在经济全球化发展的背景下，矿山企业面临着日趋激烈的市场竞争压力，传统矿业生产模式已难以为继，而智能化是矿山企业从传统生产方式向现代化生产方式转变的主要途径。随着信息技术的快速发展，5G、大数据、人工智能、虚拟现实、数字孪生等高新技术逐步应用在矿山领域，使得矿山生产方式与管理模式发生了根本性的变革。建设绿色、智能和可持续发展的智慧矿山成为矿业发展新趋势，是提高我国矿产资源保障能力、推动矿业高质量发展的现实选择。

智慧矿山是指对生产、职业健康与安全、技术和后勤保障等进行主动感知、自主分析、快速处理的无人矿山，其本质是安全、高效、绿色和智能的新型矿山。智慧矿山建设需要依靠工业互联网、智能感知、计算机仿真、大数据、云计算等信息技术，通过引进先进的智能化设备和高精尖端技术，将矿山规划与设计、矿山生产、辅助运输、安全管控、综合调度、分选、供应整合为一体，从而提升矿山生产效率，提高安全管控能力，实现高质量发展。

智慧矿山的理念最早可追溯到20世纪90年代美国IBM公司提出的“智慧地球”的概念。1992年，芬兰提出智能矿山计划； 2008年，力拓集团启动“未来矿山”计划，2018年底力拓投资26亿美元，在西澳洲打造首个纯“智能矿山”项目；2018年，英美资源集团启动“未来智能矿山”计划，采用机器人、智能传感代替人工。可见，欧美等发达国家的矿山生产作业已全面向智慧方向推进，并取得理想效果。

近年来，随着我国对传统产业数字化、智能化建设的日益重视，政府层面相继出台多项政策，有力地推动了我国智慧矿山建设的发展进程，智慧矿山建设已开始真正落地。但相比发达国家，我国智慧矿山建设起步较晚，仍然有诸多科学问题等待攻克。因此，深入开展矿山智能化理论和技术研究，对于提升我国金属矿山的信息化和智能化水平，助推传统矿业转型升级具有重要意义。

为充分交流智能采矿工艺、智能采掘设备、矿山智能化建设等方面取得的重要成果，更好地推动我国智慧矿山建设进程，中南大学牵头组织了本期“智慧矿山”专栏，集中展示我国科技工作者在智慧矿山领域取得的最新进展。专栏共收录5篇论文，主要内容分述如下：

毕林等系统调研了国内外矿井设备定位技术的发展情况和问题所在，基于国内外井下设备高精定位的研究现状分析，综合评述了当前井下定位的核心技术和发展前景。作者根据当前矿山井下设备定位常用传感器的技术特征，将井下设备定位技术按照是否需要外部设施辅助进行分类：一类是包括结合外部设备如基于无线通信、视觉和激光信标等的定位方法；另一类是基于井下装备自身携带的传感器的定位方法（如基于SLAM的定位方法）。基于研究成果，认为不需要外部设备辅助的多传感器融合技术（如基于SLAM的定位方法）是当前地下矿山井下设备定位发展的必然趋势。

毕林等针对矿卡司机不安全行为人工识别存在的低效率和低准确性等问题，提出了将计算机视觉领域的技术应用于矿山，利用深度学习来解决视频序列的矿卡司机不安全行为识别。作者在Two-stream模型与C3D模型的基础上进行融合改进，利用改进后的模型完成矿卡司机不安全行为识别的任务。结果表明：作者提出的模型网络测试准确率达到93.445%，比原始双流网络模型提高了15%；与传统典型的分类模型的比较试验证明了在行为识别中，考虑对时域特征信息的捕获能够提高识别的准确率，更适用于行为识别任务，这对于矿卡司机不安全行为的识别具有重要实践意义；模型对于矿卡司机不安全行为的识别率较高，对采矿生产作业安全具有重要实践意义。

刘永春等针对地下铲运机路径跟踪控制算法应用的难点问题，提出了应用量子行为粒子群优化算法（QPSO）对基于线性二次型调节（LQR）的状态反馈控制器进行参数优化，实现对地下铲运机精准、稳定的路径跟踪控制。状态反馈控制器基于铲运机的误差动力学模型得出，优化后的路径跟踪控制最大横向位置偏差低于0.23 m。仿真试验结果表明：相较于标准粒子群优化算法，QPSO算法优化的路径跟踪控制器的最大横向位置偏差减小53.4%，优化效果更好、成功率更高。该研究为地下铲运机无人驾驶提供了新的解决方案。

姜丹等对自主铲装关键技术的发展现状及趋势进行了研究。通过梳理国内外相关理论技术和研究方法，并从环境感知与建模、铲斗轨迹控制和自动称重3个方面对铲装过程的研究成果进行了归纳总结。结果表明：当前环境感知与建模技术难以同时满足速度和精度的要求，存在铲斗轨迹控制难度大以及自动称重技术研究不全面等问题。研究多传感器信息融合技术，人工智能技术，以及适用于地下的通信网络是实现铲运机自主铲装的前提，也是未来开展该领域研究的重要方向。研究结果对于提高地下铲运机铲装效率及作业精度，实现铲运机全自动作业具有重要的参考意义，并为铲运机自主铲装技术的发展指出新的方向。

公凡波等提出了一种电铲铲装移动路线的优化方法。在已知电铲工作区域的基础上，基于贪婪算法规划出电铲移动次数最少的作业位置集；在给定起始挖掘点的基础上，使用遗传算法生成电铲铲装移动最短路径，并规划每个位置对应的挖掘区域；最后结合电铲作业的相关几何约束，进一步优化电铲移动路径并调整相应挖掘区域规划，形成最终的电铲作业最优轨迹。试验结果表明，生成的电铲移动路径总距离短，挖掘区域规划符合实际生产要求。该研究结果可为自主铲装电铲的移动轨迹规划提供指导，对于提高电铲自主铲装过程中的工作效率，降低矿山生产成本具有实践意义。

本专栏旨在集中展示智慧矿山领域的研究进展和最新成果，以期为我国智慧矿山建设提供参考，并进一步丰富相关理论研究。衷心感谢各位专家学者为本专栏投递优秀成果论文，感谢评审专家为专栏文章提供诸多建设性意见。希望本专栏成果能为今后智慧矿山相关理论研究和实践提供借鉴，助推传统矿业转型升级，为我国智慧矿山建设贡献力量。

毕林（1975-），博士，副教授，中国有色金属学会矿山信息化智能化专业委员会常务委员，迪迈科技首席专家，主要从事数字矿山与智能采矿相关理论与技术研究工作。主持或参与国家级和省部级科研项目5项，获得中国有色金属工业科学技术一等奖1项（排名第二）、湖南省科学技术进步一等奖1项（排名第二）。发表科研论文60余篇（其中EI、SCI收录10余篇），获得近20项专利及软件著作权。

杨珊（1983-），博士，副教授，主要从事矿业经济和矿业系统工程领域的教学和科研工作。主持国家级和省部级纵向科研项目3项，负责校企合作项目10余项。共获省部科研奖励2项，其中中国有色金属工业科学技术一等奖1项，湖南省科技进步二等奖1项。近年来，在Safety Science、Construction and Building Materials、Journal of Central South University、《黄金科学技术》等国内外权威期刊上发表论文22篇（其中SCI收录7篇）。担任Construction and Building Materials、IEEE ACCESS、《黄金科学技术》等期刊审稿专家。