CN114994040A - 一种烧结矿矿相的定量分析计算方法 - Google Patents
一种烧结矿矿相的定量分析计算方法 Download PDFInfo
- Publication number
- CN114994040A CN114994040A CN202210595273.XA CN202210595273A CN114994040A CN 114994040 A CN114994040 A CN 114994040A CN 202210595273 A CN202210595273 A CN 202210595273A CN 114994040 A CN114994040 A CN 114994040A
- Authority
- CN
- China
- Prior art keywords
- phase
- mineral
- ore
- mineral phase
- phases
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 12
- 238000004445 quantitative analysis Methods 0.000 title claims abstract description 12
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 49
- 239000011707 mineral Substances 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000000227 grinding Methods 0.000 claims abstract description 4
- 238000005498 polishing Methods 0.000 claims abstract description 4
- 229910052595 hematite Inorganic materials 0.000 claims description 6
- 239000011019 hematite Substances 0.000 claims description 6
- SZVJSHCCFOBDDC-UHFFFAOYSA-N iron(II,III) oxide Inorganic materials O=[Fe]O[Fe]O[Fe]=O SZVJSHCCFOBDDC-UHFFFAOYSA-N 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- BPQQTUXANYXVAA-UHFFFAOYSA-N Orthosilicate Chemical compound [O-][Si]([O-])([O-])[O-] BPQQTUXANYXVAA-UHFFFAOYSA-N 0.000 claims description 5
- WETINTNJFLGREW-UHFFFAOYSA-N calcium;iron;tetrahydrate Chemical compound O.O.O.O.[Ca].[Fe].[Fe] WETINTNJFLGREW-UHFFFAOYSA-N 0.000 claims description 5
- LIKBJVNGSGBSGK-UHFFFAOYSA-N iron(3+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[Fe+3].[Fe+3] LIKBJVNGSGBSGK-UHFFFAOYSA-N 0.000 claims description 5
- 238000001035 drying Methods 0.000 claims description 3
- 239000011148 porous material Substances 0.000 claims description 3
- 229910018072 Al 2 O 3 Inorganic materials 0.000 claims description 2
- 238000000386 microscopy Methods 0.000 claims description 2
- 238000005245 sintering Methods 0.000 abstract description 10
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 239000000395 magnesium oxide Substances 0.000 description 3
- CPLXHLVBOLITMK-UHFFFAOYSA-N magnesium oxide Inorganic materials [Mg]=O CPLXHLVBOLITMK-UHFFFAOYSA-N 0.000 description 3
- AXZKOIWUVFPNLO-UHFFFAOYSA-N magnesium;oxygen(2-) Chemical compound [O-2].[Mg+2] AXZKOIWUVFPNLO-UHFFFAOYSA-N 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 208000035126 Facies Diseases 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000000399 optical microscopy Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- TWNQGVIAIRXVLR-UHFFFAOYSA-N oxo(oxoalumanyloxy)alumane Chemical compound O=[Al]O[Al]=O TWNQGVIAIRXVLR-UHFFFAOYSA-N 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 235000012239 silicon dioxide Nutrition 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/20—Recycling
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)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
一种烧结矿矿相的定量分析计算方法，具体步骤如下：将粒度在3‑5mm的烧结矿进行冷镶样，打磨抛光制成矿相分析样品；在矿相显微镜上结合图像处理软件进行样品的矿相图像采集，使用Python软件中的PIL模块对图像像素点的R/G/B值进行采集后，选取典型图片3‑5张进行矿相的判断，确定出各种矿相对应的R/G/B值范围，然后对采集图片的R/G/B值进行归类处理，计算各矿相的数量及比例。通过矿相显微镜结合成像软件输出一系列图片，并用Python软件中图像处理模块对矿相照片每个像素点的RGB进行批量化处理，根据各种矿相RGB的范围，提供快捷高效定量化分析烧结矿内部矿相结构的方法，效率高，准确度高，代表性强。
Description
技术领域
本发明涉及钢铁冶炼技术领域，具体而言，尤其涉及一种烧结矿矿相的定量分析计算方法。
背景技术
烧结矿是由多种矿粉与钙基、镁基熔剂，配加一定量的焦粉混合均匀后经高温熔融烧结而成的人造富矿，是高炉最主要的原料，内部矿相组织结构比较复杂。烧结矿的各项冶金性能的优劣与内部矿相的种类及数量息息相关，而且会直接影响高炉燃料比的消耗及炉况顺行。
随着铁矿石质量的劣化及降本增效的要求，越来越多的非主流矿被用于烧结。随着低品高硅高铝矿的大量使用，烧结矿质量的波动在所难免，为确保质量的稳定，保证高炉顺行，从烧结矿内部结构矿相的种类及数量来表征烧结矿质量，并因此调整配矿结构，稳定质量就显得尤为重要，因此对于内部结构矿相的检测手段也需要改进，提高效率。
目前，通常采用图像分析法结合数点法，根据图像对应组织的形貌及与周边组织的结合状态进行目视区分识别对烧结矿矿相进行定量分析，耗时久，误差大，而且需要软件对矿相图片进行灰度处理，操作复杂。急需要研发一种新的检测方法，提高检测准确率，扩大测试样本。
发明内容
针对现有技术的不足，本发明提供了一种烧结矿矿相的定量分析计算方法，通过矿相显微镜结合成像软件输出一系列图片，并使用Python软件中图像处理模块对矿相照片每个像素点的RGB进行批量化处理，根据各种矿相RGB的范围，提供快捷高效定量化分析烧结矿内部矿相结构的方法，效率高，准确度高。
为解决现有技术问题，本发明采取如下技术方案：
一种烧结矿矿相的定量分析计算方法，包括如下步骤：
S1烧结矿制样
将烧结矿破碎成3—5mm的颗粒，进行冷镶样后干燥、细磨、抛光；
S2光学显微镜分析
对制备好的试样在光学显微镜下选取图像清晰的10—30个点，以放大倍数200倍进行观察，得烧结矿光学显微镜矿相照片；
S3利用Python中的PIL模块对所得到的矿相照片进行像素点R/G/B的批量处理；
S4观察所得到的矿相照片，从中选取3—5幅典型图片观察，根据各矿相的形貌，确定相应矿相的R/G/B值的范围；其中，典型图片是指能够从图里面清晰的分辨出矿相的种类；
S5根据S3中各矿相的R/G/B范围，对S4中的R/G/B值进行分类计数处理，计算各矿相的比例。
优选地，S1中所述烧结矿的主要成分为SiO2含量为5.0—5.5％，Al2O3含量为1.8—2.0％，MgO含量为1.8—2.0％，二元碱度R为1.85—2.05；此处的含量指的是质量分数。
优选地，所述烧结矿矿相主要为赤铁矿、磁铁矿、铁酸钙、硅酸盐、孔洞。
优选地，S3中所述烧结矿各矿相的R/G/B范围值如下：
优选地，步骤S4中所述烧结矿各矿相的比例计算方法为：假定所有像素点中满足R/G/B要求范围的各矿相数量为Ci，则对应矿相的比例Ai为：
其中，i为赤铁矿、磁铁矿、铁酸钙、硅酸盐、孔洞。
有益效果：
与现有技术相比，本发明一种烧结矿矿相的定量分析计算方法，通过矿相显微镜结合电子成像软件、Python软件中图像处理模块PIL进行矿相定量分析方法。该方法通过Python软件对图像的RGB值进行批量处理，结合矿相形貌判定，确定各种矿相的RGB值范围，最终计算出各矿相的比例；通过Python中的PIL图像处理模块，可以对图像中选定范围内每一个像素点进行获取，相比传统的数点法分析，样本量大，计算结果准确度高。
附图说明
图1是实施例中不同视角内的烧结矿的光学显微镜图(典型图)；其中，M-磁铁矿；H-赤铁矿；S-硅酸盐；T-铁酸钙；P-孔洞；
图2是本发明一种烧结矿矿相的定量分析计算方法的流程图。
具体实施方式
以下对本发明提供的具体实施方式进行详细说明。
一种烧结矿矿相的定量分析计算方法，包括如下步骤：
1)样品制备
随机选取碱度为2.0，二氧化硅含量为5.2％，氧化铝含量为1.80％，氧化镁含量为1.8％的烧结矿两组各500g，利用破碎机分别将其破碎至3-5mm的颗粒，进行冷镶样，干燥后进行细磨、抛光；
2)光学显微镜分析
将步骤1)中制备好的两个试样在光学显微镜下各选取10个点，以放大倍数200倍进行观察，结合电子成像软件得到一系列显微镜矿相照片；
3)矿相RGB值范围确定
利用Python中的PIL模块对所得到的两组矿相照片进行像素点R/G/B的批量处理；在步骤2)中得到的一系列照片中选取3幅典型图片(附图1)观察各矿相的形貌，得到相应矿相的R/G/B值的范围；
各矿相的RGB值范围如下表：
4)各矿相比例的计算
a根据各矿相的R/G/B范围，对步骤3)中的R/G/B值进行分类计数处理，计算各矿相的比例。两个样品中按步骤3)中RGB的范围进行分类计数结果如下表所示，其中在获取RGB值时样品1按5个像素点为一个点为进行提取，样品2按1个像素点为一个点进行提取。
b根据公式1计算个矿相的比例，并按10个点的结果求取平均值，结果如下表(最终比例为面积百分比)：
该方法通过Python软件对图像的RGB值进行批量处理，结合矿相形貌判定，确定各种矿相的RGB值范围，最终计算出各矿相的比例；通过Python中的PIL图像处理模块，可以对图像中选定范围内每一个像素点进行获取，而传统的数点法全靠人眼来数，点位少很多，主观影响较大，结果相对粗糙，因此，本发明基于软件的自动分析的点位多，范围广，相对准确度高。
应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (5)
1.一种烧结矿矿相的定量分析计算方法，其特征在于，包括以下步骤：
S1，烧结矿制样
将烧结矿破碎成3—5mm的颗粒，进行冷镶样后干燥、细磨、抛光；
S2，光学显微镜分析
对制备好的试样在光学显微镜下选取图像清晰的10—30个点，以放大倍数200倍进行观察，得烧结矿光学显微镜矿相照片；
S3，利用Python中的PIL模块对所得到的矿相照片进行像素点R/G/B的批量处理；
S4，观察所得到的矿相照片，从中选取3—5幅典型图片观察，根据各矿相的形貌，确定相应矿相的R/G/B值的范围；
S5，根据S3中各矿相的R/G/B范围，对S4中的R/G/B值进行分类计数处理，计算各矿相的比例。
2.根据权利要求1所述的一种烧结矿矿相的定量分析计算方法，其特征在于，S1中所述烧结矿的主要成分为SiO2含量为5.0—5.5%，Al2O3含量为1.8—2.0%，MgO含量为1.8—2.0%，二元碱度R为1.85—2.05。
3.根据权利要求1所述的一种烧结矿矿相的定量分析计算方法，其特征在于，S3中所述烧结矿矿相主要为赤铁矿、磁铁矿、铁酸钙、硅酸盐、孔洞。
4.根据权利要求1所述的一种烧结矿矿相的定量分析计算方法，其特征在于，S3中所述烧结矿各矿相的R/G/B范围值如下：赤铁矿的R最大值为255，最小值为180，G最大值为255，最小值为180，B最大值为255，最小值为180；磁铁矿的R最大值为175，最小值135，G最大值为185，最小值为135，B最大值为180，最小值为115；铁酸钙的R最大值为140，最小值为80，G最大值为150，最小值80，B最大值为160，最小值为80；硅酸盐的R最大值为110，最小值90，G最大值为130，最小值为90，B最大值为130，最小值为90；孔洞的R最大值为90，G最大值为90，B最大值为90。
5.根据权利要求1所述的一种烧结矿矿相的定量分析计算方法，其特征在于，步骤S4中所述烧结矿各矿相的比例计算方法为：假定所有像素点中满足R/G/B要求范围的各矿相数量为Ci，则对应矿相的比例Ai为：
其中，i为赤铁矿、磁铁矿、铁酸钙、硅酸盐、孔洞。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210595273.XA CN114994040A (zh) | 2022-05-28 | 2022-05-28 | 一种烧结矿矿相的定量分析计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210595273.XA CN114994040A (zh) | 2022-05-28 | 2022-05-28 | 一种烧结矿矿相的定量分析计算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114994040A true CN114994040A (zh) | 2022-09-02 |
Family
ID=83028647
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210595273.XA Pending CN114994040A (zh) | 2022-05-28 | 2022-05-28 | 一种烧结矿矿相的定量分析计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114994040A (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01313723A (ja) * | 1988-06-14 | 1989-12-19 | Mitsui Mining & Smelting Co Ltd | 自然石素材の色調判定方法およびその装置 |
| CN101034059A (zh) * | 2006-12-26 | 2007-09-12 | 重庆大学 | 一种测量矿物反射率及矿相组成的方法 |
| CN101059450A (zh) * | 2007-05-18 | 2007-10-24 | 重庆大学 | 冶金矿相智能识别方法 |
| CN101131365A (zh) * | 2006-08-23 | 2008-02-27 | 宝山钢铁股份有限公司 | 烧结矿主要矿物相自动识别方法 |
| JP2014137344A (ja) * | 2013-01-18 | 2014-07-28 | Nippon Steel & Sumitomo Metal | 焼結鉱の顕微鏡画像解析方法 |
| KR20150047220A (ko) * | 2013-10-24 | 2015-05-04 | 주식회사 포스코 | 소결광 성분의 정량화 방법 |
| CN106018406A (zh) * | 2016-05-19 | 2016-10-12 | 武汉科技大学 | 一种基于全景矿相图的烧结矿显微结构分析方法 |
| JP2018124814A (ja) * | 2017-02-01 | 2018-08-09 | キヤノン株式会社 | 画像処理装置、撮像装置、画像処理方法、画像処理プログラム、および、記憶媒体 |
| CN109117759A (zh) * | 2018-07-27 | 2019-01-01 | 北京矿冶科技集团有限公司 | 一种金属硫化物矿物光学显微图像的自动识别方法 |
| CN109191479A (zh) * | 2018-09-06 | 2019-01-11 | 冶金工业规划研究院 | 一种烧结矿中复合铁酸钙矿相含量的自动测量方法 |
| CN110095464A (zh) * | 2019-04-12 | 2019-08-06 | 武汉科技大学 | 一种复杂组成的烧结矿矿相精细化定量分析方法 |
| JP2020091276A (ja) * | 2018-11-27 | 2020-06-11 | 日本製鉄株式会社 | 焼結鉱の鉱物種判別方法及び焼結鉱の組織分析方法 |
| CN111413284A (zh) * | 2020-05-18 | 2020-07-14 | 攀钢集团攀枝花钢铁研究院有限公司 | 钒钛烧结矿中主要物相的定量检测方法 |
| CN113657335A (zh) * | 2021-08-25 | 2021-11-16 | 华北理工大学 | 基于hsv颜色空间的矿相识别方法 |
-
2022
- 2022-05-28 CN CN202210595273.XA patent/CN114994040A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01313723A (ja) * | 1988-06-14 | 1989-12-19 | Mitsui Mining & Smelting Co Ltd | 自然石素材の色調判定方法およびその装置 |
| CN101131365A (zh) * | 2006-08-23 | 2008-02-27 | 宝山钢铁股份有限公司 | 烧结矿主要矿物相自动识别方法 |
| CN101034059A (zh) * | 2006-12-26 | 2007-09-12 | 重庆大学 | 一种测量矿物反射率及矿相组成的方法 |
| CN101059450A (zh) * | 2007-05-18 | 2007-10-24 | 重庆大学 | 冶金矿相智能识别方法 |
| JP2014137344A (ja) * | 2013-01-18 | 2014-07-28 | Nippon Steel & Sumitomo Metal | 焼結鉱の顕微鏡画像解析方法 |
| KR20150047220A (ko) * | 2013-10-24 | 2015-05-04 | 주식회사 포스코 | 소결광 성분의 정량화 방법 |
| CN106018406A (zh) * | 2016-05-19 | 2016-10-12 | 武汉科技大学 | 一种基于全景矿相图的烧结矿显微结构分析方法 |
| JP2018124814A (ja) * | 2017-02-01 | 2018-08-09 | キヤノン株式会社 | 画像処理装置、撮像装置、画像処理方法、画像処理プログラム、および、記憶媒体 |
| CN109117759A (zh) * | 2018-07-27 | 2019-01-01 | 北京矿冶科技集团有限公司 | 一种金属硫化物矿物光学显微图像的自动识别方法 |
| CN109191479A (zh) * | 2018-09-06 | 2019-01-11 | 冶金工业规划研究院 | 一种烧结矿中复合铁酸钙矿相含量的自动测量方法 |
| JP2020091276A (ja) * | 2018-11-27 | 2020-06-11 | 日本製鉄株式会社 | 焼結鉱の鉱物種判別方法及び焼結鉱の組織分析方法 |
| CN110095464A (zh) * | 2019-04-12 | 2019-08-06 | 武汉科技大学 | 一种复杂组成的烧结矿矿相精细化定量分析方法 |
| CN111413284A (zh) * | 2020-05-18 | 2020-07-14 | 攀钢集团攀枝花钢铁研究院有限公司 | 钒钛烧结矿中主要物相的定量检测方法 |
| CN113657335A (zh) * | 2021-08-25 | 2021-11-16 | 华北理工大学 | 基于hsv颜色空间的矿相识别方法 |
Non-Patent Citations (3)
| Title |
|---|
| 李明超;刘承照;张野;朱月琴;: "耦合颜色和纹理特征的矿物图像数据深度学习模型与智能识别方法", 大地构造与成矿学, no. 02 * |
| 王兰莎;张国英;沙芸;: "复杂矿石图像的特征提取与聚类", 北京石油化工学院学报, no. 04 * |
| 白林;姚钰;李双涛;徐东晶;魏昕;: "基于深度学习特征提取的岩石图像矿物成分分析", 中国矿业, no. 07 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6094230B2 (ja) | 焼結鉱の顕微鏡画像解析方法 | |
| CN107132244B (zh) | 一种钢中夹杂物定量评价方法 | |
| O'Brien et al. | Coal characterisation by automated coal petrography☆ | |
| CN105622069A (zh) | 一种锆复合镁钙铁质捣打料及其制备方法 | |
| CN111413284B (zh) | 钒钛烧结矿中主要物相的定量检测方法 | |
| CN110702716A (zh) | 一种基于炼钢工艺进行夹杂物分析的方法 | |
| CN114994040A (zh) | 一种烧结矿矿相的定量分析计算方法 | |
| CN109191479A (zh) | 一种烧结矿中复合铁酸钙矿相含量的自动测量方法 | |
| CN110600086A (zh) | 一种基于铁矿石高温冶金性能的配矿方法 | |
| CN113793308A (zh) | 一种基于神经网络的球团矿质量智能评级方法及装置 | |
| JP7381890B2 (ja) | 焼結鉱の観察評価方法及び焼結鉱の被還元性評価方法 | |
| CN110095464B (zh) | 一种复杂组成的烧结矿矿相精细化定量分析方法 | |
| Hapugoda et al. | Characterization of SFCA phases in iron ore sinter by combined optical microscopy and electron probe microanalysis (EPMA) | |
| Onuk et al. | Mineralogical and chemical quantification of waelz slag | |
| CN116297605A (zh) | 一种钢中镧系元素析出相的检测方法 | |
| JP6822283B2 (ja) | 粉塵の種類判別方法、装置及びプログラム | |
| CN110059648B (zh) | 一种基于增补分割的复杂组成烧结矿的非结构信息库的建立方法 | |
| Alvarez et al. | Qualitative and quantitative evaluation of iron ore sinters through digital microscopy | |
| JP7222379B2 (ja) | 焼結鉱の組織評価方法および焼結鉱の製造方法 | |
| Wei et al. | Characterization of the mineral phases of the iron ore pellet via 3D reconstruction using serial sectioning | |
| Li et al. | Migration and Reaction Mechanism of Barium in BaSO4–CaCO3–Fe2O3 System during Sintering | |
| Wagner et al. | Iron ore pellet characterization through digital microscopy | |
| CN117147601B (zh) | 一种钢中不同状态稀土元素及其分布的定量统计表征方法 | |
| Mašlejová et al. | X–RAY DIFFRACTION ANALYSIS OF IRON SINTER | |
| CN112444517A (zh) | 基于镜下影像铁酸钙总量和形态反演检测烧结矿还原性能的方法 |
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 |