Automated Gold Grain Counting. Part 2: What a Gold Grain Size and Shape Can Tell!
Notice bibliographique
Résumé
Glacial drift exploration methods are well established and widely used by mineral industry exploring for blind deposit in northern territories, and rely on the dispersion of mineral or chemical signal in sediments derived from an eroded mineralized source. Gold grains themselves are the prime indicator minerals to be used for the detection of blind gold deposits. Surprisingly, very little attention has been dedicated to the information that size and shape of gold grain can provide, other than a simple shape classification based on modification affecting the grains that are induced in the course of sediment transport. With the advent of automated scanning electron microscope (SEM)-based gold grain detection, high magnification backscattered electron images of each grain are routinely acquired, which can be used for accurate size measurement and shape analysis. A library with 88,613 gold grain images has been accumulated from various glacial sediment surveys on the Canadian Shield and used to detect trends in grains size and shape. A series of conclusions are drawn: (1) grain size distribution is consistent among various surveys and areas, (2) there is no measurable fine-grained gold loss due to natural elutriation in ablation or reworked till, or during the course of reverse circulation drilling, (3) there is no grain size sorting during glacial transport, severing small grains from large ones, (4) shape modification induced by transport is highly dependent on grain size and original shapes, and (5) the use of grain shape inherited from neighboring minerals in the source rocks is a useful feature when assessing deposit types and developing exploration strategies.
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 | 0,001 |
| 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 | 0,001 | 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 ».