随着矿山开采逐渐转向深部，矿山的生产条件更加复杂且恶劣，要求矿山必须提升智能装备水平，逐渐减少现场作业人员，构建与之相匹配的高效精准的调度管控是实现矿山智能化作业的重要保障。为此，开展面向多装备短间隔接续的地下黄金矿调度优化，提升开采作业效率和安全性。分析提取了地下黄金矿开采作业多工序、多装备和复杂耦合等约束，形成符合调度要求的约束规则。通过构建装备配置与任务排布的组合优化模型，以总时长和总间隔最小为目标，将地下装备调度问题抽象为流车间调度问题。运用遗传算法完成了模型求解，在减少任务冲突和装备闲置的同时，通过短间隔调整实现了开采装备的动态精准调度。案例研究表明，在不同作业场景下，优化模型能够有效缩短整体作业时长和工序间隔，在大规模生产、多循环约束场景下开采效率达到72.57 t/h，在故障率为8%的条件下，总作业时长的延迟控制在15%以内。科学的装备配置与调度策略对于提升矿山生产能力具有重要意义，研究成果为地下黄金矿的装备调度提供了有效的优化方案，能够在保障生产接续性的基础上，提高整体作业效率和安全性。

地下金属矿的开采作业是一个复杂的过程，涉及多装备的调度、多工序的协调以及不确定性事件的应对。围绕井下开采作业过程的动态推演问题，提出了一种基于Petri网的建模和仿真方法，通过五层架构分解系统，将多装备调度转化为“多回采单元—多工序—多装备”的组合优化问题，描述系统内动态交互过程。采用Petri网方法构建了包含开采作业空间、作业装备和作业工序的逻辑模型，实现开采作业系统由井下实体向计算机仿真空间的映射。仿真结果显示，整体作业进度完成时间为213.77 d，生成656条开采作业记录。应用结果表明，该方法能够有效推演矿山开采调度过程，获得不同条件下的预期生产效果。研究结果可为地下金属矿开采作业的动态调度决策提供支持。

智能矿山是矿业数字化转型的核心引擎，通过梳理国内外最新研发与应用进展，对重点技术赋能矿业智能化发展进行了系统研究。共性关键技术赋能智能矿山行业主要围绕实际生产需求展开，研究主题包括物联网、机器视觉、机器听觉、深度学习、大数据挖掘、智能传感器、协作机器人、数字孪生和绿色矿山等，应用场景涉及智能控制系统、资产智能管理、安全保障及其系统、数据管理及其分析和监控系统等。展望未来，关键技术的创新与融合应用将成为推动智能矿山向高质量、可持续和智能化全面发展的核心引擎，通过结合人工智能与大数据技术来提升矿山在精准勘探、优化开采路径、降低能耗与废弃物和提高资源利用率等方面的综合能力，而数字孪生与人工智能技术相结合将实现矿山的全面数字化运营，区块链、物联网、云计算和5G等技术可保障矿山远程管理和智能决策的高效性和精准性。智能矿山关键技术的应用将为矿业转型升级奠定坚实基础，引领矿业向绿色、安全、数字、智能和高效的方向发展。

在矿山复杂环境中，高磁性矿输送带异物检测面临场景干扰严重、识别难度大的挑战，针对高磁性矿中异物边缘信息易丢失和实时响应难度大的问题，提出了基于YOLOV8的深度学习图像检测方法。首先，建立输送带异物数据集，采用暗通道去雾技术对数据进行预处理，提升图像清晰度；然后，结合YOLOV8的网络特性，引入动态注意力机制，并用蛇形卷积代替普通卷积，允许模型在处理输入数据时动态地分配注意力，同时捕捉到更广泛的局部和全局特征；最后，改进动态检测头来灵活适配多尺度和多方向的检测需求，以提升模型的适应性并降低参数计算量。试验结果表明：基于YOLOV8的异物检测模型平均检测准确率达到96.4%，召回率为91%，平均检测时间仅为29 ms，完全满足矿山皮带运输现场对精准检测和实时性的要求。

露天矿无人驾驶是智慧矿山建设的重要组成部分。露天矿无人驾驶的核心在于保障车辆安全行驶，然而现阶段矿区道路上存在的落石、水坑和车辙等障碍物严重影响了矿车的行驶安全。针对现有算法检测这类密集障碍物精度受限的问题，提出了一种基于RT-DETR的露天矿区路面障碍物检测算法。RT-DETR算法通过在编码器阶段引入RepViT网络，提升了模型的特征提取效率，在解码器中通过通道压缩剪枝操作提升了模型的检测速度。此外，还提出融合注意力机制的RepAttC3模块，加强了模型的特征提取能力。通过采集不同矿区数据，构建了露天矿区路面障碍物数据集，并进行了障碍物检测试验。结果表明：本文所提出的RT-DETR算法的平均检测精度可达92.7%，综合检测精度可达96.6%，检测速度可达12.3 ms。相较于其他路面障碍物检测算法，本文算法对露天矿区多尺度与小目标障碍物具有良好的检测效果，能够为露天矿区车辆提供准确且高效的障碍物检测，保障车辆安全行驶。

露天矿区场景复杂，行车障碍物检测受扬尘和颗粒物等粉尘噪声干扰严重，难以准确识别障碍物，尤其是光线较差的夜间，不利于做出正确决策，从而影响无人作业的安全性和整体效率。针对以上问题，提出了一种基于YOLOv8n模型的露天矿区行车障碍物检测算法YOLOv8n-Enhanced。该算法主要从3个方面进行了改进，具体包括：首先，针对受粉尘噪声干扰严重和夜间光线不足的问题，提出了C2fCA模块结构，提高了模型特征提取能力；其次，使用轻量级卷积技术GSConv和VoV-GSCSP模块，减轻模型复杂性，实现检测器更高的计算成本效益；最后，使用WIOU损失函数，提高了模型泛化能力。试验结果表明：改进算法在保持实时性的前提下，可将YOLOv8n的平均精度（mean Average Precision，mAP）分别提高1.8%和2.6%，实现白天与夜间场景下不同尺度的障碍物识别。

深部巷道爆破开挖后由于爆炸冲击和原位应力动态卸载耦合作用，围岩内不可避免地产生松动圈，进而影响结构的稳定性，因此对松动圈厚度进行超前预测显得非常重要。依托多座地下矿山松动圈测试作为研究对象，共获取300组有效数据样本。采用4种主流的超参数优化算法，即遗传算法（GA）、灰狼优化算法（GWO）、粒子群优化算法（PSO）和樽海鞘算法（SSA）对XGBoost算法进行优化，并以此构建4种松动圈预测混合模型。采用R²、RMSE、MAE和MAPE指标对预测模型的性能进行对比分析，并开展松动圈厚度参数的敏感性分析。最后，将最优的PSO-XGBoost模型应用于地下矿山运输巷道进行工程验证。结果表明：在群体规模分别为90、70、60和100时，GA-XGBoost、GWO-XGBoost、PSO-XGBoost和SSA-XGBoost模型取得了最佳的预测表现。其中，PSO-XGBoost模型在训练集和测试集中的相关系数分别为0.9244和0.8787，具有最佳的预测性能。相比基准模型（XGBoost、RF、SVM和LightGBM），优化后模型松动圈的预测精度和性能均得到显著提升。巷道当量直径（TD）和围岩地质强度指标（GSI）对松动圈厚度的影响最为显著，垂直主应力也具有明显的影响。优化后的XGBoost模型在实际工程中的应用结果显示实测值与预测值误差在10%以内，PO-XGBoost具有工程应用价值。

针对绿色矿山评价存在的经济类指标和定量指标占比少、评价方法主观因素影响较大以及绿色矿山效果—效率综合评价研究缺少等问题，开展了黄金行业绿色矿山建设综合评价研究。首先，从黄金行业绿色矿山建设效果和投入产出效率2个维度构建指标体系，采用区间层次分析法（IAHP）与熵权法（EWM）相结合的方法，获取评价指标的主客观组合权重；然后，结合TOPSIS法构建效果评价模型，并利用DEA法中的BCC模型对投入产出效率评价进行分析；最后，在效果、效率测度的基础上，设计效果—效率评估矩阵，研究黄金矿山企业绿色矿山建设整体现状与发展情况，并结合实际案例分析和验证模型的适用性。结果表明：黄金矿山企业的绿色矿山建设效果和效率是一个动态变化过程，实际案例企业的绿色矿山建设整体逐渐达到“中高”及以上状态，企业之间存在差异性。研究结果可为黄金矿山企业后续发展提供科学的改进依据。

为了解决当前露天矿区非结构化路面落石检测存在的环境复杂、落石尺寸差异较大以及落石与非结构化路面颜色相近而造成难以精准识别的问题，提出了一种基于加权双向特征融合的矿区道路落石检测模型。首先，通过加入SimAM 注意力机制有效抑制背景环境的干扰；其次，使用加权双向特征金字塔（BiFPN）结构实现多尺度特征融合，增强模型对于不同尺寸落石的特征提取能力；最后，引入轻量级卷积GSConv模块，通过减少模型计算量来提升模型检测速度。试验结果表明，该算法的检测精度均值达到92.8%，检测速度达到63.1FPS，能够实现矿区非结构化路面落石的实时高精度检测，为无人矿卡的安全行驶提供了保障。

以工业物联网模式建设智能矿山“云—边—端”系统是未来矿山企业的发展重点。目前，“云”和“端”的数字化和智能化建设已初具规模，但对“边”的建设较为薄弱，导致智能矿山生产面临一些瓶颈，难以常态化运行。为加强智能矿山边缘层建设，提出“矿边智能”概念，将其定义为一种专门针对矿山生产环境而设计的新型边缘智能技术体系，具备地理、网络和技术的多维特性，其关键技术是实现对数据融合技术、信息通信能力和边缘安全保障技术的突破，从而提高矿山整体生产效率和安全性。同时，提出将现有开采工艺与智能技术深度融合的发展理念，以软件需求为驱动对采矿工艺进行重塑，进一步推进矿山智能化建设进程。研究指出，今后矿山边缘层智能建设的重点方向应聚焦在采矿技术与智能技术的深度融合，基于采矿工艺的决策技术，复杂开采场景的网络架构、位置服务与通信技术，复杂开采场景的环境感知技术以及“矿边”多源信息融合与分析技术等领域。

推进资源型企业数字化转型，是破解企业发展困境和实现高质量发展的有效路径。基于“压力—能力—动力”视角，采用NCA和fsQCA方法，对我国资源型企业数字化转型进行组态分析。研究发现：资源型企业数字化转型并非由单一条件驱动，而是多条件协同联动的结果；产生高水平数字化转型的组态有3种类型，即以大型企业为主的回应压力的创新能力驱动型、压力下的政府引领型和以中小型企业为主的综合驱动型；产生非高水平数字化转型的组态有2种类型，即安居乐业型和创新能力与动力双弱型；市场竞争在资源型企业数字化转型中发挥着关键作用。研究结果揭示了不同资源型企业数字化转型中各因素间的交互作用，可以为资源型企业实现数字化转型提供理论指导和路径参考。

为了实现对地下巷道围岩结构面点云数据高质量、高精度的识别和优化，利用三维激光扫描技术开展了地下巷道岩体结构面测量及识别研究。以云南省彝良县洛泽河镇毛坪铅锌矿910 m中段运输巷道为例，开展了三维激光扫描与结构面信息提取工作，并利用Pointstudio软件对所获取的点云数据进行坐标校正、拼接、除噪和抽稀等处理，最后将现场人工测量和人工识别、半自动识别与人工识别等结构面识别方法进行对比验证和分析。结果表明：在地下矿山巷道中，针对巷道围岩中出露形态复杂的结构面，采用“人工+半自动”识别相结合的方法进行地下巷道岩体结构面识别，所获取的结构面数据更加准确和全面，为巷道结构面信息识别和几何特征提取提供了一种新的思路。

针对地下矿山空间受限、设备资源有限以及生产任务重的特点，从相邻工序时间间隔最短及生产总时间最短的角度，构建了预控顶中深孔分段空场嗣后充填采矿法的生产计划优化模型，并采用启发式算法加速的遗传算法求解该模型。以赞比亚某铜矿的实际数据为例，对启发式遗传算法和普通遗传算法求出的染色体适应度进行比较分析。结果表明：相比普通遗传算法启发式遗传算法的求解收敛速度更快，经优化后矿山设备平均利用率为64.8%，平均出矿量为3 631.19 t/d，既能满足开采需求，又能有效缩短作业时间间隔，保证作业安全要求。该算法能够快速有效地解决井下多设备协调问题。

现有关于无人矿卡调度与管理的研究较少，难以满足不断提高的矿卡无人化程度带来的新需求。基于对甘肃某地下矿无人矿卡的集群智能调度策略、调度业务流转和数据集成系统等现状分析，提出构建服务于无人矿卡调度的智能决策和过程管控集成系统平台，针对无人矿卡调度模式转换以及2种交通控制难题，提出了对应的智能调度策略，设计了总体架构和调度台、实时监控、调度可视化和生产管理等功能模块。系统成功应用于矿山管理，有效提高了无人矿卡集群调度效率和数据利用率，实现了调度决策智能化、数据管理集成化和调度管理模块化，充实了相关领域的研究工作，可为同类型矿山智能化转型提供参考。