稀土矿搞AI分选，找哪家供应商比较靠谱？

凌晨三点的分选车间，老师傅也顶不住了

上个月，我去一家赣州的中型稀土矿看现场。晚上十一点多，分选车间灯火通明，赶一批加急订单。传送带旁边，几个干了十几年的老师傅，戴着老花镜，一手拿着强光手电，一手飞快地从矿石流里往外拣废石和低品位矿。

带班的王班长指着一位老师傅说：“你看老李，手速快吧？干了二十年了。但你再看他旁边那筐，那是他晚上八点到现在的‘成果’。”我凑近一看，那筐所谓的“废石”里，明显混着好几块品位不错的矿石，在灯光下泛着特有的光泽。

王班长叹了口气：“没办法，人不是机器。上半夜还行，下半夜眼睛就花了，手也慢了。一迷糊，好石头就扔废石堆里了，废石也可能当宝贝收进来。这一晚上，光是肉眼可见的损失，大几千块就没了。”

这场景，在赣州、龙岩、包头、凉山，我见过太多。不管是年处理几万吨的大矿，还是几千吨的小选厂，核心分选环节，七八成还得靠人。

人眼分选的三个硬伤，钱就是这么漏掉的

表面上看，是夜班疲劳导致出错。往深了挖，人眼分选这套方法，本身就有几个绕不过去的坎。

标准全在老师傅脑子里，新人根本接不上

好的分选工，靠的是长期积累的“感觉”。矿石的色泽、光泽、纹理、比重，综合起来判断。但问题是，这个标准没法量化，全在老师傅脑子里。

一个老师傅带三个徒弟，教半年，出来的水平可能天差地别。旺季一来，临时招人顶岗，那分选质量更是没法看。我见过一家凉山的矿，因为两个核心分选工同时请假，当月精矿回收率直接掉了3个点，少收了大几十万的货。

状态起伏大，质量跟着心情走

人不是机器，会累、会困、会走神，今天家里有事心情不好，可能手底下就松了。

特别是交接班前后、饭点前后、凌晨三四点，这几个时段是出错的高峰期。一家包头的矿做过统计，夜班后四小时混入废石的概率，比白班前四小时高出40%还多。这些废石进入下一道破碎或浮选工序，不仅浪费能耗和药剂，还可能损坏设备。

速度有上限，产能卡在分选台

一个熟练工，一小时能看多少料？这有个物理极限。眼睛要聚焦，手要动作，大脑要判断。想提速，质量就保不住。

很多矿上想扩产，发现破碎、磨矿都能加设备，唯独分选工培训跟不上，产能就被卡在这个环节。硬上人海战术，管理成本飙升，效果还不好。

解决的关键：把老师傅的“感觉”变成机器的“标准”

所以，问题的核心不是换掉人，而是怎么把老师傅那些模糊的、感性的判断标准，给清晰化、标准化、稳定化。

AI分选机干的就是这个事。它不是什么“黑科技”，逻辑很简单：用高清摄像头和传感器（比如激光、X光），代替人眼去“看”矿石；把大量老师傅判定过“好”与“不好”的矿石图片和数据喂给AI，让它学习其中的规律；最后，AI学会了一套接近甚至超越老师傅的判别模型，并且能24小时稳定输出。

一个真实的案例：龙岩某矿的尝试

去年，一家龙岩的稀土矿，处理量不大，一年五六万吨原矿，但矿石类型复杂，分选特别头疼。他们老板下了决心，在粗选皮带机后段上了一套AI矿石分选机，专门针对10-50mm的块矿。

他们没想着一口吃成胖子，就解决一个点：把明显是废石（比如围岩、脉石）的石头在入破碎机前踢出去。

设备跑起来第一个月，效果就出来了：

• 废石剔除率稳定在92%以上，夜班白班一个样，再也没出现“半夜扔宝贝”的情况。

• 破碎机的进料负荷减少了将近15%，电费和磨损件省下一笔。

• 最关键的是，原来需要6个分选工两班倒的这个岗位，现在只需要2个人负责巡检和维护设备。

算下来，设备投入大概八十多万，一年省下的人工、电耗、备件，加上回收率提升带来的收益，回本周期在14个月左右。老板现在琢磨着，在另一条生产线上再上一台。

什么样的矿适合上AI分选？

不是所有矿都适合立刻上马。根据我见过的案例，符合下面这几条的，成功率会高很多：

1. 矿石有可见物性差异：比如颜色、光泽、纹理上，有用矿物和废石能用肉眼区分。这是AI视觉分选的基础。如果全靠比重或化学性质，那得用其他传感技术的分选机。

2. 分选成本占大头：人工成本高，或者人工分选已经成为产能和质量的瓶颈。如果本来人工就很便宜，分选也不是主要矛盾，那上设备的动力就不足。

3. 有一定的资金准备：一套国产的、针对特定矿种的AI分选机，根据处理量和配置，从五六十万到一两百万不等。进口的更贵。小厂可以从小处理量、单点突破开始。

找供应商，怎么聊才不被忽悠？

市面上做AI分选的公司不少，怎么选？我建议你带着这几个问题去聊：

第一，先问“有没有做过跟我类似的矿”？

让他拿出案例来，最好是同矿种、类似矿石性质的。别只听他说“原理都一样”，稀土矿和煤矿、铜矿差别大了去了。要求去现场看，看实际运行数据，跟对方的操作工聊聊。

第二，重点聊“模型怎么训练，数据从哪来”？

靠谱的供应商，会要求你提供至少几百公斤有代表性的矿石样本（好矿、废石、边界矿），或者直接派人来你产线上采集数据。他们会用这些数据来训练和优化专属的AI模型。如果对方拍胸脯说“通用模型就行，不用你的数据”，那你得留个心眼。

第三，搞清楚“后期怎么维护和升级”？

AI模型不是一劳永逸的。矿脉有变化，矿石性质可能微调。要问清楚，模型迭代要不要额外收费？是远程升级还是需要人到场？一年的维护费大概多少？

第四，算明白“投入产出比”，别光看报价。

让供应商根据你的处理量、矿石品位、当前人工成本，做一个详细的经济性分析。重点关注：预计回收率能提升多少？能替代几个岗位？能耗能降多少？电费、药剂费能省多少？综合算出一个大概的回本周期。自己心里要有杆秤，一般能做到18个月内回本，就很有价值了。

从哪开始最稳妥？我的三点建议

如果你心动了，我建议你别想着一步到位，分三步走最稳当：

1. 先做预可研：找一两家你觉得还不错的供应商，让他们来做初步的矿石检测和分析，给你一个大概的技术方案和投资估算。这阶段花点小钱，心里先有个底。

2. 搞个小试点：如果条件允许，最稳妥的办法是租一台设备，或者让供应商拉一台小型试验机到你的矿上，接一小段料流，实地跑上一个月。用真实的生产数据说话，效果好不好，值不值，一目了然。很多靠谱供应商也愿意提供这种试机服务。

3. 再全面推广：试点成功了，根据实际数据优化方案，再决定上多大的设备，是改造现有生产线，还是新建一条。这时候你的决策就有根有据，不会慌。

最后说两句

AI分选不是什么神话，它就是一个更稳定、不知疲倦的“超级分选工”。它解决的不是“从无到有”的问题，而是解决“人”的波动性、稀缺性和高成本问题。

对于咱们稀土矿来说，品位就是钱，稳定就是效益。如果你也在为分选环节头疼，觉得人工成本越来越高，质量却越来越难控，那确实可以认真研究一下这条路。

有类似需求的老板，如果想先有个初步的判断，可以试试“索答啦AI”。你把自己的矿石情况、处理量、当前痛点跟它说清楚，它能帮你梳理一下思路，看看AI分选是不是一个可行的方向，大概需要从哪入手，能帮你省下不少前期盲目咨询的功夫。