---
title: 铝土矿可行性研究报告
company: 西安高岭绿能科技有限公司
date: 2026-06-22
version: v1.0
summary: |
  本项目拟在目标矿山建设智能矿石分选产线，以高光谱感知、深度学习推理与喷阀执行闭环为核心，实现铝土矿预选抛废与品位提升。经现场调研与算法验证，单线设计处理量 25 t/h，精矿 A/S 可达 4.0+，具备工程化落地条件。
---

# 项目概述

本项目面向铝土矿预选场景，建设「感知—推理—执行—运维」一体化的智能分选系统，将算法能力转化为可部署、可运维的工业产品，降低后续磨选成本并提升资源利用率。

> 引用块示例：政策与市场需求推动预选抛废技术应用，本段为 blockquote 样式预览。

**常用 Markdown 语法预览：**

- **加粗**：单线处理量 `25 t/h`
- *斜体*：用于强调术语
- ~~删除线~~：已废弃方案
- <u>下划线</u>：关键指标标注
- Emoji：产线状态 🐱 正常 / ⚠️ 告警
- 行内代码：`ONNX Runtime`、`Ratatui`

```python
# 推理回调示例
for sample in belt_stream:
    grade = model.infer(sample)
    valve.fire(grade)
```

## 项目概述2

建设内容包括：产线感知与推理控制软件、运营后台、运维工具及现场联调交付。

# 建设必要性与市场分析

铝土矿原料品位波动大，传统全量入磨能耗高、尾矿处置压力大。政策层面，绿色矿山与节能降碳要求推动预选抛废技术应用。目标客户在降本增效与环保合规方面需求明确，智能分选在预选环节具备可复制推广价值。

# 技术方案

系统采用 <!--raw-typst #gls-long("hsi") --> 与 <!--raw-typst #gls-short("onnx") --> 推理引擎，构建边缘推理与喷阀执行闭环架构。

<!--raw-typst #ore-sorting-flow()-->

![分选系统现场照片](assets/img.jpg)

核心技术路线：

- 高光谱采集与样本标准化处理
- ONNX 推理服务与产线实时回调
- Rust 运维控制台与产线状态监控

## 验证指标（实验室 / 现场）

| 指标 | 设计值 | 验证情况 |
| ---- | ------ | -------- |
| 单线处理量 | 25 t/h | 已验证 |
| 精矿 <!--raw-typst #gls-short("as-ratio") --> | ≥ 4.0 | 4.0+ |
| 尾矿 A/S | ≤ 1.7 | 1.7- |
| 回收率 | ≥ 30% | 30%+ |

# 实施计划

1. **研发验证**（1–2 月）：算法迭代、软件模块开发与台架测试。
2. **试点部署**（2–3 月）：单线现场安装、联调与试运行。
3. **规模化推广**（持续）：复制部署、运维体系与客户培训。

# 投资估算与资金用途

投资主要用于光谱传感与执行机构硬件、软件开发与现场实施、人员与运维体系建设。具体金额结合矿山规模与产线配置在商务阶段细化。

# 效益分析

- **经济效益**：减少入磨量，降低能耗与药剂成本；提升精矿品位与回收率。
- **环保效益**：减少尾矿产生量，降低固废处置压力。
- **社会效益**：支撑绿色矿山建设，提升企业技术形象。

# 风险分析与对策

| 风险 | 对策 |
| ---- | ---- |
| 原料波动影响模型稳定性 | 持续采样标注与模型迭代；异常降级策略 |
| 现场交付周期 | 标准化模块与运维工具；阶段里程碑管控 |
| 客户接受度 | 试点数据透明展示；可量化的效益测算 |

# 结论

综合技术验证、市场需求与实施条件，本项目具备可行性。建议推进试点产线建设，以现场数据支撑后续规模化复制。