CN111537513A - 矿石结构的统计方法及其应用 - Google Patents
矿石结构的统计方法及其应用 Download PDFInfo
- Publication number
- CN111537513A CN111537513A CN202010466495.2A CN202010466495A CN111537513A CN 111537513 A CN111537513 A CN 111537513A CN 202010466495 A CN202010466495 A CN 202010466495A CN 111537513 A CN111537513 A CN 111537513A
- Authority
- CN
- China
- Prior art keywords
- ore
- mineral
- target
- statistical method
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007619 statistical method Methods 0.000 title claims abstract description 26
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 90
- 239000011707 mineral Substances 0.000 claims abstract description 90
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000011084 recovery Methods 0.000 claims abstract description 10
- 230000001747 exhibiting effect Effects 0.000 claims abstract description 5
- 230000010287 polarization Effects 0.000 claims description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- 235000016623 Fragaria vesca Nutrition 0.000 claims description 3
- 235000011363 Fragaria x ananassa Nutrition 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 229910052799 carbon Inorganic materials 0.000 claims description 3
- 238000003801 milling Methods 0.000 claims description 3
- 240000009088 Fragaria x ananassa Species 0.000 claims 1
- 230000003628 erosive effect Effects 0.000 claims 1
- 238000000227 grinding Methods 0.000 abstract description 8
- 238000012545 processing Methods 0.000 abstract description 4
- 238000000926 separation method Methods 0.000 abstract description 4
- 229910052951 chalcopyrite Inorganic materials 0.000 description 13
- DVRDHUBQLOKMHZ-UHFFFAOYSA-N chalcopyrite Chemical compound [S-2].[S-2].[Fe+2].[Cu+2] DVRDHUBQLOKMHZ-UHFFFAOYSA-N 0.000 description 13
- 239000002245 particle Substances 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 229910052683 pyrite Inorganic materials 0.000 description 3
- NIFIFKQPDTWWGU-UHFFFAOYSA-N pyrite Chemical compound [Fe+2].[S-][S-] NIFIFKQPDTWWGU-UHFFFAOYSA-N 0.000 description 3
- 239000011028 pyrite Substances 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 241000220223 Fragaria Species 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- BWFPGXWASODCHM-UHFFFAOYSA-N copper monosulfide Chemical compound [Cu]=S BWFPGXWASODCHM-UHFFFAOYSA-N 0.000 description 2
- 229910052955 covellite Inorganic materials 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000004990 Smectic liquid crystal Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033558 biomineral tissue development Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 238000007688 edging Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- -1 for example Inorganic materials 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Manufacture And Refinement Of Metals (AREA)
Abstract
本发明提供了一种矿石结构的统计方法及其应用，涉及矿物加工领域，矿石结构的统计方法是以呈现不同矿石结构的目的矿物的面积为基础，计算目的矿物所呈现的不同矿石结构的相对含量，包括以下步骤：a)确定一种需要进行测定矿石结构相对含量的目的矿物的种类；b)获取该目的矿物的至少一个截面的图像；c)对至少一个所述图像中的目的矿物呈现的矿石结构进行划分，获得该目的矿物所呈现的n种矿石结构；d)计算每种矿石结构的总面积Si，即所有呈现第i种结构的目的矿物的面积之和；不同矿石结构在矿石中的相对含量Ki为：
Description
技术领域
本发明涉及矿物加工技术领域，尤其是涉及一种矿石结构的统计方法及其应用。
背景技术
在矿物加工领域，矿石结构的研究是一项重要内容，通常需利用光片或薄片在显微镜下进行。矿石结构是指矿石中矿物颗粒的特点，即矿物颗粒的结晶程度、形状、相对大小、相互嵌布关系或矿物颗粒与矿物集合体的嵌布关系，所反映的是矿物本身的形态特征。
在不同成因类型的矿床中，目的矿物所呈现的矿石结构的种类、相对含量差异较大，矿石结构对回收率预测、碎磨工艺以及选矿工艺的选择和优化具有重要的意义，因此矿石结构的定量统计就显得尤为重要。然而，在目前的工作和研究过程中，矿石结构是研究矿床成因不可或缺的手段之一，能够查明矿物的共生关系、矿床生成的物理化学条件，更多的是注重对成岩、成矿意义进行研究，对矿石结构的描述多是定性的。在矿物加工领域，矿石结构对碎磨工艺及矿石的可选性有着重要的影响，也缺少矿石结构相对含量方面的定量分析。若能实现目的矿物所呈现矿石结构的定量表征，则能够更直观的了解矿石结构对碎磨工艺及可选性的影响，对回收率预测模型的建立、矿床的评价以及工艺流程的制定和优化都具有重要的意义。
有鉴于此，特提出本发明。
发明内容
本发明的目的在于提供一种矿石结构的统计方法，由于矿石中目的矿物所呈现的矿石结构种类较多，该统计方法能够定量的表征目的矿物在矿石中所呈现矿石结构的相对含量，为回收率预测模型的建立、以及碎磨工艺的选择提供依据，也能够为选矿工艺的优化提供依据。
本发明提供的矿石结构的统计方法，是以呈现不同矿石结构的目的矿物的面积为基础，计算目的矿物所呈现的不同矿石结构的相对含量，包括以下步骤：
a)确定一种需要进行测定矿石结构相对含量的目的矿物的种类；
b)获取该目的矿物的至少一个截面的图像；
c)对至少一个所述图像中的目的矿物呈现的矿石结构进行划分，获得该目的矿物所呈现的n种矿石结构；
d)计算每种矿石结构的总面积Si，即所有呈现第i种结构的目的矿物的面积之和；不同矿石结构在矿石中的相对含量Ki为：
其中，当n＝1时，矿石结构在矿石中的相对含量K1为100％，
当n为大于等于2的自然数时，i为从1至n的自然数。
进一步地，获取目的矿物的至少一个截面的图像包括：
将矿物制作成光片或者薄片，利用反射偏光显微镜或透射光显微镜或扫描电子显微镜来获得所述图像。
进一步地，将所述矿石磨制成光片或者薄片。
进一步地，所述目的矿物包括金属矿物和非金属矿物，一次只能选择一种要测定的目的矿物。
进一步地，所述目的矿物所呈现的矿石结构包括自形-半自形晶结构、他形晶结构、包含结构、斑状构造、浸蚀结构、交代残余结构、镶边结构、骸晶结构、乳浊状结构、格状结构、文象结构、叶片状结构、包含变晶结构、放射状变晶结构、碎屑结构、草莓结构、生物结构、压碎结构和定向变晶结构中的至少一种。
一种前面所述的统计方法在回收率预测及碎磨工艺中的应用。
与现有技术相比，本发明至少可以取得以下有益效果：
本发明的矿石结构的统计方法中使用的是呈现不同矿石结构的目的矿物的面积，在测量过程中目的矿物的面积是唯一的，使得本发明的统计方法具有准确性高、重复性好的特点，随着计算机图像技术及人工智能技术的发展，矿石结构的定量化测定准确性及测定速率会有极大提高，该统计方法可以得到更为广泛的应用；另外，本发明的统计方法由于能够定量的表征矿石结构的相对含量，可以为回收率预测模型的建立、碎磨工艺的选择提供依据，也能够为选矿工艺的优化提供依据。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的一个方面，本发明提供了一种矿石结构的统计方法，是以呈现不同矿石结构的目的矿物的面积为基础，计算目的矿物所呈现的不同矿石结构的相对含量，该统计方法包括以下步骤：
S100：确定一种需要进行测定矿石结构相对含量的目的矿物的种类。
S200：获取该目的矿物的至少一个截面的图像。
在本发明的一些实施方式中，获取目的矿物的至少一个截面的图像包括：
将矿物制作成光片或者薄片，利用反射偏光显微镜或透射光显微镜或扫描电子显微镜来获得所述图像。
可以理解的是，在观察图像时即可分辨出图像中的目的矿物种类及其所呈现的矿石结构。
将矿石制作成光片后，获得了一个平整的抛光面光片中的图像便可认为是截面的图像，而利用反射偏光显微镜即可获得被制作成光片中目的矿物的图像；同理，利用透射光显微镜即可获得被制作成薄片中目的矿物的图像；利用扫描电子显微镜可以获得被制作成光片或薄片中目的矿物图像。
在本发明的一些实施方式中，所述目的矿物包括金属矿物和非金属矿物，一次只能选择一种要测定的目的矿物；在测定目的矿物所呈现的矿石结构相对含量时，需要确定一种目的矿物，例如，可以确定铜矿石中的黄铜矿为目的矿物。
在本发明的一些具体实施方式中，例如，铜硫矿中，金属矿物主要为黄铁矿和黄铜矿，另有微量的褐铁矿、铜蓝矿等，可以将黄铜矿作为目的矿物，也可以将黄铁矿作为目的矿物，也可以将褐铁矿或者铜蓝矿作为目的矿物。
在本发明的一些实施方式中，将矿石磨制成光片或者薄片。由此，操作简单、方便，易于实现。
S300：对至少一个所述图像中的目的矿物呈现的矿石结构进行划分，获得该目的矿物所呈现的n种矿石结构。
其中，n大于等于1。
可以理解的是，在同一个矿床中，矿石结构的种类往往是相对固定的，在进行矿石结构的定量化分析之前，应该先对光片或薄片中某一种目的矿物所呈现的矿石结构类别进行识别；对所述至少一个图像中目的矿物呈现的矿石结构类别进行划分，指的是在至少一个图像中划分出目的矿物所呈现的矿石结构，以便于后续对各个矿石结构的总面积进行计算。
在本发明的一些实施方式中，所述目的矿物呈现的矿石结构包括自形-半自形晶结构、他形晶结构、包含结构、斑状构造、浸蚀结构、交代残余结构、镶边结构、骸晶结构、乳浊状结构、格状结构、文象结构、叶片状结构、包含变晶结构、放射状变晶结构、碎屑结构、草莓结构、生物结构、压碎结构和定向变晶结构中的至少一种，但不限于这些结构。
在本发明的一些具体实施方式中，所述黄铜矿呈现的矿石结构包括他形晶结构、交代残余结构、镶边结构和包含结构。
S400：计算每种矿石结构的总面积Si，即所有呈现第i种结构的目的矿物的面积之和；不同矿石结构在矿石中的相对含量Ki为：
其中，当n＝1时，矿石结构在矿石中的相对含量K1为100％，
当n为大于等于2的自然数时，i为从1至n的自然数。
需要说明的是，i为从1至n的自然数指的是：当n为2时，i可以取值1，2，
表示的含义为Ki＝(Si/(S1+S2))×100％；当n大于等于3时，i可以取值1，2……n，Ki＝(Si/∑Si)×100％表示的含义为Ki＝(Si/(S1+S2+……Sn))×100％。
需要说明是的，每种矿石结构的总面积Si中，i的取值不分先后，且S1至Sn分别代表的是不同的矿石结构的总面积即可。
在本发明的一些具体实施方式中，黄铜矿所呈现的矿石结构包括他形晶结构、交代残余结构、镶边结构和包含结构，可以分别将他形晶结构、交代残余结构、镶边结构和包含结构的总面积分布标记为S1、S2、S3和S4，其中，他形晶结构的相对含量(标记为K1)可以用以下公式进行计算：K1＝(S1/(S1+S2+S3+S4))×100％；交代残余结构的相对含量(标记为K2)可以用以下公式进行计算：K2＝(S2/(S1+S2+S3+S4))×100％；镶边结构的相对含量(标记为K3)可以用以下公式进行计算：K3＝(S3/(S1+S2+S3+S4))×100％；包含结构的相对含量(标记为K4)可以用以下公式进行计算：K4＝(S4/(S1+S2+S3+S4))×100％。
在本发明的一些具体实施方式中，所述黄铜矿中他形晶结构、交代残余结构、镶边结构和包含结构的相对含量分别为84.41％、7.53％、7.29％和0.77％。
在本发明的一些实施方式中，为了使得计算得到的不同矿石结构的相对含量比较准确，可以累计多个光片或薄片中的目的矿物呈现的不同矿石结构(图像中的每个目的矿物颗粒都对应一种矿石结构，图像中的截面是矿物颗粒的截面)，为了保证统计数据的代表性，所统计目的矿物的颗粒数应不少于1500个(颗粒为随机统计，具体需要根据矿石中目的矿物的含量而定，含量低可以适当减少颗粒数，含量高的应增加颗粒数)，计算所有矿石结构的面积之和之后再进行矿石结构相对含量的计算。
本发明的矿石结构的统计方法中使用的是每种矿石结构中目的矿物的面积，在测量过程中目的矿物的面积是唯一的，使得本发明的统计方法具有准确性高、重复性好的特点，随着计算机图像技术及人工智能技术的发展，矿石结构的定量化测定准确性及测定速率会有极大提高，该统计方法可以得到更为广泛的应用；另外，本发明的统计方法由于能够定量的表征矿石结构的相对含量，可以为回收率预测、碎磨工艺的选择提供依据，也能够为选矿工艺的优化提供依据。
在本发明的另一方面，本发明提供了一种前面所述的统计方法在回收率预测及碎磨工艺中的应用。
可以理解的是，由于不同类型的矿石结构对碎磨工艺的影响不同，本发明的矿石结构定量统计方法，可以定量的表征不同类型矿石结构的含量，能够为碎磨工艺的选择及回收率预测模型的建立提供依据。
下面结合具体实施方式，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
实施例1
矿石结构的统计方法步骤如下：
某铜硫矿中，金属矿物主要为黄铁矿和黄铜矿，另有微量的褐铁矿、铜蓝等。现针对矿石中的黄铜矿所呈现的矿石结构进行定量分析：
1)通过光片观察，矿石中的黄铜矿所呈现的矿石结构主要为：它形晶结构、交代残余结构、镶边结构和包含结构；
2)通过反射偏光显微镜观察，共计发现了1668颗黄铜矿，并分别进行了图片的拍摄；
3)对所有发现的黄铜矿颗粒所呈现的矿石结构进行了分类，并且对每一个黄铜矿颗粒进行了面积计算，计算结果见表1；
4)不同矿石结构的总面积与合计总面积的比值，即为该种矿石结构的在黄铜矿中的相对含量，结果见表1：
表1
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种矿石结构的统计方法，是以呈现不同矿石结构的目的矿物的面积为基础，计算目的矿物所呈现的不同矿石结构的相对含量，其特征在于，包括以下步骤：
a)确定一种需要进行测定矿石结构相对含量的目的矿物的种类；
b)获取该目的矿物的至少一个截面的图像；
c)对至少一个所述图像中的目的矿物呈现的矿石结构进行划分，获得该目的矿物所呈现的n种矿石结构；
d)计算每种矿石结构的总面积Si，即所有呈现第i种结构的目的矿物的面积之和；不同矿石结构在矿石中的相对含量Ki为：
其中，当n＝1时，矿石结构在矿石中的相对含量K1为100％，
当n为大于等于2的自然数时，i为从1至n的自然数。
2.根据权利要求1所述的统计方法，其特征在于，获取目的矿物的至少一个截面的图像包括：
将矿石制作成光片或者薄片，利用反射偏光显微镜或透射光显微镜或扫描电子显微镜来获得所述图像。
3.根据权利要求2所述的统计方法，其特征在于，将矿石磨制成光片或者薄片。
4.根据权利要求1-3任一项所述的统计方法，其特征在于，所述目的矿物包括金属矿物和非金属矿物，一次只能选择一种要测定的目的矿物。
5.根据权利要求4所述的统计方法，其特征在于，所述目的矿物所呈现的矿石结构包括自形-半自形晶结构、他形晶结构、包含结构、斑状构造、浸蚀结构、交代残余结构、镶边结构、骸晶结构、乳浊状结构、格状结构、文象结构、叶片状结构、包含变晶结构、放射状变晶结构、碎屑结构、草莓结构、生物结构、压碎结构和定向变晶结构中的至少一种。
6.一种权利要求1-5任一项所述的统计方法在回收率预测及碎磨工艺中的应用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010466495.2A CN111537513A (zh) | 2020-05-28 | 2020-05-28 | 矿石结构的统计方法及其应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010466495.2A CN111537513A (zh) | 2020-05-28 | 2020-05-28 | 矿石结构的统计方法及其应用 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111537513A true CN111537513A (zh) | 2020-08-14 |
Family
ID=71976448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010466495.2A Pending CN111537513A (zh) | 2020-05-28 | 2020-05-28 | 矿石结构的统计方法及其应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111537513A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112651579A (zh) * | 2021-01-18 | 2021-04-13 | 矿冶科技集团有限公司 | 基于矿石基因特性的浮选回收率预测方法 |
| CN113933307A (zh) * | 2021-12-17 | 2022-01-14 | 矿冶科技集团有限公司 | 层片状矿物解离特征测量的方法及应用 |
| CN114997540A (zh) * | 2022-08-03 | 2022-09-02 | 矿冶科技集团有限公司 | 矿石中伴生贵金属的回收率的预测方法及其应用 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004347330A (ja) * | 2003-05-20 | 2004-12-09 | Sumitomo Metal Mining Co Ltd | 鉱物分布の定量分析方法 |
| JP2009030104A (ja) * | 2007-07-26 | 2009-02-12 | Nippon Steel Corp | Ｘ線ｃｔによる焼結用鉄鉱石の鉱物組織評価方法および焼結鉱の製造方法 |
| JP2015040724A (ja) * | 2013-08-21 | 2015-03-02 | 住友金属鉱山株式会社 | 鉱物分析装置および鉱物分析方法 |
| CN109934915A (zh) * | 2017-12-18 | 2019-06-25 | 核工业北京地质研究院 | 一种深部蚀变矿物三维建模方法 |
| CN110057727A (zh) * | 2019-04-17 | 2019-07-26 | 中国石油大学(华东) | 一种针对砂砾岩储层中岩屑含量统计的方法 |
-
2020
- 2020-05-28 CN CN202010466495.2A patent/CN111537513A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004347330A (ja) * | 2003-05-20 | 2004-12-09 | Sumitomo Metal Mining Co Ltd | 鉱物分布の定量分析方法 |
| JP2009030104A (ja) * | 2007-07-26 | 2009-02-12 | Nippon Steel Corp | Ｘ線ｃｔによる焼結用鉄鉱石の鉱物組織評価方法および焼結鉱の製造方法 |
| JP2015040724A (ja) * | 2013-08-21 | 2015-03-02 | 住友金属鉱山株式会社 | 鉱物分析装置および鉱物分析方法 |
| CN109934915A (zh) * | 2017-12-18 | 2019-06-25 | 核工业北京地质研究院 | 一种深部蚀变矿物三维建模方法 |
| CN110057727A (zh) * | 2019-04-17 | 2019-07-26 | 中国石油大学(华东) | 一种针对砂砾岩储层中岩屑含量统计的方法 |
Non-Patent Citations (6)
| Title |
|---|
| YASUNARI KANEKO等: "Crystal-size distributions of garnets in metapelites from the northeastern Bushveld contact aureole, South Africa", 《AMERICAN MINERALOGIST》 * |
| YASUNARI KANEKO等: "Crystal-size distributions of garnets in metapelites from the northeastern Bushveld contact aureole, South Africa", 《AMERICAN MINERALOGIST》, 1 August 2005 (2005-08-01) * |
| 柴利娜;刘伟;连海波;李昊;李晓军;: "砒砂岩与沙中矿物粒度分布特征的多尺度微观结构分析", 西部大开发(土地开发工程研究), no. 11 * |
| 王文广: "一种计算岩石中矿物组成的新方法", 《铀矿地质》 * |
| 王文广: "一种计算岩石中矿物组成的新方法", 《铀矿地质》, no. 06, 10 November 2009 (2009-11-10) * |
| 翟裕生等: "《矿床学（第三版）》", 31 October 2011, 地质出版社, pages: 14 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112651579A (zh) * | 2021-01-18 | 2021-04-13 | 矿冶科技集团有限公司 | 基于矿石基因特性的浮选回收率预测方法 |
| CN112651579B (zh) * | 2021-01-18 | 2023-09-29 | 矿冶科技集团有限公司 | 基于矿石基因特性的浮选回收率预测方法 |
| CN113933307A (zh) * | 2021-12-17 | 2022-01-14 | 矿冶科技集团有限公司 | 层片状矿物解离特征测量的方法及应用 |
| CN113933307B (zh) * | 2021-12-17 | 2022-03-11 | 矿冶科技集团有限公司 | 层片状矿物解离特征测量的方法及应用 |
| CN114997540A (zh) * | 2022-08-03 | 2022-09-02 | 矿冶科技集团有限公司 | 矿石中伴生贵金属的回收率的预测方法及其应用 |
| CN114997540B (zh) * | 2022-08-03 | 2022-10-25 | 矿冶科技集团有限公司 | 矿石中伴生贵金属的回收率的预测方法及其应用 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111537513A (zh) | 矿石结构的统计方法及其应用 | |
| Duan et al. | Determination of rice panicle numbers during heading by multi-angle imaging | |
| Zhang et al. | An improved estimation of coal particle mass using image analysis | |
| Little et al. | Auto-SEM particle shape characterisation: Investigating fine grinding of UG2 ore | |
| Köse et al. | Statistical methods for segmentation and quantification of minerals in ore microscopy | |
| Lane et al. | Techniques and applications for predictive metallurgy and ore characterization using optical image analysis | |
| CN105138970A (zh) | 基于空间信息的极化sar图像分类方法 | |
| CA2780169C (en) | Hyperspectral imaging for ore froth processing | |
| Mariano et al. | Error analysis in ore particle composition distribution measurements | |
| CN103365985B (zh) | 一种类别自适应的极化sar分类方法 | |
| CN103903266A (zh) | 一种微纳米颗粒分散分布的分析评估方法 | |
| CN112651579B (zh) | 基于矿石基因特性的浮选回收率预测方法 | |
| CN104156963B (zh) | 一种电气火灾熔痕物证的自动鉴定方法 | |
| Camalan et al. | Assessment of chromite liberation spectrum on microscopic images by means of a supervised image classification | |
| Little et al. | Investigating the effects of particle shape on chromite entrainment at a platinum concentrator | |
| Wightman et al. | Representing and interpreting the liberation spectrum in a processing context | |
| Tonžetić | Quantitative analysis of iron ore using SEM-based technologies | |
| Pérez-Barnuevo et al. | Textural descriptors for multiphasic ore particles | |
| CN107016454B (zh) | 一种非均质矿球磨破碎分布函数预测方法 | |
| CN110501364B (zh) | 一种定量评定双重晶粒度的方法 | |
| Wang et al. | Fractal modelling of the microstructure property of quartz mylonite during deformation process | |
| Girard et al. | Automated gold grain counting. Part 1: Why counts matter! | |
| CN113160152A (zh) | 一种基于图像融合和阈值分割的冷冻电镜单颗粒挑选方法 | |
| CN107024416A (zh) | 结合相似性和不连续性的准圆形颗粒平均尺寸检测方法 | |
| Budzan | Automated grain extraction and classification by combining improved region growing segmentation and shape descriptors in electromagnetic mill classification system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200814 |
|
| RJ01 | Rejection of invention patent application after publication |