Automatiske metoder innen mineralkarakterisering. Kurt Aasly (IGB) Høstmøtet 15. oktober 2015, Trondheim

Transkript

1 Automatiske metoder innen mineralkarakterisering Kurt Aasly (IGB) Høstmøtet 15. oktober 2015, Trondheim 1

2 Mineralkarakterisering Anvendt mineralogi (applied mineralogy) Industriell mineralogi (industrial mineralogy) Prosessmineralogi (process mineralogy) mineral- (og malm) -karakterisering å beskrive mineraler med tanke på de egenskaper som er viktig for formålet med undersøkelsene 2

3 Mineralogi (mineralinnhold) Mineralidentifikasjon Mengde av ulike mineral Fordeling av mineralene Mineralkjemi (elementinnhold) Mengde Fordeling (snoering, påvekst, etc) Mineralteksturer (mineralenes opptreden) Kornstørrelse Kornform Sammenvoksninger Mineralassosiasjoner Hvordan opptrer mineralene i forhold til hverandre Frimalingsegenskaper 3

4 Anbefalt lesing: Prof. Emeritus Terje Malvik har tatt for seg historien til Prosessmineralogifaget i Mineralproduksjon nr 5, 2014: Malvik T (2015) History and Growth of modern process mineralogy. Mineralproduksjon nr 5, p

5 Automatiske metoder i mineralkarakterisering vs. automated mineralogy 5

6 What is Automated Mineralogy & Petrography? Automated Mineralogy & Petrography is a technology solution that images rocks. It provides valuable information on which minerals are present in a sample (mineralogy) and how they occur spatially (microtexture). Measurements are performed ultrafast and unattended (automated) to allow high sample throughput Kilde: Fei.com 6

7 automated mineralogy A generic term describing a range of analytical solutions, areas of commercial enterprise, and a growing field of scientific research and engineering applications involving largely automated and quantitative analysis of minerals, rocks and man-made materials Kilde: David Haberlah, postet den 8/ på (11/ ) 7

8 8 Kilde: David Haberlah, postet den 14/ på (11/ )

9 Automatiske metoder innen mineralkarakterisering Hva legger vi i det? Automatisk datainnsamling som muliggjør hurtig innsamling av data fra store mengder prøvemateriale Fra makro til mikro : Hyperspektral avbildning SEM baserte systemer Xray Micro-CT 9

10 250 µm µm

11 Hyperspektrale metoder Bruker NIR og SWIR spektre til å identifisere ulike mineralogi nm (synlig lys: nm) Oppløsning <µm Rask scanning av for eksempel borkjerner Kan brukes som støtte for logging av kjerner Omvandling forståelse av mineralisering Malmtyper - relatere til oppredbarhet m 0.05mm RGB Digital Imagery Kaolinite Abundance Mineral Classification Map 11 Foto: corescan.com.au

12 Hyper spektrale metoder Foto: Souza H. And Grammatikopoulos T., 2015, Applications of Automated Mineralogy in Geometallurgy [poster.]: Society of Economic Geologists, SEG 2015: World Class Ore Deposits: Discovery to Recovery, Hobart, TAS, Australia, September, 27-30, 2015, Proceedings, 1 p. 12

13 13 Kilde: Haraden, C et al., 2015, Utilizing Shortwave Infrared Spectral Analysis to Map Hydrothermal Alteration and Geometallurgical Domains at the Pebble Cu-Au-Mo Porphyry Deposit, Alaska, USA [poster.]: Society of Economic Geologists, SEG 2015: World Class Ore Deposits: Discovery to Recovery, Hobart, TAS, Australia, September, 27-30, 2015, Proceedings, 1 p.

14 SEM baserte systemer 14 Kilde:

15 Moderne automatisk mineralogi SEM basert Kombinerer BSE og EDS Identifiserer mineraler Mineralogi og teksturanalyse Steinmaterialer Malm Menneskeskapte materialer Anvendt av mineral- (malm-) industrien for Malmkarakterisering Prosessmineralogi og Geometallurgi Forbedring av oppredningsresultat 15

16 SEM basert Automated Mineralgoy Automatisert «kornanalyse» Hurtig innsamling av store datamengder Statistisk pålitelig informasjon Mineralkjemi og mineralogisk data Kvantitativ info om teksturelle parametere Frimalingsanalyse 16 Institutt for geologi og bergteknikk

17 Alternative systemer 17 Komplette systemer FEI MLA Mineral Liberation Analyzer FEI QUEMSCAN Quantitative Evaluation of Mineralogy by Scanning Electron Microscopy TESCAN TIMA Tescan Integrated Mineral Analyzer Investeringskostnader rundt 1 mill Euro +/- Enklere løsninger Oxford Instruments - Inca Minerals et enklere «stand alone» system krever Oxford instruments EDS system Zeiss - Natural Resources Mining Solutions krever Zeiss SEM, men kan kjøpes til i etterkant som egen modul Investeringskostnader - < Euro (?)

18 MLA vs. QUEMSCAN Likheter: Begge eies/leveres av samme produsent (FEI) Har opphav i (forskjellige) teknologiske miljøer Utviklet for spesifikk industriell anvendelse Begge system forutsetter at komplett SEM kjøpes sammen med software 18

19 MLA vs. QUEMSCAN QUEMSCAN CSIRO 1975 (første publ.) Først brukt på platinamalmer Bruker EDS til full punktscan for ID av mineralogi og definisjon av korn Partikler avgrenses m BSE MLA Uni. Queensland (Dr. Ying Gu) 1995 (første publ.) Først brukt på PGE malmer (PGE søk) Bruker BSE bilde til segmentering av partikler/korn EDS til ID av mineralogi 19

20 20

21 Røntgentomografi I prinsippet kunne man gått til St. Olavs hospital med borkjernen Men, i virkeligheten er valg av type utstyr avhenigg av ønsket oppløsning Høyere oppløsning krever høyere effekt og mindre prøvestørrelse Kilde: Marum.de Teknologien er under rasende(?) utvikling Kan regnes som makro eller mikro i denne sammenheng 21 Ikke destruktiv teknikk som gir resultatet i 3D!!!

22 Prinsippskisse Røntgen mikrotomografi Kilde: Hiseh, CH. 2012: Procedure and Analysis of Mineral Samples Using High Resolution X-ray Micro Tomography. MSc thesis, Uni. Utah, Dept of Metallurgical engineering 22

23 Partikkelstørrelse 5-10x voxelstørrelse Forventet oppløsning for Micro-CT: Små prøver høy oppløsning: 1-2 mm gir typisk <1-3 µm / voxel Større prøver - lavere oppløsning: typisk µm / voxel Avgjørende for oppløsningen er Prøvens plassering i røntgenstrålen Instrumentets geometri 23

24 24 Kilde: Hiseh, CH. 2012: Procedure and Analysis of Mineral Samples Using High Resolution X-ray Micro Tomography. MSc thesis, Uni. Utah, Dept of Metallurgical engineering

25 Oppsummering Automatiske metoder er gode løsninger for innsamling av store datamengder Godt supplement og assistanse ved logging av borkjerner Mer nøyaktig (objektiv) identifikasjon av f.eks omvandlingssoner under logging Allerede etablert internasjonalt som et viktig verktøy til utvikling og optimalisering Muliggjør innsamling av store mengder mineralogisk data Store muligheter for bedre forståelse av mineralforekomster og optimalisering av oppredningsprosesser Automatiske metoder utelukker ikke mineralogisk kompetanse!! 25