螺旋选矿机以无需动力、运行成本低著称，广泛应用于铁矿、锡矿、钛矿等分选，长期依靠人工肉眼观测矿带颜色差异手动调节截取器——而这一局面终被打破。

2026年5月26日，江西理工大学刘惠中教授团队在Nature旗下期刊《Scientific Reports》发表突破性研究成果，首次将改进型YOLOv5深度学习算法与自适应机械拦截系统相结合，为螺旋选矿机装上了“智慧眼”与“灵巧手”，实现了矿带精准识别与分选界面的毫秒级自动调节。

每分钟数圈旋转，矿带波动难控

螺旋选矿机是当前应用最广的重选设备之一。矿浆从上部给入后，沿螺旋槽向下流动，较轻的矿物被冲向外缘成为尾矿，较重的矿物沿内缘聚集成为精矿，中间地带为中矿。理论上矿带稳定，分选界面清晰。

然而，在真实生产中，矿石可选性波动、给料浓度变化、颗粒级配偏移等因素常让矿带发生随机漂移。传统操作依赖工人肉眼观察、手动调节截取器，主观性强、响应滞后，不仅导致精矿品位和回收率波动，还存在多个螺旋槽位无法同时精准控制的效率瓶颈。

人眼看得慢、改得乱，旋流变化快——螺旋选矿机需要一场自动化革命。

改进YOLOv5模型，检测精度90%，帧率63 FPS

江西理工大学研究团队构建了一套闭环式智能调控系统：

“智慧眼”：针对矿带边缘模糊的算法改进

传统目标检测算法在螺旋选矿机应用中面临极端挑战：矿带边缘模糊、矿带宽度动态变化、光照条件随矿浆水汽波动而极不稳定。

团队在YOLOv5算法中集成了三项关键改进：

引入注意力机制(CAM和SAM)：使模型聚焦矿带核心特征，抑制矿浆水雾、反光等背景噪声干扰

增设小目标检测层：捕捉边缘厚度仅数毫米的矿带边缘梯度变化

采用CIoU损失函数：提升对矿带边界框的回归精度，自适应宽幅动态波动

实验结果表明，改进后模型在螺旋选矿机极端工况下检测精度达到约90%，检测速度达到63帧/秒，满足工业实时控制需求。

“灵巧手”：毫秒级响应的自适应拦截系统

检测到边界偏移后，系统联动控制伺服驱动的截取器滑块组。拦截器在算法指令下可在毫秒级自动前推或后移，将分选界面始终校准至优化位置。

实验数据显示，该自适应拦截系统控制精度超过90%，响应迅速可靠，满足工业生产对精度和速度的双重需求。

守护“中国制造”高端金属原材料

螺旋选矿机的应用场景覆盖了从传统大宗矿产到高端制造业的战略性资源：

钢铁与特种合金工业：用于铁、钛、铬等金属的粗选和精选

航空航天与电子材料：钽、铌、钨、锡等稀有金属的重选回收

新能源产业链：锂云母、磷锂铝石等锂矿的预处理提纯

煤炭清洁利用：粗煤泥提质

通过智能化升级，该技术将大幅提升我国低品位共伴生矿产和尾矿资源的综合利用水平，为保障关键金属供应链安全提供核心支撑。

实验室成果只是第一步，团队正致力于推动多螺旋阵列集群控制系统的产业化落地：

群控智能协同：一台工业主机通过AI融合调度数十个螺旋槽位，解决传统工艺“头尾难顾”的弊端

边缘智能计算：在选厂现场实现毫秒级实时检测与控制，不依赖云端传输

上游联动优化：与破碎、磨矿环节控制数据联动，实现全流程智能调控

新技术不仅为选矿厂降本增效(预估节省人工成本40%以上、提升精矿回收率3%–8%)，更构建了绿色智能选矿的新一代技术底座。

正如论文所言：该自适应拦截系统显著提升了螺旋选矿机的自动化与智能化水平，有助于实现更稳定的产品质量和降低人工成本。中国矿山将从“人眼盯梢”走向全流程智能决策的新阶段。