Ore detection and grade estimation in the Sudbury mines using thermal infrared reflectance spectroscopy
Notice bibliographique
Résumé
Abstract This pilot study investigated the usefulness of thermal infrared reflectance (TIR) spectroscopy to estimate ore grade in an underground environment and to separate ore-bearing samples from their host rocks. Work was carried out under laboratory conditions to test the initial concept; all samples had naturally broken faces to mimic the situation in a freshly blasted underground opening. A total of 26 samples, including massive and disseminated ores, were collected from eight mines around the Sudbury basin in Ontario. Rock surfaces were measured wet and dry to address environmental conditions encountered underground. To separate barren rocks from ores and for ore-grade estimation, an important finding of this research is that, in the region of 1319 cm−1, most known silicate minerals converge to a common reflectance minima (< 1.5%), but massive and disseminated sulfides have distinctly higher reflectance. Individual sulfide minerals (chalcopyrite, pyrrhotite, pentlandite), however, do not reveal diagnostic features in this spectral region. When sulfides are disseminated in the host rock, the average reflectance of the rock increases but the correlation with abundance is not systematic. However, sulfide concentration as a function of continuum-removed reflectance (CRR) is systematic. The empirical correlation between CRR at 1319 cm−1 versus the total sulfide concentration, estimated via thin-section point counts, gives a coefficient of determination value (R2) of 0.93 for measurement of dry and wet surfaces when averaged. Similar results are observed when dry and wet locations are analyzed separately. The relationship demonstrates the feasibility to estimate total sulfide concentration from TIR reflectance data even when samples are wet.
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.
Comment cette classification a été obtenuedéplier
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».