MineSense
裝在挖掘機鏟斗上的即時礦石品位感測，當場分辨礦與廢石
MineSense 是加拿大溫哥華的礦業科技公司，做的事情很具體：把感測器直接裝在礦場的挖掘機鏟斗與輸送帶上，在礦石被鏟起的那一瞬間就量出它的品位，然後即時決定這一鏟要送去選礦廠還是廢石堆。
功能特色與適用場景
傳統露天礦場怎麼分辨礦與廢石？靠的是幾個月前鑽探取樣畫出來的品位模型，加上爆破後的人工判斷。問題是爆破會讓岩石位移混雜，模型畫的界線和實際挖到的東西常常對不上——結果就是把有價值的礦石當廢石丟掉（ore loss），或者把一堆沒價值的岩石送進選礦廠白燒電（dilution）。MineSense 的 ShovelSense 把 XRF 感測器裝進電鏟的鏟斗齒排，每一鏟裝載時直接讀出銅、鋅等元素的含量，配合自家演算法在幾秒內給出分流決策，卡車還沒開動就知道該往哪走。另一條產品線 BeltSense 則裝在輸送帶上做同樣的即時分析。
這類工具的價值不在「AI 很厲害」，而在於礦場的經濟結構——選礦廠是整座礦場最耗能的環節，少送一車廢石進去就是實打實省下的電費與研磨介質。對台灣讀者來說 MineSense 比較像是理解「工業 AI 怎麼賺錢」的教材：它不取代任何人，只是把一個原本靠經驗猜的決策，換成當場量出來的數字。台灣沒有大型金屬礦場，但同樣的邏輯在水泥、玻璃、廢金屬回收的原料分選上完全適用。
主要功能
- ShovelSense：XRF 感測器直接安裝於電鏟／液壓挖掘機鏟斗，逐鏟量測礦石品位
- BeltSense：輸送帶即時元素分析，用於進料端品位監控
- 即時礦／廢分流決策，卡車裝載完成前就產生路徑指示
- 與礦場既有的車隊調度系統（FMS）整合，決策直接推播給司機
- 累積的逐鏟量測資料可回頭校正礦體品位模型
- 主要應用於銅、鋅等賤金屬露天礦
常見用途
- 露天銅礦即時礦／廢分流，降低選礦廠廢石進料
- 回收原本會被誤判為廢石的邊際品位礦石
- 以實測資料校正既有的礦體品位模型
- 輸送帶進料品位監控與異常告警
TheAI學院 編輯建議
編輯實測後的真心話總編輯的話：這是那種你看了會覺得「原來 AI 在這種地方賺錢」的工具。它完全不性感，沒有聊天介面，但商業邏輯硬得不得了——選礦廠磨一噸廢石的電費是真金白銀，少磨一噸就是省一噸。我特別喜歡它把感測器裝在鏟斗齒上這個決定：那是礦場最粗暴的位置，願意把精密儀器放在那裡，代表他們真的懂客戶的作業現場長什麼樣。
主要功能
- ShovelSense：XRF 感測器直接安裝於電鏟／液壓挖掘機鏟斗，逐鏟量測礦石品位
- BeltSense：輸送帶即時元素分析，用於進料端品位監控
- 即時礦／廢分流決策，卡車裝載完成前就產生路徑指示
- 與礦場既有的車隊調度系統（FMS）整合，決策直接推播給司機
- 累積的逐鏟量測資料可回頭校正礦體品位模型
- 主要應用於銅、鋅等賤金屬露天礦
適用場景
- 露天銅礦即時礦／廢分流，降低選礦廠廢石進料
- 回收原本會被誤判為廢石的邊際品位礦石
- 以實測資料校正既有的礦體品位模型
- 輸送帶進料品位監控與異常告警
MineSense 的優點與缺點
優點
- 量測發生在「決策點」而非事後化驗，是這類方案裡少見的即時性
- 價值鏈路非常清楚：減少廢石進廠＝直接省下研磨能耗與成本
- 感測硬體設計為承受礦場鏟斗的極端衝擊環境，不是實驗室等級的設備
- 產出的資料能反過來提升礦體模型精度，愈用愈準
缺點
- 適用範圍限於特定金屬礦種，不是通用型工具
- 需要在重機具上安裝硬體，導入牽涉停機與礦場工程配合
- 官網未公開定價，屬於需要業務洽談的企業級專案
- 台灣幾乎沒有適用場景，對一般讀者是知識性參考而非可用工具
MineSense 常見問題
MineSense 是軟體還是硬體？
兩者都有，而且硬體是必要的。ShovelSense 是實際安裝在挖掘機鏟斗上的 XRF 感測模組，軟體負責把感測訊號轉成品位判讀與分流決策。你沒辦法只買軟體。
台灣有辦法用嗎？
實務上很難。台灣沒有大型金屬露天礦場，MineSense 的目標客戶是南美、北美、非洲的大型銅鋅礦。台灣讀者比較適合把它當成「工業感測 + AI 決策」的案例來理解。
它跟一般的礦體模型軟體差在哪？
礦體模型是「事前預測」，根據幾個月前的鑽孔資料推估地下哪裡有礦；MineSense 是「當下量測」，在鏟起來的那一刻直接測。兩者互補，不是取代關係。
使用者評價
還沒有足夠評價，搶先分享你的使用心得！
寫下你的評價
MineSense 的替代方案
查看相似的 AI 工具 →相關 AI 工具
猜你也想看的AI 能源與公用事業
更多加拿大的 AI 工具
同樣來自加拿大的 AI 工具，一起看看。