e.g. automotive industry，has personalization engine for personalizing user experience within integrated platform based on roles of user under control of processor：US2022163950-A1［P］.2022-03-26.

[6] Berti J G，Deluca L S，2021.Computer-implemented method for qualifying an Internet of Things event as a major event，involves detecting Internet of Things events using one or more Internet of Thing sensors attached to a physical asset：US2021160961-A1［P］.2021-05-27.

[7] Briant S C，Reissner K，McCleave B T，et al，2022.System for analyzing industrial control projects，has project analysis component for generating recommendation for modifying project based on comparison of project telemetry data with device profile，and user interface component for rendering recommendation on client device：US2022382248-A1［P］.2022-12-01.

[8] Bromfield S，Elliott B N，Mazur D C，et al，2022.Computer-readable storage medium for facilitating synchronization of industrial assets in industrial automation environment，has set of instructions for providing updated set point for process subsystem to industrial controller：US2022244711-A1［P］.2022-08-04.

[9] Cacciuttolo C， Guzman V， Catrinir P，et al，2023.Low-cost sensors technologies for monitoring sustainability and safety issues in mining activities：Advances，gaps，and future directions in the digitalization for smart mining［J］.Sensors，23（15）：6846.

[10] Carpenter C M，Clarke R K，Morris X X，2021.Human obstacle avoidance monitoring system for use with monitoring tool，has mobile device which is movable to different remote positions relative to earth working equipment and sensor on mobile device to detect crack：WO2021041988-A1［P］.2021-03-04.

[11] Chen L， Li Y C， Silamu W，et al，2024.Smart mining with autonomous driving in Industry 5.0：Architectures，platforms，operating systems，foundation models，and applications［J］.Ieee Transactions on Intelligent Vehicles，9（3）：4383-4393.

[12] Du K， Xie J J， Xi W Q，et al，2024.Construction practices of green mines in China［J］.Sustainability，16（1）：461.

[13] El Bazi N， Mabrouki M， Laayati O，et al，2023.Generic multi-layered digital-twin-framework-enabled asset lifecycle management for the sustainable mining industry［J］.Sustainability，15（4）：3470.

[14] Garcias N R，Mirth T C，Wenner S，et al，2021.Redundancy facilitation method of industrial automation environment，involves connecting user workstation to enterprise access switches，redundancy switches and controllers to enterprise access switches and local area networks（LANs）：US2021152495-A1［P］.2021-03-20.

[15] Garimella P，Wiczynski P，Scott D J，et al，2023.Method for controlling electric drive system of powered system using vehicle control system，for electric current output by i.e.generator，and reducing idle speeds of e.g. diesel-electric haul lorry，in mines，involves reducing idle speed at propulsion system operating to speed for reducing load：US2023032971-A1［P］.2023-02-02.

[16] Henry J，Barton R E，Szigeti T，2022.Method for constructing zero-trust architecture for industrial automation in industrial settings，involves，involves determining whether sensor data is inconsistent by analyzing sensor data using machine learning model that models physical process：US202212 8985-A1［P］.2022-04-28.

[17] Henry J，Monajemi P，Alizadeh A，et al，2023.Method for facilitating channel coordination for optimization of industrial internet-of-things location and data services in wireless fidelity network，involves determining location of wireless client device based on reception of corresponding wireless data unit：US2023067588-A1［P］.2023-03-02.

[18] Hu Xiaogang， Li Xutao， Liu Zhiming，et al，2023.A control platform and control method for a fully continuous mining system in open-pit coal mines：CN116556956A［P］.2023-08-08.

[19] Hulick W T，2023.Open telemetry implementing method for e.g. personal computer，involves calling method entry for particular implementation tenant to perform associated interception operation while using direct telemetry class and/or method calls：WO2023049520-A1［P］.2023-03-30.

[20] Imam M， Baina K， Tabii Y，et al，2023.The future of mine safety：A comprehensive review of anti-collision systems based on computer vision in underground mines［J］.Sensors，23（9）：4294.

[21] International Energy Agency，2021.The Role of Critical Minerals in Clean Energy Transitions［M］.Paris：International Energy Agency.

[22] International Mining Research Center of China Geological Survey，2019.Global Mining Development Report 2019［M］.Beijing：Geological Publishing House.

[23] Jagoda J， Woszczynski M， Polnik B，et al，2023.HCI-based wireless system for measuring the concentration of mining machinery and equipment operators［J］.Applied Sciences-Basel，13（9）：5396.

[24] Jiang Y，2023.Non-transitory computer-readable media for processing software authorization policies to translate software authorization policies from first format to second format through neutral format，have set of instructions for responding user request with third policy tree：US202316 1772-A1［P］.2023-03-25.

[25] Jin Yong，Sheng Min，Jiao Xun，2020.A multi system information fusion method and system for coal mines based on network communication：CN110784841A［P］.2020-02-11.

[26] Jiskani I M， Zhou W， Hosseini S，et al，2023.Mining 4.0 and climate neutrality：A unified and reliable decision system for safe，intelligent，and green & climate-smart mining［J］.Journal of Cleaner Production，410：137313.

[27] Jooshaki M， Nad A， Michaux S，2021.A systematic review on the application of machine learning in exploiting mineralogical data in mining and mineral industry［J］.Minerals，11（8）：816.

[28] Juhlin P，Kotriwala A M，Li N，et al，2022.Method for monitoring continuous industrial process，involves generating adaptive simulation model of industrial process by importing data representing state of processing station provided by processing stations into simulation model：WO202214 4082-A1［P］.2022-07-07.

[29] Kang K， Chen Q S， Wang K，et al，2023.Application of interpretable machine learning for production feasibility prediction of gold mine project［J］.Applied Sciences-Basel，13（15）：8992.

[30] Ltd. Komatsu，2023a.980 E-AT electric drive mining truck［EB/OL］.（2024-10-23）.

[31] Ltd. Komatsu，2023b.D375 Ai-8 smart machine control dozer［EB/OL］.（2023-08-29）

[32] Kotriwala A，Li N，Schlake J，et al，2022.Method for training quality prediction model for processing device of continuous industrial process，involves using processing data and quality data to train or retrain model to determine predicted quality data for processing data：WO2022194358-A1［P］.2022-09-22.

[33] Kryniski K，Saarinen K，2023.Method for monitoring condition of hoist e.g. mining hoist，involves determining key performance indicator for hoist based on extracted state variables：WO2023025391-A1［P］.2023-03-02.

[34] Mao Shanjun，Li Xiang，Jing Chao，2022.Construction method of smart mine control platform based on geological survey guarantee system：CN114611180A［P］.2022-06-10.

[35] McCoy J T， Auret L，2019.Machine learning applications in minerals processing：A review［J］.Minerals Engineering，132：95-109.

[36] Mikail R，Rutkevicius M，Rakuff S，2023.Life prediction system for predicting remaining useful lifetime of industrial mechanical power transmission equipment such as gearbox i.e. mechanical concentric gear reducer，by using reinforcement machine learning model，has processor for receiving data of gearbox measured by sensors：US2023086049-A1［P］.2023-05-23.

[37] Intelligence Mordor，2022.Global smart mining market-growth，trends，COVID-19 impact，and forecasts（2022-2027）［R］.https：//www.reportlinker.com/p06227780/？utm_source=GNW.

[38] Mousavi M J，Acharya M P，Barr B D，2022.Method for managing safety at industrial site，involves receiving feedback on determined safety status by compute device and from human or another cloud data center and updating model as function of received feedback：CN112703537-B［P］.2022-12-27.

[39] Nichols M，2021.System for providing augmented reality images to operator of earth moving machine used in construction industry，comprises orientation system configured to determine pose of earth moving machine in real world coordinate frame：WO2021146118-A1［P］.2021-07-22.

[40] Nieminen P，Peltonen M，2022.System for detecting and handling overload event in crusher system，has processing unit that outputs alarm signal and/or instruction adjusting operation parameter of system，if received clamping pressure signal exceeds threshold：WO2022189507-A1［P］.2022-09-15.

[41] Niu N，Chen S，Wang Y，et al，2023.M-CPS intelligent mine managing platform，has platform interface part comprising mine series intelligent production device interface，control sub-system interface，sensor and monitoring device interface and staff device interface：CN116415816-A［P］.2023-07-11.

[42] Persson A，Malm P，Roos P，2023.System for computing optimized energy storage utilization，has fog-and/or cloud- computation system for deploying workflow information for performance of shared work assignment to fleet of mining machines through communication interface：WO2023059239-A1［P］.2023-04-13.

[43] Reynolds J C，Hagerbaumer J J，Mahr T W，et al，2022.System for implementing machine learning engines within industrial programming and data science environments，has notification component for surface notification that variable is in control logic but not used in operational data：EP4155848-A1［P］.2022-09-16.

[44] Saldana M， Galvez E， Navarra A，et al，2023.Optimization of the SAG grinding process using statistical analysis and machine learning：A case study of the Chilean copper mining industry［J］.Materials，16（8）：3220.

[45] Sanchez M， Exposito E， Aguilar J，2020.Autonomic computing in manufacturing process coordination in Industry 4.0 context［J］.Journal of Industrial Information Integration，19：100159.

[46] Scates C J，Diaz G J A，Collender K D J，et al，2022.Method for identifying problem graphs in information technology infrastructure network，involves producing set of historical directional rules defining historical problem graph based on subsets of node-state pairs：US11388039-B1［P］.2022-07-12.

[47] Singh N， Gunjan V K， Chaudhary G，et al，2022.IoT enabled HELMET to safeguard the health of mine workers［J］.Computer Communications，193：1-9.

[48] Syse B，Ehrnstroem T，Oeberg P，et al，2023.Method for controlling mining rig in mining environment，involves triggering operations to be performed by mining rig in mining environment based on generated virtual mining model by triggering real-time operations：WO2023048625-A1［P］.2023-03-30.

[49] Tripathi A K， Aruna M， Parida S，et al，2024.Integrated smart dust monitoring and prediction system for surface mine sites using IoT and machine learning techniques［J］.Scientific Reports，14（1）：7587.

[50] Tripathi V， Chattopadhyaya S， Mukhopadhyay A K，et al，2022.A sustainable methodology using lean and smart manufacturing for the cleaner production of shop floor management in Industry 4.0［J］.Mathematics，10（3）：347.

[51] Ms Vlachos， Pavlopoulos L， Georgakopoulos A，et al，2024.A robust end-to-end IoT system for supporting workers in mining industries［J］.Sensors，24（11）：3317.

[52] Wang Guofa， Pang Yihui， Ren Huaiwei，et al，2022.Challenges and reflections on intelligent mining construction［J］.Intelligent Mining，3（10）：2-15.

[53] Wang Guofa， Pang Yihui， Ren Huaiwei，et al，2024.System engineering and key technologies research and practice of smart mine［J］.Journal of China Coal Society，49（1）：181-202.

[54] Wang Qijian， Yu Tao，2021.Research and development of big data analysis platform for intelligent gold mine［J］.Nonferrous Metals（Mining Section），73（6）：25-31.

[55] Watanabe N，Hoshino Y，2023.Water sprinkler system in work site e.g. mine or quarrying field，has water sprinkling control unit used for outputting control command so that sprinkler performs process of sprinkling water to sprinkling position：WO2023054368-A1［P］.2023-04-06.

[56] Woolsey A A，2022.Novel technology methods of enterprise unmanned traffic management （E-UTM） solutions for mining［J］.Mining Metallurgy & Exploration，39（6）：2365-2378.

[57] Xu X K， Zhao S H， Xu C，et al，2023.Intelligent mining road object detection based on multiscale feature fusion in Multi-UAV Networks［J］.Drones，7（4）：250.

[58] Yadav H L，Jagannadha R N，Nagavarapu S，et al，2024.Global system for mobile communication（GSM） technology ba-sed industrial sensor monitoring system for use in coal mi-ne，has GSM provided as alert device to send alert SMS mes-sage to registered person regarding dangers detected by input sensor readings：IN202441011971-A［P］.2024-2-21.

[59] Yang Dongdong， Li Quanxin， Chen Long，et al，2023.A comprehensive digital management monitoring platform for directional drilling sites in coal mines：CN116300570A［P］.2023-06-03.

[60] Yang W， Xue M G， Wang Y P，et al，2023.Evaluation of enterprise green mine construction based on DPSIR model［J］.International Journal of Environmental Research and Public Health，20（6）： 4932.

[61] Yusuf M，Hegde S，Murthy S B G N，et al，2023.Method for establishing wiring connections between wiring devices within industrial automation systems e.g.terminal blocks，involves presenting wiring instruction indicative of first wire coupling for display through electronic display：US202311 1247-A1［P］.2023-04-13.

[62] Zhang D X， Chen S W， Bayless R C，et al，2024.Integrating soil geochemistry and machine learning for enhanced mineral exploration at the Dayu gold deposit，south China block［J］.Applied Geochemistry，170：106093.

[63] Zhang Jiabei，2024.Shaanxi coal Caojiatan mining：Mine construction pursues “wisdom”and“green”［EB/OL］.Shaanxi Coal Chemical Industry Group Co.，Ltd.，2024-06-25 ［2024-10-23］.

[64] Zhironkin S， Gasanov M， Suslova Y，2022.Orderliness in Mining 4.0［J］.Energies，15（21）：8153.

[65] Zhironkin S， Taran E，2023.Development of surface Mining 4.0 in terms of technological shock in energy transition：A Review［J］.Energies，16（9）：3639.

[66] 胡小刚，李旭涛，刘志明，等，2023.一种露天煤矿全连续开采系统的控制平台及控制方法：CN116556956A［P］.2023-08-08.

[67] 金勇，盛敏，焦寻，2020.一种基于网络通讯的煤矿用多系统信息融合方法及系统：CN110784841A［P］.2020-02-11.

[68] 毛善君，李祥，景超，2022.基于地质测量保障系统的矿山智能化管控平台建设方法：CN114611180A［P］.2022-06-10.

[69] 王国法，庞义辉，任怀伟，等，2022.矿山智能化建设的挑战与思考［J］.智能矿山，3（10）：2-15.

[70] 王国法，庞义辉，任怀伟，等，2024.智慧矿山系统工程及关键技术研究与实践［J］.煤炭学报，49（1）：181-202.

[71] 王启健，于涛，2021.黄金智慧矿山大数据分析平台研究与开发［J］.有色金属（矿山部分），73（6）：25-31.

[72] 杨冬冬，李泉新，陈龙，等，2023.一种煤矿井下定向钻场全域数字化管理监控平台及方法：CN116300570A［P］.2023-06-03.

[73] 张嘉北，2024.陕煤曹家滩矿业：矿山建设追“智”逐“绿”［EB/OL］.陕西煤业化工集团有限责任公司，2024-06-25［2024-10-23］.

[74] 自然资源部中国地质调查局国际矿业研究中心，2019.全球矿业发展报告2019［M］.北京：地质出版社.

基金资助

甘肃省基础研究计划——软科学专项“强科技背景下的甘肃省高层次科技人才流动规律、影响因素及驱动机制研究”(22JR4ZA025)

国家社会科学基金项目“面向颠覆性技术早期识别的弱信号监测体系设计与应用研究”(22BTQ066)