LIBS mineralogy: quantitative mineralogy on the belt
Notice bibliographique
Résumé
Quantitative mineralogy is an established discipline in the geosciences and is aimed at providing mineral grade and texture information for geological and mineral processing applications. The two core technologies underpinning Quantitative Mineralogical Analysis (QMA) are Scanning Electron Microscopy (SEM) in combination with Energy-dispersive X-ray Spectroscopy (EDS). Technologies such as QEMSCAN and MLA are now routinely used to optimise the performance of large-scale mineral processing plants in the base and precious metal sectors. One of the major disadvantages of the QMA methods used today is extensive sample preparation requirements which make application of this technique to real-time mineralogical characterization not feasible. A breakthrough has been achieved by the National Research Council Canada in collaboration with CRC ORE by developing a novel Laser Induced Breakdown Spectroscopy (LIBS) based technology capable of real-time mineralogical characterization of process streams without sample preparation. The potential applications of this technology include, but not limited to, in-pit muck piles, underground draw points, cross-belt analysis as well as slurries. This paper describes the development of the LIBS-based technology from a proof-of-concept (TRL2) to the construction of a prototype sensor and its validation in a simulated environment (TRL5). Future work is being planned to test and further validate the LIBS sensor on a mine-site which will progress the technology to its next readiness level TRL6).
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) | 0,001 | 0,001 |
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 ».