AI在地质找矿方面的应用及发展前景

过去50年来，随着全球矿产资源的不断耗竭和社会经济的快速发展，新一轮找矿已成为地质领域的重要议题。近年来，随着大数据时代的到来，人工智能的出现引领着新一轮的工业和科技浪潮。

在以上背景助推下，人工智能在地质勘探领域的应用也越来越多的被提及，国内外的地质勘查学家们为解决勘查找矿问题开展了一些有意义的探索。本文在调查搜集国内外资料和报道，梳理AI在矿业行业，尤其是勘查找矿方面的应用情况后发现，AI找矿的应用、探索案例不少，但至今没有真正成熟的技术形成，AI找矿探矿仍处于探索阶段。

地勘行业中的AI应用

地质勘查是通过地质、遥感、地球物理、地球化学数据采集、分析和处理，从而提取成矿信息、总结成矿规律进而圈定有利的找矿靶区的过程，是天生的大数据应用场景。人工智能应用于地勘行业，由之前的信息系统建设为主，逐步向利用5G、云计算、大数据、物联网、人工智能等新技术融合转变。矿业软件的应用和主体设备的自动化在国内矿山企业已经基本实现，部分矿山实现了生产管理远程化、遥控化和无人化。一些先进企业正在利用人工智能、大数据和云计算技术，创新矿山智能操控、决策系统，争取实现生产作业、经营管理全流程智能管控。并逐步向地勘采各阶段探索、勘探优化与目标识别、地质模型构建与预测、地质灾害预测与风险评估、地质数据挖掘与知识发现、地震预测等领域探索。

人工智能在基础地质（矿物识别、只能地质填图/编图）、地质灾害、地震预测、资源环境承载力评价、油气地质建模和沉积相分析等方面也开展了一些探索性研究，并取得了重要进展。在AI找矿方面也涉及，有少量的报道，但可信的突破性案例鲜有报道。

地质相关AI初创公司及行业应用案例

据欧洲科学数据分析企业Startus-Insights 统计，全球共有 88 家利用人工智能技术进行矿产勘查的初创企业，主要位于澳大利亚、加拿大等国，主要应用方向包括：①基于人工智能技术的自动图像识别，开展镜下照片、岩心照片等的快速分析，以识别矿物、沉积构造等并生成相关数据；②基于机器学习技术、专家系统的大数据综合分析，开展数据建模并预测成矿远景区/找矿靶区。

澳大利亚初创公司DataRock 开发了基于机器学习和云技术的图像分析平台，截至 2020 年 6 月已累积处理了超过 100 万米的岩心图像。

DataRock工作平台

澳大利亚创业公司OreFox提供了两种用于采矿勘探的人工智能系统：Prospector AI和Hunter AI。Prospector AI使用深度学习算法，并将现有矿床数据与样本进行比较。Hunter AI使用这些结果，并使用机器学习进一步改进模型，以获得目标区域的信息可视化表示。

澳大利亚初创公司Earth AI开发基于人工智能的采矿勘探算法。在机器学习技术的帮助下，这家初创公司可以识别绿地上的矿藏。此外，无人机还可以收集地球物理数据，从而实现自主钻井，最大限度地降低勘探和钻井成本。其官网显示其基于澳大利亚的公开历史数据和人工智能算法进行训练，能够在数据匮乏的绿地项目中进行成矿预测，凭借业界最精确的矿物探测技术、基础地质学和负责任的钻探，Earth AI 可以在短短三到六个月内从探测前景转向钻探测试。

Earth AI 工作界面

印度初创公司Aganitha Cognitive Solutions通过结合地质、地理和地球物理数据，创建了基于人工智能的采矿勘探模型。此外，机器学习使初创公司能够生成矿床线索，并使他们能够识别潜在的勘探热点。

加拿大初创公司Geolearn 公司推出了基于人工智能技术自动描述岩心的软件，在相关研究中准确识别到了加拿大 Lalor 锌铜金矿床中金含量高于 1 克/吨的区域。

加拿大初创公司Minerva Intelligence提供了一个用于矿产勘探的人工智能平台TERRA。通过结合人工智能、地质模型和勘探数据，该初创公司可以通过识别潜在矿床来优化勘探工作。因此，TERRA降低了采矿勘探公司的运营成本，提高了投资回报率。

英国MinervaIntelligence 的人工智能认知系统软件根据已有数据在加拿大 Yukon 地区识别出了涵盖 54 种矿床类型的上百个新的找矿靶区；2021年2月，Minerva Intelligence公司宣布利用其开发的基于人工智能技术的矿产勘查软件TARGET为Giga Metals公司位于巴西Parnaiba盆地的铜矿项目编制了远景预测报告，认为该项目取得勘探成功的可能性很大，促使Giga Metals决定申请新的勘探许可证。同年8月，Triumph黄金公司宣布通过Minerva Intelligence的DRIVER技术对其位于加拿大育空地区的Freegold Mountain矿区的大量勘查数据的分析，圈定出了一些先前未探明且可以提升矿产资源量的目标靶区，位于该矿区Revenue矿床和Nucleus矿床之中及周边区域。DRIVER技术在Nucleus矿床识别出了目前矿产资源模型中没有描述的具有金和铜成矿作用的新赋存矿体，在Revenue矿床还圈定出了一些准备进行钻探的目标靶区，这与Triumph基于所建立的岩石岩性模型得到的分析结果高度一致。

英国Minerva Intelligence人工智能系统

加拿大初创公司Goldspot Discoveries（已上市）致力于利用人工智能改善矿产勘探。GoldSpot的标准工作流程是在广泛收集所有可用和公开地质资料的基础上，利用人工智能工具分析所有的相关数据，包括构造、地质、变质作用、热液分布、地球物理和遥感信息，圈定现场勘查的高优先级靶区，确定用于申请勘探许可的区域范围。该公司声称，通过机器学习，他们能够使用有限的地质、地形和矿物学数据预测加拿大Abitibi金矿带地区86%的现有金矿床并圈定了新的找矿靶区。2021年，该公司同Critical Elements锂业、First Majestic Silver 公司均在2021年签有相关协议进行找矿实践，但网络上未检索到后续验证报道。

澳洲上市公司SensOre Ltd主要通过提供一系列以人工智能和机器学习为核心的矿业勘探软件以及相关的技术服务，技术服务产品多达20多个，可应用在矿产勘查战略发展-地区选择-目标生成/验证-资源评等各阶段，并提供相应服务，可以提供地球化学和地球物理软件的全套技术支持。

有色金属矿产地质调查中心袁继明教授曾经在内部交流会上分享了高光谱卫星找矿的案例，Hymi-X为其团队自主研发的一套通过高波段卫星遥感数据与多学科技术融合、通过大数据智能算法，实现全球成矿体快速自动识别技术，并对矿体快速定位、直接勘探验证。该开发团队已对全球五大洲已知重点成矿带进行了300多平公里的找矿应用示范，获取上100处有利成矿区带，在快速锁定找矿靶区上具有明显优势。

Hymi-X高光谱卫星找矿实例-西非某金矿

今年2月，互联网网站上一则消息“利用AI勘探铜、锂等绿色转型所需金属的硅谷独角兽KoBold Metals宣布，公司在赞比亚Mingomba项目上发现了巨型铜矿储量” 轰动一时，但没多久又被认定为是场乌龙事件。4月18日，集团组织开展内部研讨会，会议受邀嘉宾中国地质调查局武汉地质调查中心刘江涛博士也提到该案例，讲述他们组织专家团队专门对此消息进行调研，认为该事件不能算是AI找矿的成功案例。

乌龙事件——Mingomba项目找矿突破

由此可见，地质相关AI初创公司很多，AI找矿的应用、探索的案例也不少，但至今并没有真正成熟的技术形成，AI找矿探矿仍处于探索阶段。AI应用分两个方向，一个是通用大模型，另外是专业大模型。AI找矿在建立通用大模型方面存在信息屏障，地质数据难以全部获取，训练模型有难度，目前仍处于探索性阶段，可信的突破性案例鲜有报道。现阶段地质领域人工智能应用大多是单学科、单领域的应用，尚未能在多领域、跨学科上推广，也没有实现真正的AI找矿。

综上，AI 改变矿业的故事才刚刚开始，AI正在改变勘查技术，助推地勘企业提质增效降本控险。与此同时，地质师的工作也在重新定义，地勘行业的每一位同仁，不仅是见证者与亲历者，更是参与者和开拓者。