Development and Calibration of a Quantitative, Automated Mineralogical Assessment Method Based on SEM-EDS and Image Analysis: Application for Fine Tailings
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Quantitative mineralogy has seen significant developments from the combination of scanning electron microscopy (SEM) with automatic image analysis and energy dispersive X-ray spectrometry (EDS). The mining industry is one of the fields that has benefited from this progress. In this paper, the authors present a newly developed quantitative method based on SEM-EDS and image analysis (IA), which is used to determine the mineralogical and environmental characteristics of mine tailings. The main objectives of the method are to be able to characterize sulphides and carbonates as monomineral particles, which control the acid generation from the tailings. Pure sulphides, calcite and quartz were blended to make mineralogical standards that represent typical mine tailings environmental behavior. The SEM-EDS-IA method achieved good mineralogical precision for medium (1-20 Wt%) and abundant (> 20 Wt%) minerals, with a relative error below 10 %. However, some corrections had to be applied to account for typical stereological effects (apparent particle diameter from polished surface) and preparation modes (particle segregation during resin hardening). Particle size analysis was used to calibrate the method and identify the corrections to be applied. Since mineralogical quantifications are based on the area of the observed particles, the most reliable particle size analyses (also obtained from particle area) typically lead to the best mineralogical characterization. However, the SEM based techniques may show some limitations for fine-grained particle quantification (< 10 m), which required additional corrections. In this article, the technique is described, and it is applied to characterize fine-grained mine tailings with a size-by-size mineralogy (with
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle