褐铁矿

背景介绍多数情况下，为进行全面的矿产资源评价，了解铁矿石在下游加工作业中的行为或预测矿石品质对下游工艺的影响并优化处理工艺，需要获取大量关于矿石的原始信息。这些信息包括矿相组成、孔隙度、连生关系、粒度分布、解离度、组织结构、矿石颗粒结构分类和计算出的矿物密度和矿物成分等等。现在，所有这些重要信息都可以在OIA全自动铁矿相分析系统的帮助下准确获得。该系统实现在光学显微镜上自动采集图像，并可自动识别不同铁矿石、烧结矿、球团矿和冶金焦炭中的各矿相和孔隙。图像的获取和矿物颗粒的综合表征全部自动化完成，包括结构分类、解离分析、矿物连生关系和计算后的矿物成分、密度、尺寸等。本系统允许用户建立属于自己的特定结构分类方案，宽泛的放大倍数适用于铁矿粉至块矿，所有计算结果均以图、表的形式导出到Excle或Word文档，加之友好的用户界面，使之成为研究铁矿石、烧结和球团矿不可或缺的强力助手 。 图1 OIA全自动铁矿相分析系统工作原理OIA系统的工作原理有两个：基于反射色的多门槛值识别；基于矿物组织结构的识别。应用范围原生铁矿石、铁精粉、烧结矿、球团矿及冶金焦炭等炼铁原材料。应用案例1-铁矿石OIA在铁矿石信息表征中的应用主要包括获取样品矿物种类（磁铁矿、赤铁矿、水赤铁矿、褐铁矿、石英、孔隙等）及其含量（表1）、颗粒尺寸（表2）、连生关系（表3）及解离度（图3）等[1]。同时，可以提供包含丰富信息的彩色矿物分析图像（图2）。7图2 铁矿石光学图像(a)与矿物分析图像(b)表1 铁矿石样品中的矿物组成与含量表2 铁矿石样品中的矿物颗粒尺寸表3 铁矿石样品中各矿物间的连生关系图3 样品中按矿相计算的解离关系应用案例2-烧结矿OIA在烧结矿信息表征中的应用主要在于识别样品中的不同的赤铁矿相--原生赤铁矿（未反应相）和次生赤铁矿（烧结熔体中分异相）和不同类型的SFCA相（复合铁酸钙）[2]，并提供包含丰富信息的彩色图像（图4），包括大面积拼图（图5）与微观分析图像（图6）。 图4 烧结矿光学图像(a)与矿相分析图像(b)图5 烧结矿样品的大面积光学图像拼图(a)与矿相分析图(b)备注：该图像由525帧200×的图像拼接而成，覆盖区域面积12mm×13mm，样品由鞍钢集团钢铁研究院提供图6 上述烧结矿样品的微观分析图像应用案例3-球团矿OIA在球团矿中的应用主要在于表征样品中的Fe3O4相、Fe2O3相和孔隙的分布特征。这里以加热到800℃的磁铁矿球团为例简作说明（图7），详细信息可参阅相关资料[3]。图7 球团矿样品的微观信息表征备注：该球团矿直径为12.7mm。图a为21×21帧2×2Mosaix图像拼接而成的光学图像；图b为系统分析后的矿相图像（粉色-Fe3O4相、蓝色-Fe2O3相、黄色-孔隙）；图c-图e为各相的空间分布特征应用案例4-冶金焦炭OIA在冶金焦炭中的应用主要在于表征样品中的IMDC相（惰性组分）、RMDC相（活性组分）及两者边界和孔隙的分布特征（图8）。详细应用信息可参阅相关资料[4]。图8 焦炭样品的微观信息表征（品红色-IMDC、浅蓝色-RMDC、黄色-孔隙）OIA与MLA分析方法对比—铁矿石图9 MLA（图a、b）与OIA（图c、d）分析方法在原生铁矿石信息表征中的对比（粉色-磁铁矿、蓝色-赤铁矿、绿色-褐铁矿、黄色-孔隙、黑色-未识别）由于天然主要铁矿物（磁铁矿与假象赤铁矿，赤铁矿与水赤铁矿等）的含铁量往往相差不大，因此在扫描电镜下其灰度相近（图9a），MLA等电镜矿物分析软件易产生较大的识别误差（图9b）；但各铁矿物相在光学显微镜下的特征更加明显（反射色各异，图9c），因此，搭载于光镜上的OIA全自动铁矿相分析系统对铁矿物的识别更加精确，同时，对孔隙特别是微孔隙的捕捉更加灵敏（图9d）。OIA与MLA分析方法对比—烧结矿图10 MLA（图a、b）与OIA（图c、d）分析方法在烧结矿信息表征中的对比MLA在烧结矿的应用中产生的问题与铁矿石分析中遇到的问题相同，样品中不同矿相在电镜下的灰度差异不足以使软件清晰的分割划分，所得分析结果与真实分布情况出入很大（图10a，b）；而OIA在烧结矿中的表征，无论是矿相的识别，还是细节的捕捉，都远远优于MLA。OIA关键技术优势• 自动化分析，效率性大幅提升(比人工计点法快高效准确)手动计数往往低估了作为包体存在的小相；由于玻璃的反射率与环氧树脂的反射率非常接近，使得人眼无法对两者做出可靠的区分，因此也容易低估玻璃相；手动计数往往低估了孔隙率，因为忽略了微孔隙的存在。• 准确性(比扫描电镜分析方法更精确)• 信息丰富性(包含丰富的矿物信息）• 形貌表征(包括不同矿相和孔隙的组织结构和空间分布特征)OIA潜在应用OIA全自动铁矿相分析系统为广大矿业公司，钢铁企业及第三方检测机构实现以下战略目标提供配套定性及定量表征手段：☆ 定量分析铁矿石矿相，用以评估铁矿资源，预测铁矿特征对下游工艺的影响，优化矿石处理工艺流程，从而优化资源利用，增加资源量，降低矿物加工成本。☆ 定量分析烧结矿和球团矿矿相，研究烧结球团矿微观结构与性能的关系，从而优化配矿和烧结焙烧工艺，改善烧结矿品质，降低配矿成本。☆ 定量分析焦炭微观结构，预测焦炭性能及其对炼铁、冶金工艺的影响，从而实现节能减排。参考文献[1] Donskoi, E. ,Poliakov, A. ,Manuel, J. R. and Raynlyn, T. D. Advances in optical image analysis and textural classification of iron ore fines, XXV International Mineral Processing Congress-IMPC2010, Brisbane, Australia. 2010, pp. 2823-2826.[2] Donskoi, E. ,Poliakov, A. ,Manuel, J. R. Automated Optical Image Analysis of Natural and Sintered Iron Ore: mineralogy, processing and environmental issues, Ed. L. Lu, Elsevier, 2015, pp: 101-159[3] Poliakov, A. ,Donskoi, E. , Hapugoda, S. Lu, L. Optical image analysis of iron ore pellets and lumps using CSIRO software Mineral4/Recognition4. IRON ORE CONFERENCE/PERTH, AUSTRALIA, 2017, 7: 24-26[4] Donskoi, E. ,Poliakov, A. , Mahoney, M. R., Scholes O. Novel optical image analysis coke characterization and its application to study of the relationship betweem coke structure, coke strength and parent coal composition. Fuel, Elsevier, 2017(208), pp: 281-295

1、背景介绍随着我国钢铁行业的高速发展，对各个检验及研发环节要求越来越高。无论是生产装备还是检验研发设备，降本增效是发展根本。产品结构已经完成了“普转特、特转优、优转精”的战略转型，提供优质的铁水、钢水是对于生产的保障，而合理的原料供应是得以保障持续发展的必要条件。选矿是整个生产过程中最重要的环节，选矿工艺的合理制定也直接决定了后续的产品质量。Fe在矿石中的主要存在形式有磁铁矿、赤铁矿、褐铁矿、菱铁矿，对不同种类矿石的区分以及硬度、密度、湿度、解离度等方面的评估是制定后续的选矿工艺的理论基础。所以更好、更深入地了解铁矿资源而不仅仅局限于铁含量的检测非常重要，其不仅能够准确地评估铁矿价值、推断铁矿品质对下游工艺的影响，还能够优化生产工艺以节约成本提高产能。2、工作原理3、产品功能（1）识别并定量分析铁矿石矿相，从而评估铁矿价值，优化矿石处理工艺流程及预测铁矿品质对下游工艺的影响；（2）识别并定量分析烧结和球团矿矿相，研究烧结球团矿微观结构与性能的关系，优化配矿和烧结焙烧工艺，从而改善烧结矿品质降低配矿成本；（3）分析焦炭微观结构，预测焦炭性能及其对炼铁、冶金工艺的影响。4、产品优势（1）相对于传统的电镜矿物分析系统，该产品的性价比更高、效率更高。与人工计点法相比，其评价的面积更大，精度更高，速度会有几十倍的提升。同时该系统配备的完善的数据库以及极高的自动化程度降低了对操作人员技术水平的要求，能够节约一部分人工成本。对于整个钢铁行业而言能够快速的推动选矿、配矿等工艺的发展，提高整个行业的发展水平。（2）该系统基于丰富的高质有效矿物信息能够实现更高层次的特征表征；（3）直观的反映出相同结构、相似性质的矿石颗粒的结构差异，对下游工艺流程的预测具有重要指导意义。下图为四种具有不同类型组织结构特征的赤铁矿颗粒（从致密到多孔不等）。这些不同的组织结构使得它们在硬度、耐磨性和吸湿性等方面表现出差异，同时在粉碎、选矿造粒和烧结过程中也表现出不同特点。（4）基于反射光显微镜的工作原理能够有效地鉴别不同种类的铁氧化物和氢氧化物，比电镜矿物分析和拉曼光谱等分析速度更快、分辨率更高、更经济实用。（5）H = 赤铁矿（假象赤铁矿）,HH = 水赤铁矿，vG = 玻璃针铁矿,oG = 赭色针铁矿，K = 高岭石,P = 孔隙,E = 环氧树脂创新点：（1）相对于传统的电镜矿物分析系统，该产品的性价比更高、效率更高。（2）该系统基于丰富的高质有效矿物信息能够实现更高层次的特征表征；（3）直观的反映出相同结构、相似性质的矿石颗粒的结构差异，对下游工艺流程的预测具有重要指导意义。（4）基于反射光显微镜的工作原理能够有效地鉴别不同种类的铁氧化物和氢氧化物，比电镜矿物分析和拉曼光谱等分析速度更快、分辨率更高、更经济实用。全自动光学显微矿物分析系统

据消息称，位于澳大利亚布里斯班的创业公司Plotlogic近日已完成1800万美元的A轮融资，本轮融资将有助于其基于光子学的矿石表征技术实现进一步商业化。Plotlogic由首席执行官Andrew Job于2018年创建，其“OreSense”技术是将激光雷达、高光谱成像与机器学习相结合，可提供矿石的自动化分析，有助于提升提取效率并减少浪费。优质的客户群体Plotlogic的客户群体包括全球矿业巨头必和必拓（BHP）、嘉能可（Glencore）以及英美资源集团（Anglo American）。Plotlogic目前已经获得Innovation Endeavors的资金支持。Innovation Endeavors是一家由谷歌前首席执行官Eric Schmidt创立的硅谷风险投资基金，其投资企业包括Uber、Planet Labs等。“采矿业迫切需要能够提高安全性、减少温室气体排放并且提升盈利能力的解决方案。而这正是Plotlogic利用自主创新技术所能提供的优势。”Plotlogic首席执行官Andrew Job表示。Innovation Endeavors合伙人Sam Smith-Eppsteiner表示，该公司已准备利用其光子技术“彻底改革”采矿业，并补充道：“通过采用一种新的数据模式，Plotlogic可以生成精确、实时且具有预测性的矿体知识。早期客户关系强调了这种不断改进的价值观：优化操作，减少碳排放和浪费。”如果该技术广泛实施，业内希望通过Plotlogic的方法增强对镍、铜和锰的提取，这些金属被认为是向更清洁能源技术（如电动汽车电池等应用）过渡的关键材料。“OreSense”技术应用案例分析根据Plotlogic的一项案例研究表明，西澳大利亚州的一家客户利用该技术改进了对优质铁矿石的开采，从而提高了该公司矿山的经济可行性。这家初创公司在其研究中解释道：“采矿运营商所面临的挑战是如何确定矿石的类型和等级，以及矿井壁上的废料。从而改进矿石的处理，并妥善安排矿石和废料的清除。”高光谱之眼“OreSense”系统能够在现场实时获取、处理并分类高光谱数据，同时绘制到地形和地理参考图，以便与矿山图合成，并实现精确的坡度控制。Plotlogic声称：“除此之外，该技术的另一显著优势是，它能使采矿更加安全和健康，因为利用该技术可以显著减少人员暴露于开工矿区的风险，并可以检测到有害纤维材料的存在。”该系统经过四周时间的部署，可以确定和量化赤铁矿、针铁矿和褐铁矿矿石，以及代表废料的各种粘土；该系统能够突出不同等级矿石和粘土之间的界限，并绘制矿井壁上氧化铝的绝对丰度图。Plotlogic表示，公司计划将这轮融资用于进一步的研发工作，并支持新技术的商业化进程。