澳大利亚昆士兰大学表示，在该研究中，人工智能技术通过扫描矿山工作面，能够快速识别有价值的矿石和废石，从而有助于更有效地提前规划采矿过程的每个阶段。澳大利亚昆士兰大学机械与采矿工程学院院长Ross McAree教授表示，该技术利用可见光和红外光自动将材料分类。由于每种矿物对不同波长的光有不同的响应特征，因此通过该系统扫描矿山工作面，几乎能瞬间确定岩石中存在的矿物及矿石品位。通过实时成像，能够在矿石开采之前进行有效规划。

 McAree认为该技术除了能够提高效率和增强矿石品位识别外，还可以支撑未来的自动矿山系统。装备该系统的设备在矿石开采时能识别矿石品位，结合人工智能技术能够让自动化设备在矿山环境中作业，从而使工作人员无需在矿山的危险环境中作业。

 在工作面进行实时矿石品位分析还能够提高矿山调度效率、提高资源回收率并减少加工过程中的浪费。

 该项目得到西澳大利亚州矿物研究所（MRIWA）的支持，MRIWA的首席执行官Nicole Roocke表示，资助这类研究有助于巩固澳大利亚矿业科技发展的领先地位。由于对矿石品位的快速识别和一致性，该成像方法能为引领行业发展的企业提供竞争优势，具有极高的应用价值。

 该项目开展于2018年至2019年，受到850850澳元（约65322美元）的资助，除MRIWA、澳大利亚昆士兰大学及Plotlogic外，中信泰富矿业（CITIC Pacific Mining）和盎格鲁黄金公司（AngloGold Ashanti）也参与其中，分别在位于西澳大利亚州的Sino铁矿和Tropicana金矿进行了测试。

 该系统基于OreSense?原型系统开发，旨在满足研究项目的需求，并为该技术的早期行业应用提供了商业途径。

 项目合作伙伴表示，OreSense?原型系统能在现场获取、处理并分析高光谱数据，通过映射至地质和地理坐标系而与矿山图集成。高光谱成像能力覆盖了可见光到短波红外光谱（400~2500 nm），适用于所有矿物。该系统能进行多方向旋转测量，从而进行面扫，并根据两个单独运行的扫描高光谱传感器建立3D数据集。该系统在空间和光谱上集成数据集，为整个场景建立一个单独数据集。该系统还能够对高光谱数据进行车载校正和后处理，以支持矿石品位的实时分级。

 现场试验的OreSense?原型系统包括一个带有激光雷达和高光谱摄像机的传感器头、一个云台单元、一个全球导航卫星系统（GNSS）接收器以及其他设备。