前沿科技 OIA全自动铁矿相分析系统在炼铁原材料中的应用

  多数情况下，为做全面的矿产资源评价，了解铁矿石在下游加工作业中的行为或预测矿石品质对下游工艺的影响并优化处理工艺，需要获取大量关于矿石的原始信息。这一些信息包括矿相组成、孔隙度、连生关系、粒度分布、解离度、组织架构、矿石颗粒结构分类和计算出的矿物密度和矿物成分等等。现在，所有这些重要信息都可以在OIA全自动铁矿相分析系统的帮助下准确获得。

  该系统实现在光学显微镜上自动采集图像，并可自动识别不同铁矿石、烧结矿、球团矿和冶金焦炭中的各矿相和孔隙。图像的获取和矿物颗粒的综合表征全部自动化完成，包括结构分类、解离分析、矿物连生关系和计算后的矿物成分、密度、尺寸等。本系统允许用户建立属于自身个人的特定结构分类方案，宽泛的放大倍数适用于铁矿粉至块矿，所有计算结果均以图、表的形式导出到Excle或Word文档，加之友好的用户界面，使之成为研究铁矿石、烧结和球团矿不可或缺的强力助手 。

  OIA系统的工作原理有两个：基于反射色的多门槛值识别；基于矿物组织架构的识别。

  OIA在铁矿石信息表征中的应用最重要的包含获取样品矿物种类（磁铁矿、赤铁矿、水赤铁矿、褐铁矿、石英、孔隙等）及其含量（表1）、颗粒尺寸（表2）、连生关系（表3）及解离度（图3）等[1]

  OIA在烧结矿信息表征中的应用主要在于识别样品中的不同的赤铁矿相--原生赤铁矿（未反应相）和次生赤铁矿（烧结熔体中分异相）和不一样的SFCA相（复合铁酸钙）[2]

  备注：该图像由525帧200×的图像拼接而成，覆盖区域面积12mm×13mm，样品由鞍钢集团钢铁研究院提供

  4相、Fe2O3相和孔隙的分布特征。这里以加热到800℃的磁铁矿球团为例简作说明（图7），详情信息可参阅有关的资料[3]。

  备注：该球团矿直径为12.7mm。图a为21×21帧2×2Mosaix图像拼接而成的光学图像；图b为系统分析后的矿相图像（粉色-Fe3

  OIA在冶金焦炭中的应用主要在于表征样品中的IMDC相（惰性组分）、RMDC相（活性组分）及两者边界和孔隙的分布特征（图8）。详细应用信息可参阅相关资料[4]

  图8  焦炭样品的微观信息表征（品红色-IMDC、浅蓝色-RMDC、黄色-孔隙）

  图9  MLA（图a、b）与OIA（图c、d）分析方法在原生铁矿石信息表征中的对比

  由于天然主要铁矿物（磁铁矿与假象赤铁矿，赤铁矿与水赤铁矿等）的含铁量往往相差不大，因此在扫描电镜下其灰度相近（图9a），MLA等电镜矿物分析软件易产生较大的识别误差（图9b）；但各铁矿物相在光学显微镜下的特征越来越明显（反射色各异，图9c），因此，搭载于光镜上的OIA全自动铁矿相分析系统对铁矿物的识别更加精确，同时，对孔隙特别是微孔隙的捕捉更加灵敏（图9d）。

  图10  MLA（图a、b）与OIA（图c、d）分析方法在烧结矿信息表征中的对比

  MLA在烧结矿的应用中产生的问题与铁矿石分析中遇到的问题相同，样品中不同矿相在电镜下的灰度差异不足以使软件清晰的分割划分，所得分析结果与真实分布情况出入很大（图10a，b）；而OIA在烧结矿中的表征，无论是矿相的识别，还是细节的捕捉，都远远优于MLA。

  手动计数往往低估了作为包体存在的小相；由于玻璃的反射率与环氧树脂的反射率非常接近，使得人眼无法对两者做出可靠的区分，因此也容易低估玻璃相；手动计数往往低估了孔隙率，因为忽略了微孔隙的存在。

  OIA全自动铁矿相分析系统为广大矿业公司，钢铁企业及第三方检验测试的机构实现以下战略目标提供配套定性及定量表征手段：

  ☆ 定量分析铁矿石矿相，用以评估铁矿资源，预测铁矿特征对下游工艺的影响，优化矿石处理工艺流程，从而优化资源利用，增加资源量，降低矿物加工成本。

  ☆ 定量分析烧结矿和球团矿矿相，研究烧结球团矿微观结构与性能的关系，从而优化配矿和烧结焙烧工艺，改善烧结矿品质，降低配矿成本。

  ☆ 定量分析焦炭微观结构，预测焦炭性能及其对炼铁、冶金工艺的影响，以此来实现节能减排。

  广东药科大学第十届化妆品高水平质量的发展大会暨首届广东省化妆品示范产业学院建设研讨会顺利召开

  打破多色分析桎梏，深度解析光谱流式新品CytoStellar——访北京层浪生物科技有限公司CEO刘铁夫

  第三方检测 科研道路千万条，截面抛光第一条，氩离子抛光技术制备三元前驱体材料

  突破传统分析，引领智能科技 欧波同亮相2020ATC动力总成制造技术峰会

  问传统求新知——用扫描电镜揭开铝电解抛光表面的各向异性纳米图案的神秘面纱