基于多光谱与LIBS融合的CLARITY分选系统在宝石原石预选中的应用

更新时间：2026-01-15

浏览次数：18

返回列表

在天然宝石开采与初级加工环节，原石与围岩、低品质矿脉或伴生矿物的高效分离是影响后续提纯效率与经济价值的关键步骤。传统人工拣选依赖经验且效率受限，而机械筛分难以区分物理性质相近但价值差异显著的矿物颗粒。针对这一挑战，Binder+Co 公司在其 CLARITY 系列智能分选平台上，构建了一套面向宝石类矿物原料的多模态识别与分选方案。

一、宝石原石分选的技术难点

宝石原石（如刚玉、绿柱石、电气石、石榴石等）常以不规则块状嵌生于母岩中，其表面可能覆盖风化层、黏土或共生脉石。即便经粗碎处理，单颗粒仍可能呈现以下特征：

颜色变异大（如蓝宝石可呈灰蓝、深蓝甚至无色）；
表面反光特性复杂（玻璃光泽 vs. 土状光泽）；
化学成分存在微量元素差异（如Cr致红、Fe致暗），直接影响宝石等级。

这些特性使得单一传感手段难以稳定识别高价值目标矿物。

二、CLARITY 系统在宝石原料场景下的传感配置

为应对上述复杂性，CLARITY 平台在宝石分选应用中通常启用以下传感组合：

高动态范围可见光成像（HDR-VIS）
捕捉原石表面颜色、光泽度与纹理特征。通过多角度照明（漫射光+侧向高光），区分玻璃质宝石表面与土状围岩的反射差异。
近红外光谱（NIR）辅助判别
虽然多数氧化物类宝石在 NIR 波段吸收较弱，但部分含水矿物（如云母、黏土）具有明显吸收峰，可用于剔除风化杂质。
激光诱导击穿光谱（LIBS）模块
这是 CLARITY 在高价值矿物分选中的核心配置。系统以微焦级激光脉冲对颗粒表面进行非接触式微区激发，通过分析 Al、Cr、Fe、Mg 等元素的发射谱线强度比，判断是否属于目标宝石矿种。例如，在刚玉（Al₂O₃）原石筛选中，LIBS 可有效排除石英（SiO₂）或长石类脉石。

所有传感器沿高速皮带同步采样，确保每颗颗粒获得完整的多维特征描述。

三、分选逻辑与工程实现

CLARITY 系统在宝石原料处理中通常采用“两级分选"策略：

一级粗选：基于 VIS + NIR 快速剔除明显杂质（如黑色页岩、金属碎片），提升 throughput；
二级精选：启用 LIBS 对疑似宝石颗粒进行元素验证，仅将符合成分窗口的物料归入“高价值流"。

喷吹执行机构采用高密度微型阀阵列，最小分选粒径可达 4 mm，适用于小颗粒宝石砂矿或破碎后的原石碎片。系统支持 2 路（合格/废料）或 3 路（高品/中品/废料）输出，满足不同品级分级需求。

四、现场适应性与操作优化

考虑到矿区环境多尘、温湿度波动大，CLARITY 设备在宝石应用场景中强化了光学窗口的自清洁设计与 LIBS 光路的密封防护。此外，用户可通过本地操作界面加载针对特定矿区的“矿物特征模板"——例如某地红宝石富含 Fe 而 Cr 含量偏低，系统可动态调整元素判定阈值，避免过度剔除。

五、应用价值与技术定位

该方案并非替代最终的人工鉴定或实验室检测，而是作为前端预富集手段，显著降低进入精加工环节的物料总量，减少人工分拣负荷，并避免高价值原石在粗加工阶段被误弃。在多个刚玉与绿柱石矿区的实际部署中，CLARITY 系统帮助客户将目标矿物回收率提升的同时，有效控制了低品位物料的混入比例。