Autoren: Aurélie Chopard, Philippe Marion, Jean-Jacques Royer, Raymond Taza, Hassan Bouzahzah, Mostafa Benzaazoua
Kurzfassung
Die Bergbauindustrie benötigt effektive Techniken, um die zukünftigen Herausforderungen des Ressourcenabbaus zu meistern. Lagerstätten werden immer komplexer, deshalb ist eine gute Kenntnis des Erzlagers erforderlich. Die mineralogische Bestimmung ist wichtig, um das Wissen über Erze und Abfallprodukte bei Bergbauprojekten zu verbessern. Das könnte große Fortschritte bei der Erzförderung, der Mineralaufbereitung und dem integriertem Abfallmanagement bringen. Allerdings können mineralogische Analysen sehr aufwändig sein, wenn sie manuell durchgeführt werden. Hier hat in den letzten dreißig Jahren die automatische Mineralogie für Abhilfe gesorgt. Sie verbessert und beschleunigt die mineralogische Charakterisierung und ermöglicht die routinemäßige Ermittlung von mineralogischen Informationen. Die heute normalerweise eingesetzten Systeme basieren auf teuren Geräten, darunter Rasterelektronenmikroskope (REM) mit energiedispersiven Röntgenanalysegeräten (EDX). Die optische Mikroskopie (OM) kommt nicht zum Einsatz, obwohl auf diesem Weg zuverlässige und schnelle Ergebnisse kostengünstiger erzielt werden könnten. In dieser Studie wird der Möglichkeit untersucht, undurchsichtige Mineralien mittels optischer Mikroskopie im Auflichtmodus automatisch zu charakterisieren. Dabei wurden sechs Sulfide aus polymetallischen Erzen (Arsenopyrit, Chalcopyrit, Galena, Pyrit, Pyrrhotit und Sphalerit) mit optischen Mikroskopen auf einer polierten Fläche automatisch identifiziert und quantifiziert. Dabei entstanden sechs Spektralbilder für die Multispektral-Bildanalyse. Fünf davon wurden unter einer Weißlichtquelle mit vier verschiedenen Anregungsfiltern (436 nm, 480 nm, 605 nm, und 650 nm) aufgenommen. Das sechste Bild wurde unter einer UV-Lichtquelle mit 365 nm aufgenommen, nachdem die optische Weglänge angepasst wurde, um den Reflexionsgrad der Mineralien im UV-Spektrum zu ermitteln, ohne die Aufnahmekamera austauschen zu müssen. Anschließend wurden zwei Bildanalyselösungen getestet, um die sechs Sulfidmineralien automatisch zu klassifizieren und zu quantifizieren. Die Klassifizierung erfolgte systematisch anhand der aufgenommenen Multispektralbilder mittels Grauwert mit Clemex Vision PE®. Die GOCAD® Software hat für die Klassifizierung der Mineralien die Hauptkomponentenanalyse (PCA) und überwachtes K-Means-Clustering verwendet. Die daraus gewonnenen Ergebnisse wurden mit denen der REM-EDS-Quantifizierung verglichen, die hier als Referenz dient. Der Unterschied zwischen den betrachteten Oberflächenbereichen ließen sich hauptsächlich auf die Artefakte aus der Vorbereitung der polierten Flächen zurückführen. Die beiden Softwarelösungen haben vielversprechende Ergebnisse geliefert und könnten für andere mineralogische Analysen eingesetzt werden, beispielsweise für Mineralfreisetzung, Mineralassoziationen, Texturidentifizierung und Partikelgrößenverteilung. Diese Studie ist ein erster Schritt in Richtung Differenzierung und Identifizierung von Sulfiden mit optischen Mitteln. Sie zeigt, dass dieser Weg zur Charakterisierung von Bergbauprodukten ähnlich zuverlässig und dabei kostengünstiger ist wie bisherige Methoden.
Gesamten Artikel über ScienceDirect erwerben