کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6673494 465341 2013 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Classification of hematite types in iron ores through circularly polarized light microscopy and image analysis
ترجمه فارسی عنوان
طبقه بندی انواع هماتیت در سنگ معدن آهن از طریق میکروسکوپ نور و دایره ای قطبی شده و تجزیه و تحلیل تصویر
کلمات کلیدی
سنگ آهن، کانی شناسی کانی، مورفولوژی ذرات، سیستم های خبره، هوش مصنوعی،
ترجمه چکیده
سنگ آهن برزیل عمدتا هماتیک است و ممکن است دارای بافت های متفاوت باشد. در صنعت معدن، مشخصه های میکروساختار آنها به صورت دستی انجام می شود، با تجزیه و تحلیل نمونه ها در زیر میکروسکوپ نوری برای شناسایی بافت های هماتیت و تخمین کسر آنها و اندازه کریستال. این روش ذهنی و در نتیجه حساس به خطاهای تصادفی و سیستماتیک است. در این مقاله روشی اتوماتیک برای شناسایی، اندازه گیری و طبقه بندی کانی های هماتیت در سنگ آهن مطابق با انواع بافتی آنها ارائه شده است. این روش از استفاده از نور دایره ای قطبی به منظور تقویت روشنایی و تفاوت رنگ در بلورهای هماتیت استفاده می کند، به این ترتیب امکان انطباق آنها و تجزیه و تحلیل مورفولوژیکی و طبقه بندی آنها در کلاس های گرانول، لامالار یا لوبولار را می دهد. طبقه بندی شده با بیش از 5400 کریستال آزمایش شد، به میزان موفقیت جهانی نزدیک به 98٪، و میزان موفقیت در هر کلاس بیش از 96٪.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی مهندسی شیمی (عمومی)
پیش نمایش مقاله
طبقه بندی انواع هماتیت در سنگ معدن آهن از طریق میکروسکوپ نور و دایره ای قطبی شده و تجزیه و تحلیل تصویر
چکیده انگلیسی
Brazilian iron ores are predominantly hematitic and may have different textures. In the mining industry, their microstructural characterization is manually performed, by analyzing samples under an optical microscope to identify the hematite textures and estimate their fractions and crystal size. This procedure is subjective and consequently susceptible to random and systematic errors. The present paper proposes an automatic method for the identification, measurement and classification of hematite crystals in iron ore according to their textural types. The method exploits the use of circularly polarized light to amplify brightness and color differences among hematite crystals, allowing their individualization, and the subsequent morphological analysis and classification into granular, lamellar or lobular classes. The classifier was tested with more than 5400 crystals, reaching a global success rate close to 98%, and success rates per class above 96%.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Minerals Engineering - Volume 52, October 2013, Pages 191-197
نویسندگان
, , , ,