XRT 智能选矿机抛废率提升的研究与实践

黄舜昊，何鹏宇，彭真万

赣州好朋友科技有限公司 江西赣州 341000

矿 产资源经过多年的高强度开采，高品位易选 矿石储量越来越少，低品位难选矿石入选比例明显上升，导致生产成本越来越高[1]。同时，据《中国矿产资源节约与综合利用报告 (2015)》显示，我国采矿废石累计堆存量已超过 400 亿 t，由于早期采矿技术限制，其中混有大量处于工业边界品位的矿石，具有较高回收价值。郑竞等人[2]对尾矿减量化、资源化和无害化实践现状进行了综述，分析了尾矿处理的技术路线。采用智能选矿机对入选矿石进行抛废预富集，提升入选品位，减少入选量和尾矿量，已成为矿山企业选矿工艺技术革新的主要研究方向。其中，X 射线衍射形貌术 (XRT) 和光选技术应用成熟，特别是 XRT 智能选矿机以其广泛的适应性，已在黑钨、白钨、铅锌、锡、钼、锑等有色金属矿，赤铁矿、磁铁矿、锰矿等黑色金属矿以及石英、萤石、方解石、煤、高岭土等非金属矿中，实现了工业应用[3]。XRT 智能选矿机在低品位矿石选矿以及尾矿再选中发挥了关键作用，它不仅可以降低废石尾砂堆积量，提高资源利用率，改善生态环境状况，而且能够提高企业经济效益，延长矿山企业的服务年限。

目前，国内 XRT 智能选矿机的技术研发正处于高速发展期，行业竞争激烈[4]，矿山企业对 XRT 智能选矿机的分选效果、处理量、稳定性需求日益提升。其中分选效果特别是抛费率，是矿山企业对 XRT 智能选矿机最直接需求，这往往决定了后续工艺选型及企业经济效益。笔者以赣州好朋友科技有限公司经典系列 XRT-P60 智能选矿机的抛费率为研究对象，分析研究影响智能选矿机抛费率的因素，并将新结构、新方法在生产中进行验证。

1 XRT 智能选矿机抛费率影响因素

XRT 智能选矿机如图 1 所示，工作原理如图 2 所示。首先，通过 X 射线及射线传感器，对随机平铺在输送带上的矿石进行矿石密度、厚度特征探测，得到具备图像处理条件的图片数据；随后，经过图像处理后，确定矿石特征并对矿石进行非线性分类，运行基于卷积神经网络 (CNN) 的文殊TM算法进行深度学习，智能有效地甄别废矿，并输出击打信号；最后，通过精确控制高频气阀开闭，将矿石或废石击打至对应矿仓。

图1 XRT-P60 智能选矿机Fig.1 XRT-P60 intelligent sorting machine

图2 智能选矿机工作原理Fig.2 Working principle of intelligent sorting machine

通过分析成像原图及经过前处理图片，发现输送带上许多矿石会集聚在一起，造成空间分布不均，引起矿石重叠。如图 3 所示，G1区域的矿石分布密集程度明显大于 G2、G3区域。在常规图像数据前处理时，重叠矿石的切割分离效果不佳，如图 4 所示。矿石与废石如果被分割在一张图片里，会混淆 X 射线所得到的图像特征，影响算法的废石识别率。识别率直接影响智能选矿机的分选效果，即影响抛费率。所以，降低矿石的重叠率是提升智能选矿机抛费率的重要途径。

图3 输送带上矿石的瞬时成像图 (经处理)Fig.3 Instantaneous image of ore on belt (processed)

图4 矿石和废石的重叠图像Fig.4 Overlap image of ore and waste rock

综合上述分析，笔者提出从优化均匀给料及图像前处理算法两个方面来降低重叠率。

2 均匀给料装置优化

2.1 基于 EDEM 的给料装置优化

EDEM[5]是多用途离散元素法模拟仿真软件，可用于模拟矿石在破碎、筛分、转运中的运动状态，及矿石分选设备生产过程的数值分析[6-7]。XRT-P60 智能选矿机根据需求匹配两种振动给料装置，一种是 1437 型直线振动筛，另一种是改型的自同步惯性给料机。笔者运用 EDEM 模拟矿石在 XRT 智能选矿机的运动过程，并对均匀给料装置相关参数进行分析优化。

在 EDEM 中导入给料模型，建立矿石颗粒模型，结合实际情况设置接触模型、给矿量、摩擦因数、振幅、振频等参数，模拟倒置型分料挡板和拦截型分料挡板在改型的自同步惯性给料机上的使用效果。从给料机上方往下安装的倒置型分料挡板的模拟情况如图 5 所示。它可以调节高度，挡料效果较好，但也易卡料，造成给料机堵料，对挡板冲击较大，造成损坏，而且对变化的入选粒级适应性低。直接固定在给料机斗面上的拦截型分料挡板的模拟情况如图 6 所示。它不可调节高度，挡料效果一般，但不会造成卡料，而且耐磨、易更换，对变化的入选粒级适应性强。通过对比分析并鉴于实际生产情况，均匀给料装置选定拦截型分料挡板型式。经反复调整测试，拦截高度设置为入选粒级中位数时效果最佳，并可根据实际落料情况调整拦截位置、长度及设置多级拦截方式。

图5 倒置型分料挡板的模拟Fig.5 Simulation of inverted distributing baffle

图6 拦截型分料挡板的模拟Fig.6 Simulation of interceptive distributing baffle

2.2 均匀给料装置的验证

根据模拟结果，在赣州某钨矿正常生产的 XRTP60 智能选矿机的给料机上安装拦截型分料挡板。该矿抛废入选粒级为 -60 mm +10 mm，选择 5 号角钢并采用单段全拦截方式固定在给料装置上。以计算图像数据矿石面积占比和重叠率关系为验证标准，对比验证分料挡板的有效性。矿石面积占比与给矿量正相关。在实际生产中，给矿量会根据生产任务产生变化，为便于说明，引入比率k，k=重叠率/矿石面积占比。

安装前，取 5 组连续图像数据，统计结果如表 1 所列。

表1 安装前的数据统计结果Tab.1 Data statistical results before installation

安装角钢之后，取 5 组连续图像数据，统计结果如表 2 所列。

表2 安装后的数据统计结果Tab.2 Data statistical results after installation

从表 1、2 数据可得：未安装时，比率k1的平均值为 1.39；安装后，比率k2的平均值为 1.18，下降 15.11%。这说明基于 EDEM 优化的拦截型挡板给料装置对矿石的均匀给料有提升效果，可以降低矿石的重叠率。

3 降重叠图像处理算法

3.1 降重叠图像处理算法的编制

常规图像处理算法包括灰度化、二值化、滤波、膨胀腐蚀、开闭运算、图像模糊、图像插值等[8]。矿石的图像处理一般是组合多种图像处理方法，以获取想要的图像信息。通过对现场大量图像的分析，编制了一个新的多方向鞍点检测图像处理算法。新算法在基本前处理后引入滤波做区域检测、聚类算法[9]，再通过自定义矩阵进行判断，寻找矿石鞍点弱化边界，达到分割矿石图像、降低矿石重叠率的目的。

图像形态学上，石头重叠部位呈凹区域，优化后的算法通过不同程度的腐蚀形成的灰度山，在局部范围内以不同方向上的极值等约束可找到鞍点，再过鞍点画出分割线，即可在算法上将重叠图像分割开，如图 7 所示。图 7(a) 中圆圈位置即为找到的鞍点，图 7(b) 是灰度山。图 8 所示为新旧算法处理效果比较。

图7 分割重叠图像Fig.7 Division of overlapped image

图8 新旧算法处理效果比较Fig.8 Comparison of new and old algorithm in processing effects

3.2 降重叠图像处理算法的验证

为验证降重叠图像处理算法的实际效果，在赣州某钨矿正常生产的 XRT-P60 智能选矿机上实装降重叠算法程序，取 5 组连续图像样品计算重叠率，对比新旧算法的降重叠效果。旧算法图像重叠率分析如表 3 所列，新算法图像重叠率分析如表 4 所列。误判率为人工挑图后的经验系数，用于结果的修正。

表3 旧算法重叠率计算结果Tab.3 Calculation results of overlap ratio with old algorithm

表4 新算法重叠率计算结果Tab.4 Calculation results of overlap ratio with new algorithm

由表 3、4 可得，以 SI-1249 样本数据为例，采用新算法后，重叠率降低 86.93%，修正重叠率降低 71.36%。累计计算 5 组相同样本的数据结果可得，对应的重叠率均值降低约 88.69%，对应的修正重叠率均值降低约 70.46%。这说明降重叠图像处理算法能够分割出更多的石头，能显著降低矿石重叠率，但新算法的误判率也更高，会产生错误分割。

4 提升抛废率的综合验证

广东某铅锌矿抛废车间有 4 台 XRT-P60 智能选矿机，正常生产时，抛废车间日均处理量稳定在 2 500～ 2 800 t。结合前文抛废率影响因素分析，在处理量基本稳定时，增加均匀给料装置和安装降重叠算法程序，应能够通过降低重叠率，达到提升 XRT 智能选矿机抛费率的目的。按计划先改造现场的给料装置，后实装降重叠图像处理算法程序，并进行相应的独立测试。分别取连续 10 d、30 个班次、约 200 h 的生产抛废率进行对比验证。图 9 所示为原智能选矿机 (测试项 1) 的抛废率数据图，图 10 所示为加装挡板给料装置后 (测试项 2) 的抛废率，图 11 所示为加装均匀给料装置，并安装重叠算法程序后 (测试项 3) 的抛废率。

图9 智能选矿机原生产时的抛废率Fig.9 Discarding ratio of intelligent sorting machine before installation

图10 智能选矿机安装拦截型挡板给料装置后的抛废率Fig.10 Discarding ratio of intelligent sorting machine after installation of feeding device with interceptive distributing baffle

图11 智能选矿机安装拦截型挡板给料装置和降重叠算法后的抛废率Fig.11 Discarding ratio of intelligent sorting machine after installation of feeding device with interceptive distributing baffle and application of algorithm of reducing image overlap

从图 9～ 11 数据可统计出抛废率的均值、最大值、最小值，同时引入绝对值差辅助说明。绝对值差 1=|测试项 1 -测试项 2|，绝对值差 2=|测试项 2-测试项 3|，结果如表 5 所列。

表5 改造前后抛废率统计结果Tab.5 Statistical results of discarding ratio before and after ransformation

从绝对值差 1 可知，安装均匀给料装置后，抛废率均值较改造前提升 2.05 个百分点，最大值提升 4.04 个百分点，最小值提升 0.72 个百分点。这与前期验证结果相吻合，也说明均匀给料装置可以提升智能选矿机的抛费率。

从绝对值差 2 可知，实装降重叠算法程序前后，抛废率未有明显提升，反而略有下降。这与前期结果相悖，分析其原因如下。

(1) 该矿企进抛废工序的原矿废石含量在 15% 左右，需要降重叠算法起作用的部分占比不高；增加均匀给料装置后，重叠率得到优化，降重叠算法起作用的部分被进一步被压缩。

(2) 在重叠的石头图像数据中，有矿石与矿石重叠、废石与废石重叠、矿石与废石重叠 3 种情况，降重叠算法不仅会把矿石与废石重叠分割，也会将其他两种情形的重叠过度分割。当废石与废石重叠时，原本喷射信号是连续的，实装降重叠算法后，喷阀信号变成了独立喷射信号，喷阀控制自身有 2～5 ms 的反应时间。同时，因图像腐蚀处理会减少喷射信号长度，引起废石漏喷，进而影响抛废率。

综上说明，在该矿抛废工序处理量较稳定、废石含量较少的情况下，受到喷阀响应慢、喷射信号缩短等因素影响，降重叠图像处理算法未能提升抛废率。

5 结论

(1) XRT 智能选矿机在尾矿处理以及低品位矿石分选中发挥重要作用，分选效果与处理量有制约关系，提升抛废率、富集比、回收率及处理量等参数将是重要的研究方向。通过分析可知，矿石重叠率影响抛废率，提出增加均匀给料装置和降重叠图像处理算法来降低重叠率，并分别进行了仿真与效果验证，并在长时间的生产中进行了综合验证。结果表明，均匀给料装置可以通过降低重叠率提升抛废率，而降重叠算法未能提升抛废率。分析其原因可知，这是降重叠算法作用范围小、喷阀响应时间长、喷射信号缩短等因素的影响。

(2) 基于 EDEM 的给料模拟，能高效、经济地验证设计想法，拦截型分料挡板可以有多种演变型式，可在不同选矿机的给料工况下发挥作用。生产综合验证过程中发现，降重叠图像处理算法可以抑制给矿量波动造成瞬时处理量过大带来的分选效果的影响。该算法在切缝数据压缩、喷射信号合成方面还有优化空间，这也将是下一步的研究方向。如果入选矿石的废石量比例较大，或是在响应延迟降低、喷射精准度提高后，降重叠图像算法将能发挥更大的作用。