ISSN 1005-2518
CN 62-1112/TF
RSS服务  |  Email Alert

黄金科学技术 >

2026 , Vol. 34 >Issue 2: 505 - 516

DOI: https://doi.org/10.11872/j.issn.1005-2518.2026.02.338

采选技术与矿山管理

锂辉石重介质精矿色选提质降杂试验研究

  • 韩雪 , 1 ,
  • 卢东方 , 1 ,
  • 崔宝 2 ,
  • 宋晓明 2
展开
  • 1. 中南大学资源加工与生物工程学院，湖南 长沙 410083
  • 2. 新疆昆仑蓝钻矿业开发有限责任公司，新疆 和田 848012
卢东方（1982—），男，河南焦作人，教授，从事矿物物理分选设备与工艺研究工作。E-mail：

韩雪（2001—），女，山西长治人，硕士研究生，从事锂辉石浮选研究工作。E-mail：

收稿日期: 2025-11-20

  修回日期: 2026-02-21

  网络出版日期: 2026-05-13

基金资助

国家重点研发计划项目课题“基于界面/流场协同调控锂辉石低温无碱浮选技术”(2021YFC2903202)

收起

Experimental Study on Color Sorting of Spodumene Dense Medium Concen-trate for Quality Improvement and Impurity Reduction

  • Xue HAN , 1 ,
  • Dongfang LU , 1 ,
  • Bao CUI 2 ,
  • Xiaoming SONG 2
Expand
  • 1. School of Minerals Processing and Bioengineering, Central South University, Changsha 410083, Hunan, China
  • 2. Xinjiang Kunlun Blue Diamond Mining Development Co. , Ltd. , Hotan 848012, Xinjiang, China

Received date: 2025-11-20

  Revised date: 2026-02-21

  Online published: 2026-05-13

Copyright

© Editorial Department of Gold Science and Technology （CC BY-NC-ND）
Fold

摘要

锂辉石是锂资源开发利用的主要原料，我国60%以上锂辉石资源分布于海拔4 200 m以上地区。在高海拔环境下，常规浮选工艺存在成本高、过程控制困难及环境友好性差等问题。为了降低生产成本，大红柳滩地区建成首座万吨级锂辉石重介质选矿厂，但由于受高密度深色脉石的干扰，重介质精矿品位仅约为5.00%。为了进一步提升精矿品位和产品附加值，探索并提出了基于浅色锂辉石与深色脉石颜色差异的色选提质工艺，包括人工混合矿、分粒级与全粒级色选及指标对比。结果表明：在相同原矿条件下，分粒级色选流程获得的锂精矿品位和回收率均高于全粒级色选流程。针对Li₂O含量为5.10%的重介质精矿，经分级和一粗一精色选流程，可获得品位为6.02%、回收率为83.90%的锂精矿。该研究验证了色选提升重介质精矿品位的可行性，为高海拔锂辉石资源的高效利用和降本增效提供了新途径。

关键词： 锂辉石; 高海拔; 重介质分选; 色选; 品位; 粒级

本文引用格式

韩雪 , 卢东方 , 崔宝 , 宋晓明 . 锂辉石重介质精矿色选提质降杂试验研究[J]. 黄金科学技术, 2026 , 34(2) : 505 -516 . DOI: 10.11872/j.issn.1005-2518.2026.02.338

Abstract

Spodumene is presently the most critical raw material for lithium extraction, with over 60% of China’s spodumene resources situated in plateau regions exceeding 4 200 meters in altitude. The extreme environmental conditions in these areas—characterized by low atmospheric pressure, low temperatures, and severe water scarcity—pose significant challenges to the application of conventional flotation techniques. Consequently, flotation-based beneficiation in high-altitude regions is often associated with elevated operating costs, inconsistent reagent performance, limited process controllability, and inadequate environmental adaptability. To address these challenges, China has established its inaugural 10 000 t/a heavy-media spodumene concentrator in Dahongliutan. While the implementation of dense-medium separation has effectively reduced beneficiation costs, the resulting heavy-media lithium concentrate typically contains substantial amounts of high -density dark gangue minerals, limiting its Li₂O grade to a pproximately 5%. This not only diminishes the value of the product but also escalates transportation costs over long distances for mining operations situated on remote plateaus. To enhance the grade of heavy-media concentrate, this study investigates the feasibility of employing color sorting technology, leveraging the color contrast between light-colored spodumene and dark gangue minerals. The experimental program comprised trials of binary mixture sorting, comparative asse-ssments of whole-size versus size-fraction sorting, and an evaluation of the effects of particle size on detection sensitivity and separation performance. The objective was to develop a color-sorting flowsheet capable of achieving stable and efficient upgrading under the challenging conditions of high-altitude lithium beneficiation. The findings indicate that particle size classification is crucial in improving optical recognition accuracy and sorting efficiency. In processing heavy-media concentrate with an initial Li2O grade of 5.10%, a flowsheet integrating size classification with one rougher and one cleaner optical sorting stage yielded a final concentrate containing 6.02% Li2O with a lithium recovery rate of 83.17%. In comparison to whole-size sorting, the concentrate grade exhibited an enhancement of 0.46 percentage points, while recovery increased by 6.92 percentage points, indicating a significant improvement in separation performance and the overall beneficiation index. This study provides compelling evidence that color sorting is a technically feasible and economically advantageous method for upgrading lithium concentrate in plateau regions. As a dry, reagent-free, and low-energy separation process, it circumvents the limitations associated with flotation, reduces carbon emissions, and decreases the volume of material requiring transportation. The proposed color sorting strategy presents a sustainable, cost-effective, and environmentally friendly solution for enhancing the utilization efficiency of spodumene resources in high-altitude mining areas. Furthermore, it holds substantial engineering potential to support the industrial development of lithium resources in western China.

Key words： spodumene; high altitude; dense media separation (DMS); color sorting; concentrate grade; size fraction

锂辉石是锂金属提取的主要原料来源，在锂电产业链中占据着关键地位。我国60%以上的锂辉石资源分布在四川和新疆等高海拔地区（张苏江等，2020；李成秀等，2021；刘雪等，2024），主要采用浮选回收锂辉石。然而由于受环境因素的影响，高海拔地区常规浮选药剂性能显著下降，同时存在生产成本高和环境友好性差等问题（伊新辉，2011；翟启林等，2025）。重介质分选凭借绿色低成本的优势，成为高海拔地区锂辉石选矿的研究热点（丛龙斐等，2021；李文平等，2022；王建国等，2023；桂鹏，2024；孙传尧等，2024；万丽等，2024）。我国大红柳滩地区建成了首座万吨级锂辉石重介质选矿厂，相比浮选生产成本降低了约40%、Li₂O回收率提升了2.48个百分点（石榴云，2025），但由于深色脉石（与锂辉石密度接近）易进入精矿，使得Li₂O品位长期波动在5%左右。因此，采用低成本物理分选技术实现重介质精矿提质降杂，已成为当前亟待解决的关键问题。
基于传感器的智能分选技术因低能耗、低耗水和低药耗备受关注，已有基于光电性质进行选矿及预先分选的相关理论和应用研究（Ergin et al，2017；Zhou et al，2023；dos Santos et al，2025），工程应用中以色选和X射线穿透（XRT）技术为主流（吴志虎，2020）。XRT智能分选已在锂辉石（马佳川等，2025）、铅锌矿（李繁荣，2025）和重晶石（陈小威等，2025）等多种矿物分选中得到了探索和应用。色选技术已成功从农业领域拓展至矿物加工领域（Zhou et al，2024），在钨锡矿提质（徐昌彦，2016）、萤石分选（叶鑫等，2018）、高岭土尾矿资源化（王帅等，2019）和高纯石英砂提纯（马崇振，2021）等场景中均表现出良好的技术和经济效益。色选利用可见光和紫外光等照射矿石颗粒，捕捉矿物颜色差异，经信号转换与分选执行机构实现有用矿物与脉石的有效分离（Hua，2011；敖顺福等，2021），具有智能化程度高、低碳环保以及受气候环境影响小的优势，为重介质锂精矿提质降杂提供了新思路（侯少勇，2023）。
目前，针对锂辉石色选提质的研究较少。刘广学等（2021）采用国外锂辉石跳汰分选中矿，通过重色浮联合选矿工艺验证了色选提质的可行性，Li2O品位从5.73%提升至6.18%。但该研究存在一定的局限：一是入选原矿为国外锂辉石，其重介精矿的矿物颜色性质与大红柳滩锂辉石矿存在显著差异，该选矿工艺难以直接应用于我国高海拔地区锂辉石提质；二是未探究入料粒度对色选效果的影响。粒度是色选过程中的关键因素，不仅会影响矿物解离程度和光学性质，还会降低设备台时处理量及影响产能发挥（刘明宝等，2016；吴志虎，2020；蒋素芳等，2022）。本文将色选技术应用于大红柳滩某锂辉石重介精矿提质降杂，通过系列色选试验研究入料粒度对分选效果的影响，旨在有效提高锂辉石精矿品位，为我国高海拔地区锂辉石绿色、低碳和经济分选提供切实可行的新思路。

1 试验材料、设备和方法

1.1 试验材料

选用新疆某锂辉石重介质精矿作为试验材料，如图1所示。白色锂精矿中掺杂着少许黑灰色的脉石颗粒，其筛分分析结果如表1和图2所示。重介质选矿入料粒度为+0.5 mm，因此重介质精矿没有-0.5 mm粒级。重介质精矿中+2.0 mm粒级产率为29.26%，-2.0+1.0 mm粒级产率为59.99%，二者累计占比为89.25%，-1.0+0.5 mm含量占比为10.75%，整体粒度偏粗。在-2.0+1.0 mm粒级范围内，Li2O品位最高（5.58%），在-1.0+0.5 mm粒级范围内Li2O品位次高（5.45%），Li2O在-2.0+1.0 mm粒级分布率可达65.69%，在-1.0+0.5 mm粒级分布率为11.48%。该锂辉石重介质精矿中的Li2O主要分布在-2.0+1.0 mm和-1.0+0.5 mm粒级，且品位均高于原矿品位，可进一步提升锂精矿的品位，获得更高质量的锂精矿。造成重介质精矿品位偏低的主要原因是+2.0 mm颗粒，该粒级产率为29.26%，但Li2O品位仅为4.00%，远低于重介质精矿中Li2O的含量。由图3可以看出，+2.0 mm粒级颗粒颜色混杂、偏灰且轮廓不明显，多为未充分解离或连生的颗粒；-2.0+1.0 mm粒级部分颜色趋于变浅，颗粒轮廓逐渐清晰，解离颗粒明显增多；-1.0+0.5 mm粒级颜色最浅，颗粒轮廓清晰，以单体颗粒为主，矿物解离程度最高，说明试验用重介质锂精矿粒度减小，矿物解离程度提高。
图1 锂辉石重介质精矿

Fig. 1 Spodumene dense medium concentrate

表1 锂辉石重介质精矿筛分分析统计结果

Table 1 Statistical results of screening analysis for spodumene dense medium concentrate（%）

粒级/mm 产率

Li2O

品位

Li2O

分布率

 累计产率 累计Li2O分布率
+2.0 29.26 4.00 22.93 29.26 22.93
-2.0+1.0 59.99 5.58 65.59 89.25 88.52
-1.0+0.5 10.75 5.45 11.48 100.00 100.00
原矿 100.00 5.10 100.00
图2 锂辉石重介质精矿累计产率与Li2O分布曲线

Fig. 2 Cumulative yield and Li2O distribution curve for spodumene dense medium concentrate

图3 不同粒级锂辉石重介质精矿

Fig. 3 Spodumene dense medium concentrate of different size fractions

为探索色选技术提高重介质精矿品位的可行性，明确其在分离重介质精矿中锂辉石与深色脉石矿物时的分选精度，试验使用锂辉石纯矿物与深色脉石配制人工混合矿，该混合矿的品位约为5%，与实际重介质锂精矿品位接近。
试验用锂辉石纯矿物的XRD分析结果见图4（a），由化学分析可知，其Li2O品位为7.42%。试验用深色脉石矿物来自重介质精矿，通过人工拣选获得，其XRD分析结果见图4（b）。分析结果表明，深色脉石矿物为石英、辉石和云母的共生粗粒矿物，化学分析得出其Li2O品位为0.15%。由于辉石密度较高（3.2~3.6 g/cm3），使得与其连生的深色矿物颗粒整体密度增大，在重介质分选过程中极易进入重介质精矿，进而影响锂精矿品位。
图4 锂辉石（a）和脉石矿物（b）XRD分析结果

Fig. 4 XRD analysis results of spodumene （a） and gangue minerals （b）

由图4（b）可知，黑灰色脉石的主要成分为石英、辉石和云母等矿物的共生体，脉石进入重介质精矿降低了锂精矿的品位。通过对比锂辉石与脉石矿物颗粒（图5）可知，锂辉石呈灰白色，而脉石矿物为黑灰色，二者颜色差异为色选提质提供了条件，除去黑灰色的脉石矿物有助于提高重介质锂精矿品位。
图5 锂辉石（a）和脉石矿物（b）

Fig. 5 Spodumene （a） and gangue minerals（b）

1.2 试验设备

试验使用安徽瑞越光电S32型色选机。如图6所示，色选时，将入选矿样投放进料斗，由振动给料系统铺平、分散并均匀送入溜槽。溜槽下方的图像采集系统（主要由前、后2台摄像机组成）捕捉经过颗粒的图像，信号采集分析系统迅速反应，根据预设程序判断颗粒并预判运动轨迹，脉石颗粒运动至喷阀处时，喷阀立即吹气将其抛尾，而锂辉石颗粒继续下落，最终依据颗粒颜色差异实现分离。
图6 色选机（a）及色选工作流程（b）示意图

Fig. 6 Schematic diagram of color sorter （a） and color sorting workflow（b）

色选依据光学三原色（RGB）原理识别颗粒的颜色，信号采集分析系统通过分析独立颗粒的图像颜色，将三原色的信号（R、G、B共3个信号通道）转换成灰度值（一个信号通道），以便对颗粒进行分析识别。在图像识别技术中，灰度值是一个无量纲的值，用来表示图像的亮度，取值范围为0~255。灰度值越大，代表颗粒的颜色越趋向于白色，颗粒的品位越高；反之，灰度越小，颗粒的颜色趋向于黑色，品位越低。编写色选程序时，使用图像识别系统预先分析、设置颗粒的基准灰度值，捕捉经过颗粒的单颗粒图像，运算处理系统迅速分析出其灰度，并与基准灰度值进行比较，从而判断颗粒性质（属于锂辉石颗粒或脉石颗粒），若属于脉石颗粒则驱动喷射电磁阀动作实现颗粒分离。颗粒灰度和基准灰度值共同影响色选系统对颗粒的性质判断和分离。

1.3 试验方法

重介质精矿筛分分析方法：使用2.0 mm和1.0 mm试验筛逐级筛分后称重并检测Li2O品位，根据质量和品位计算产率和Li2O分布率等。XRD检测使用型号为Rigaku SmartLab 9KW的XRD分析仪，扫描速度为每分钟3°，每步0.02°。使用三头玛瑙研钵将检测矿样研磨至颗粒粒度小于0.037 mm后，使用XRD分析仪检测，再使用MDI Jade 9软件分析XRD数据，得到矿样的矿物组成。
色选具体操作过程：将人工挑选的锂辉石纯矿物和脉石矿物的图像数据导入系统，编写分选程序，根据实际情况选择不同的基准灰度值。色选时，称取500 g的入选矿样混合均匀后倒入给料漏斗，打开振动给料器，使矿样均匀分散在给料器表面，并通过溜槽逐个落入识别分选区域。色选结束后，收集精矿仓和尾矿仓的产品，称重并检测品位，根据质量和品位计算产率和回收率等。

2 色选试验

2.1 人工混合矿物色选

色选机通过设置不同的分选阈值灵敏度（无量纲参数）来调控色选过程。色选核心依据为颗粒的灰度特征，本试验使用Image J软件分析矿物颗粒图像的灰度值，以灰度值表征不同灵敏度条件下的分选阈值特征。试验结果表明，灵敏度参数与对应色选锂精矿的灰度呈现“S”形曲线变化趋势，灵敏度越高，色选精矿的灰度值越大（图7）。本试验条件下，灰度值131.92，132.01，132.27，132.69，133.35，134.38，135.32分别对应灵敏度5，10，20，30，40，50，60。
图7 重介质锂精矿灰度与灵敏度关系

Fig. 7 Relationship between grayscale and sensitivity of spodumene dense medium concentrate

针对Li2O品位为5%的人工混合矿开展了粗选灰度条件试验和粗选精矿精选灰度条件试验研究。粗选灰度条件试验结果如图8所示，粗选精矿精选灰度条件试验结果如图9所示。由图8可知，粗选作业锂精矿的品位随灰度值的增加而升高，锂精矿品位最高可达5.99%，Li2O回收率则随灰度值的增加而降低，但降幅较低（从98.11%降低至93.50%），综合考虑品位和回收率，选择粗选灰度值为132.69，在此条件下，针对Li2O品位为5%的人工混合矿，一次粗选可获得品位为5.97%和回收率为95.42%的色选粗精矿。
图8 人工混合矿粗选灰度与分选指标关系

Fig. 8 Relationship between grayscale and sorting index during roughing of artificial mixed ore

图9 人工混合矿精选灰度与分选指标关系

Fig. 9 Relationship between grayscale and sorting index during cleaning of artificial mixed ore

针对色选粗精矿开展精选灰度条件试验，灰度值范围为132.69~135.32。由图9可知，随着灰度值的增加，锂精矿的品位和回收率均呈现先升高后降低的变化趋势，经过一次精选作业，可获得Li2O品位为6.13%~6.28%和回收率为82.00%~94.71%的色选锂精矿，综合考虑品位和回收率，确定精选最佳灰度值为133.35。对于Li2O品位为5%的人工混合矿，经色选一粗一精流程处理，粗选灰度值为132.69，精选灰度值为133.35时，可获得Li2O品位为6.28%和回收率为94.71%的锂辉石精矿。

2.2 重介质精矿色选

根据人工混合矿所确定的色选操作参数，即粗选灰度值为132.69，精选灰度值为133.35。开展重介质精矿色选试验研究。试验内容主要包括全粒级色选试验和分粒级色选试验2个部分，分粒级色选试验是将+0.5 mm的重介质精矿筛分为+2.0 mm、-2.0+1.0 mm和-1.0+0.5 mm共3个粒级，分别进行色选试验研究。重介质精矿全粒级和分粒级色选工艺流程分别如图10和图11所示，试验结果分别见表2和表3。
图10 锂辉石重介质精矿全粒级色选工艺流程

Fig. 10 Flow of color sorting process on full-size spodumence dense medium concentrate

图11 锂辉石重介质精矿分粒级色选工艺流程

Fig. 11 Flow of color sorting process on size-fractionated spodumence dense medium concentrate

表2 重介质精矿全粒级色选试验指标

Table 2 Indicators of color sorting test on full-size dense medium concentrate（%）

试验编号 产品 产率 品位 回收率
试验1 精矿 69.42 5.88 80.04
中矿 14.09 4.80 13.27
尾矿 16.49 2.07 6.69
总计 100.00 5.10 100.00
试验2 精矿 68.33 5.93 79.45
中矿 14.82 4.81 13.97
尾矿 16.85 1.99 6.57
总计 100.00 5.10 100.00
试验3 精矿 69.25 5.90 80.11
中矿 14.19 4.78 13.30
尾矿 16.56 2.03 6.59
总计 100.00 5.10 100.00
表3 重介质精矿分粒级色选试验指标

Table 3 Indicators of color sorting test on size-fractionated dense medium concentrate（%）

试验编号 粒级/mm 产品

产率

（占全粒级）

 品位

回收率

（占本粒级）

累计回收率

（占全粒级）

累计品位

（占全粒级）
试验1 +2.0 精矿1 15.25 5.30 69.21 16.13 14.48
中矿1 5.29 3.37 15.36 3.18 17.69
尾矿1 8.72 2.09 15.43 3.62 20.92
-2.0+1.0 精矿2 45.47 6.20 85.34 55.23 79.76
中矿2 6.74 5.20 10.56 7.78 87.04
尾矿2 7.79 1.74 4.10 2.58 89.87
-1.0+0.5 精矿3 9.20 6.19 97.16 11.19 99.71
中矿3 0.66 1.12 1.25 0.11 99.84
尾矿3 0.89 1.01 1.59 0.18 100.00
精矿（合计） 71.16 6.02 83.17 84.03 83.17
中矿（合计） 11.83 4.31 10.62 9.74 93.79
尾矿（合计） 17.01 1.87 6.21 6.24 100.00
总计 100.00 5.10 100.00 100.00 100.00
试验2 +2.0 精矿1 15.21 5.42 70.45 16.15 16.15
中矿1 5.38 3.00 13.77 3.16 19.31
尾矿1 8.67 2.13 15.78 3.62 22.93
-2.0+1.0 精矿2 45.60 6.19 84.33 55.31 78.24
中矿2 6.76 5.83 11.77 7.72 85.97
尾矿2 7.62 1.71 3.90 2.55 88.52
-1.0+0.5 精矿3 9.18 6.20 97.20 11.16 99.68
中矿3 0.65 1.12 1.24 0.14 99.82
尾矿3 0.91 1.00 1.56 0.18 100.00
精矿（合计） 71.15 6.02 83.98 83.98 83.98
中矿（合计） 11.90 4.19 9.77 9.77 93.74
尾矿（合计） 16.95 1.88 6.26 6.26 100.00
总计 100.00 5.10 100.00 100.00 100.00
试验3 +2.0 精矿1 15.29 5.30 69.22 15.87 15.87
中矿1 5.33 3.37 15.35 3.52 19.39
尾矿1 8.64 2.09 15.43 3.54 22.93
-2.0+1.0 精矿2 45.50 6.20 84.28 55.28 78.21
中矿2 6.71 5.83 11.68 7.66 85.87
尾矿2 7.78 1.74 4.04 2.65 88.52
-1.0+0.5 精矿3 9.18 6.19 96.98 11.13 99.65
中矿3 0.65 1.29 1.43 0.16 99.82
尾矿3 0.92 1.01 1.58 0.18 100.00
精矿（合计） 71.16 6.00 83.69 83.69 83.69
中矿（合计） 11.82 4.34 10.06 10.06 93.75
尾矿（合计） 17.02 1.88 6.25 6.25 100.00
总计 100.00 5.10 100.00 100.00 100.00
由表2可知，针对Li2O品位为5.10%的重介质锂精矿，经过一粗一精的色选流程，可获得Li2O品位平均值为5.88%和回收率平均值为79.91%的色选锂精矿，相比入选重介质锂精矿矿样，Li2O品位平均值提高了0.78%，中矿中Li2O平均含量为4.79%，尾矿中Li2O含量较高，平均含量为2.09%。尾矿品位较高的原因可能有2个：一是部分锂辉石与脉石矿物连生，二是细粒锂辉石在粗粒脉石颗粒夹带下进入尾矿，导致尾矿中锂辉石的损失。因此，中矿和尾矿可合并进入浮选工艺，通过浮选开展进一步回收。
由表3可知，针对Li2O含量为5.10%的重介质精矿，经过分级+一粗一精色选作业，可获得Li2O品位平均值为6.02%和回收率平均值为83.90%的色选锂精矿，中矿中Li2O含量平均值为4.24%，回收率平均值为9.85%，尾矿中Li2O含量平均值为1.88%，回收率平均值为6.25%。由图12可知，入选矿样粒度对锂辉石重介质精矿的色选效果有一定的影响，-2.0+1.0 mm粒级和-0.1+0.5 mm粒级的分选效果均优于+2.0 mm粒级。
图12 不同粒级色选产品指标

Fig. 12 Color sorting product indicators of different particle sizes

2.3 全粒级与分粒级色选指标对比

由上述试验结果可知，对于+0.5 mm的锂辉石重介质精矿，色选可有效提高锂精矿的Li2O品位，全粒级与分粒级色选产品存在一定的差异。
由图13可知，从Li2O品位来看，相比入选重介质锂精矿，全粒级色选锂精矿品位平均值提高了0.78%，分粒级色选锂精矿品位则提高了0.92%，分粒级得到的锂精矿品位和回收率更高，且尾矿的品位和回收率更低。从回收率指标来看，二者相差很小，在提高锂精矿品位的同时可回收约80%的氧化锂金属矿物。
图13 全粒级与分粒级色选产品指标

Fig. 13 Indicators of full and fractionated size color sorting product

通过对比试验流程可知，全粒级产品指标稍差于分粒级产品，但是工艺流程更简单，无需分级作业，仅通过数量较少的色选机即可提高锂精矿的品位；分粒级产品指标均优于合粒级产品指标，但流程复杂，需要筛分分级作业，且需要更多的色选机和设备安装空间，检修成本也随之增长。在实际生产中，可根据不同需求选择适宜的流程。当需要获得更高品位的锂精矿时，推荐选择分粒级色选；当需要工艺精简，综合考虑设备投资和运行成本时，选择全粒级色选。前期重介质分选已完成抛废处理，色选作为提质手段以获得较重介质锂精矿品位更高的精矿产品，提高产品经济价值，降低运输成本。试验用矿样来自新疆某锂辉石重介质选厂，其正在建设浮选车间，已计划浮选原矿-0.5 mm粒级回收其中的锂。锂辉石矿样Li2O品位在1.00%左右即可进入锂辉石浮选流程，分粒级色选与全粒级色选试验的中矿和尾矿品位均高于1.00%，可与原矿中未进入重介质分选的-0.5 mm部分以及重介质中矿合并，通过浮选进一步回收其中的锂。

3 结论

为进一步提高高海拔地区锂辉石重介质精矿品位，提升其经济价值并降低运输成本，采用色选技术对新疆某锂辉石重介质精矿开展了人工混合矿试验、色选分粒级和全粒级试验研究，初步确定了色选操作参数和工艺流程，证实色选提升重介质锂精矿品质的可行性，得出如下主要结论：
（1）新疆某锂辉石重介质精矿中Li2O主要分布在-2.0+1.5 mm和-1.0+0.5 mm粒级，其中+1.5 mm粒级是影响其品位的主要粒级，重介质精矿中的灰白色颗粒为锂辉石，黑灰色颗粒为由石英、辉石和云母等矿物组成的共生体，这是利用锂辉石与脉石矿物的颜色差异，通过色选实现锂辉石重介质精矿提质除杂的物质基础。
（2）针对Li2O品位为5.10%的大红柳滩重介质锂精矿，采用全粒级色选可获得Li2O品位平均值为5.88%和回收率为79.91%的锂精矿，采用分粒级色选可获得Li2O品位为6.02%和回收率为83.90%的锂精矿。分粒级流程可将Li2O品位提升0.92%，而全粒级流程提升幅度较低（0.78%），全粒级流程获得的锂精矿中Li2O回收率高于分粒级。
（3）由分粒级试验结果可知，入选矿样粒度不同色选的产品指标也不同。在+0.5 mm粒级范围内，粒度越小，矿物解离越充分，锂精矿的品位和回收率越高。-2.0+1.5 mm和-1.0+0.5 mm粒级的锂精矿品位和回收率均高于+0.2 mm粒级。
（4）在实际生产中，可根据不同需求选择适宜的色选流程。分粒级色选流程较复杂，适合获得高品位和高价值的锂精矿，全粒级色选流程简单且需要设备少，可经济高效地提升锂精矿品位。色选重介质锂精矿得到的中矿、尾矿以及未进入重介质分选的原矿-0.5 mm粒级的品位均在1.00%以上，可合并后通过浮选进一步回收锂。
（5）锂精矿品位提升使单位Li₂O产出所需的运输量减少约15%，有利于缓解高原矿区物流成本高和运输组织难度大的问题。色选作为干法和无药剂的物理分选技术，流程简单、自动化程度高，可有效降低选矿过程中的水资源消耗和环境压力。色选工艺与现有重介质选矿流程具有良好的兼容性，可作为高海拔地区锂辉石选矿流程的重要补充和优化手段，为高海拔地区锂辉石资源的绿色、低碳和规模化开发提供了具备实际操作可行性的技术路径。
（6）本研究结论主要反映锂辉石重介质精矿色选提质的可行性，以及分粒级和全粒级色选流程对分选所得锂精矿的品位和回收率的影响趋势，为工业应用提供参考，其实际生产稳定性仍需后续进行扩大试验系统研究加以验证。

http://www.goldsci.ac.cn/CN/10.11872/j.issn.1005-2518.2026.02.338

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
dos Santos E G， de Brum I A S， Ambrós W M，2025.Techniques of pre-concentration by sensor-based sorting and froth flotation concentration applied to sulfide ores：a review［J］.Minerals，15（4）：350.

Ergin G， Özcan Y G，2017.Performance evaluation of optical sorting in mineral processing—a case study with quartz，magnesite，hematite，lignite，copper and gold ores［J］.International Journal of Mineral Processing，169：129-141.

Hua Y S，2011.Study of photoelectric color sorter［J］.Applied Mechanics and Materials，48/49：1130-1132.

Zhou W， Wang H Y， Wang L L，et al，2024.Research on separation mechanism of coal gangue photoelectric sorting recognition［J］.Physicochemical Problems of Mineral Processing，60（4）：192417.

Zhou W， Xia W H， Liu L L，et al，2023.Gangue source reduction technology and process optimization based on underground coal gangue photoelectric separation［J］.Processes，11（9）：2519.

敖顺福，朱家锐，徐峰，等，2021.预选抛尾技术应用进展［J］.矿产保护与利用，41（4）：157-163.

Ao Shunfu， Zhu Jiarui， Xu Feng，et al，2021.Application progress of preconcentration and discarding technology［J］.Conservation and Utilization of Mineral Resources，41（4）：157-163.

陈小威，杨斌，2025.XRT智能分选机在某含铅银重晶石矿的试验研究［J］.世界有色金属，（21）：1-3.

Chen Xiaowei， Yang Bin，2025.Experimental study on XRT intelligent sorting machine in a lead containing silver barite ore［J］.World Nonferrous Metals，（21）：1-3.

丛龙斐，罗嘉靖，古缘，等，2021.某锂辉石矿石重介质分选—浮选工艺优化研究［J］.矿产保护与利用，41（5）：25-30.

Cong Longfei， Luo Jiajiang， Gu Yuan，et al，2021.Study on technology optimization of heavy medium separation-flotation for a spodumene ore［J］.Conservation and Utilization of Mineral Resources，41（5）：25-30.

桂鹏，2024.重介质旋流器在新疆某锂铍矿分选中的应用［J］.中国矿山工程，53（4）：56-61.

Gui Peng，2024.Application of heavy medium cyclone in separation of a lithium beryllium ore in Xinjiang［J］.China Mine Engineering，53（4）：56-61.

侯少勇，2023.色选机在矿山选矿中的应用［J］.世界有色金属，（9）：46-48.

Hou Shaoyong，2023.The application of color sorter in mine mineral processing［J］.World Nonferrous Metals，（9）：46-48.

蒋素芳，叶从新，魏党生，2022.某低品位铅锌矿石光电选矿预抛尾试验研究［J］.湖南有色金属，38（2）：16-19.

Jiang Sufang， Ye Congxin， Wei Dangsheng，2022.Research on pre-tailing of a low grade lead-zinc ore by photoelectric beneficiation［J］.Hunan Nonferrous Metals，38（2）：16-19.

李成秀，程仁举，刘星，2021.我国锂辉石矿选矿技术研究现状及展望［J］.矿产综合利用，42（5）：1-8.

Li Chengxiu， Cheng Renju， Liu Xing，2021.Research status and prospects of spodumene ore beneficiation technology in China［J］.Multipurpose Utilization of Mineral Resources，42（5）：1-8.

李繁荣，2025.XRT拣选技术在某铅锌矿上的研究与应用［J］.湖南有色金属，41（2）：20-24.

Li Fanrong，2025.Research and application of XRT sorting technology in a lead-zinc mine［J］.Hunan Nonferrous Metals，41（2）：20-24.

李文平，赵磊，包易，等，2022.四川李家沟锂辉石矿重—浮联选工艺研究及工业试验［J］.现代矿业，38（11）：137-140，262.

Li Wenping， Zhao Lei， Bao Yi，et al，2022.Study on gravity-flotation combined separation process and industrial test of spodumene ore in Lijiagou，Sichuan［J］.Modern Mining，38（11）：137-140，262.

刘广学，彭团儿，刘磊，等，2021.重色浮联合选矿工艺回收某花岗岩型锂辉石中的锂［J］.金属矿山，50（3）：124-129.

Liu Guangxue， Peng Tuan’er， Liu Lei，et al，2021.Recovery of lithium from a granite type spodumene by gravity-color-flotation combination process［J］.Metal Mine，50（3）：124-129.

刘明宝，杨超普，阎赞，等，2016.红透山铜矿废石X-荧光预选的粒度效应研究［J］.矿山机械，44（3）：63-67.

Liu Mingbao， Yang Chaopu， Yan Zan，et al，2016.Study on influence of feeding size of X-ray pre-concentration of gangue from Hongtoushan copper mine［J］.Mining & Processing Equipment，44（3）：63-67.

刘雪，王春连，刘学龙，等，2024.中国锂矿床主要类型特征、分布情况及开发利用现状［J］.中国地质，51（3）：811-832.

Liu Xue， Wang Chunlian， Liu Xuelong，et al，2024.Main types，distribution，development and utilization of lithium deposits in China［J］.Geology in China，51（3）：811-832.

马崇振，2021.光电色选机在石英砂选矿中的工艺研究［J］.湖南有色金属，37（5）：12-14，48.

Ma Chongzhen，2021.Study on the process of photoelectric color selector in mineral separation of quartz mine［J］.Hunan Nonferrous Metals，37（5）：12-14，48.

马佳川，刘杰，于天佑，等，2025.双能XRT智能预选技术分选新疆某锂辉石研究［J］.现代矿业，41（6）：136-139.

Ma Jiachuan， Liu Jie， Yu Tianyou，et al，2025.Research on the intelligent pre-selection technology of dual-energy XRT for sorting spodumene in Xinjiang［J］.Modern Mining，41（6）：136-139.

石榴云，2025.全国首次实现！重介质选矿工艺在新疆和田大红柳滩稀有金属矿成功应用［J］.新疆有色金属，48（2）：71.Shi Liuyun，2025.For the first time in the country！Successful application of dense medium beneficiation technology in Dahongliutan rare metal mine in Hotan，Xinjiang［J］.Xinjiang Youse Jinshu，48（2）：71.

孙传尧，朱阳戈，宋振国，等，2024.我国锂铍钽铌矿产资源选冶加工现状与展望［J］.中国工程科学，26（5）：248-258.

Sun Chuanyao， Zhu Yangge， Song Zhenguo，et al，2024.Beneficiation，smelting and material processing of lithium，beryllium，tantalum，and niobium mineral resources in China：current status and prospect［J］.Strategic Study of Chinese Academy of Engineerng，26（5）：248-258.

万丽，崔宝，孙志健，等，2024.新疆某锂辉石矿重—浮联合工艺实验［J］.矿产综合利用，45（4）：57-61，75.

Wan Li， Cui Bao， Sun Zhijian，et al，2024.Experimental study on DMS-flotation technology of a spodumene mine from Xinjiang［J］.Multipurpose Utilization of Mineral Resources，45（4）：57-61，75.

王建国，周丽君，欧阳超，2023.重介质旋流器在锂辉石选矿中的应用［J］.世界有色金属，（24）：68-70.

Wang Jianguo， Zhou Lijun， Ouyang Chao，2023.Application of dense medium cyclone in spodumene beneficiation［J］.World Nonferrous Metals，（24）：68-70.

王帅，冯杰，李青，等，2019.色选机在高岭土尾矿再选中的应用初步研究［J］.中国非金属矿工业导刊，（4）：23-24，27.Wang Shuai，Feng Jie，Li Qing，et al，2019.Preliminary study on the application of color sorter in the reconcentration of Kaolin tailings［J］.China Non-metallic Mining Industry，（4）：23-24，27.

吴志虎，2020.矿石预选抛废技术与智能光电选矿设备选型要点［J］.世界有色金属，（16）：202-205.

Wu Zhihu，2020.Ore pre concentration and discarding waste technology and selection of intelligent photoelectric beneficiation equipment［J］.World Nonferrous Metals，（16）：202-205.

徐昌彦，2016.光电色选机在某矿分选中应用实践及优化［J］.世界有色金属，（17）：31-32.

Xu Changyan，2016.The application of photoelectric color selector and the optimization in mineral separation process of some mine［J］.World Nonferrous Metals，（17）：31-32.

叶鑫，叶芩沁，2018.色选机选矿在萤石矿的应用［J］.内燃机与配件，（8）：237-238.

Ye Xin， Ye Qinqin，2018.Application of color sorter in fluorite mine［J］.Internal Combustion Engine & Parts，（8）：237-238.

伊新辉，2011.锂辉石低温浮选试验研究［J］.中国矿山工程，40（6）：20-22，43.

Yin Xinhui，2011.Test study on low temperature flotation of spodumene［J］.China Mine Engineering，40（6）：20-22，43.

翟启林，曹正强，刘润清，等，2025.锂辉石选矿与冶炼技术研究现状［J］.有色金属（选矿部分），（6）：23-41.Zhai Qilin，Cao Zhengqiang，Liu Runqing，et al，2025.Advances in spodumene beneficiation and metallurgical technologies［J］.Nonferrous Metals（Mineral Processing Section），（6）：23-41.

张苏江，崔立伟，孔令湖，等，2020.国内外锂矿资源及其分布概述［J］.有色金属工程，10（10）：95-104.

Zhang Sujiang， Cui Liwei， Kong Linghu，et al，2020.Summarize on the lit-hium mineral resources and their distribution at home and abroad［J］.Nonferrous Metals Engineering，10（10）：95-104.

Options
文章导航

/

〈 〉

联系我们
地址：甘肃省兰州市天水中路8号　
邮编：730000
电话：0931-8277791
Email：hjkx@lzb.ac.cn
期刊在线
  • 当期目录
  • 优先出版
  • 过刊浏览
  • 高级检索
  • 虚拟专刊
  • 阅读排行
  • 下载排行
  • 引用排行
    • 关注微信公众号
    访问统计
    总访问量
    今日访问 　
    在线人数
    陇ICP备17001318号-1　 甘公网安备 62010202000672号