摘要
可靠的状态识别对于智能浮选控制至关重要，因为回收率、精矿品位、夹带和矿物损失只能在线部分观测。本系统综述考察了现场仪器、在线分析仪、泡沫成像、时间同步、机器视觉方法、多模态软测量以及决定预测模型能否作为工业传感器运行的工程要求。采用基于 PRISMA 的方案对 2021 年至 2026 年 6 月间的 Scopus 和 Web of Science 出版物进行了筛选。系统证据库包括 2021 年至 2026 年 6 月间发表的 98 篇同行评审技术研究，并使用两篇 PRISMA 方法学出版物以确保综述呈现的方法学。在系统证据主体之外引用的额外方法论和背景来源不计入 PRISMA 反映的研究数量中。证据表明，机器视觉是最成熟的非接触式传感方法，支持气泡尺寸测量、泡沫速度估计、运行状态识别、品位预测和视觉监测。当前研究正从手工特征描述符转向卷积、Transformer、自监督、基于图、时序和多模态模型。然而，如果未评估相机几何、照明、污染、延迟补偿、时间泄漏、域偏移、不确定性、推理延迟以及 SCADA/PLC 集成，仅凭预测准确性并不能证明工业就绪性。提出了一种五维传感器就绪指数，用于评估计量有效性、时间完整性、验证严格性、操作鲁棒性和自动化集成。本综述定义了浮选传感系统可靠工业部署的主要要求。
