Содержание к диссертации
Введение
ГЛАВА 1. Методы исследования минерального вещества с использованием рентгеновского излучения и анализа изображений 11
1.1. Ядерно-физические методы, использующие рентгеновское излучение... 12
1.2. Методы оптической микроскопии для морфоструктурных исследований ... 15
1.3. Томография как метод исследования внутренней структуры объекта 18
ГЛАВА 2. Техника и методика применения метода рентгеновской томографии для изучения геологических образцов 28
2.1. Метод рентгеновской томографии. Физические основы и методика исследований 28
2.2. Технические характеристики микротомографа ВТ-50-1 «Геотом» 34
2.3. Образцы сравнения для рентгенотомографического анализа 35
2.4. Технология проведения рентгенотомографического анализа 39
ГЛАВА 3. Методика интерпретации результатов рентгенотомографического исследования 43
3.1. Идентификация минеральных фаз 43
3.2. Система обработки рентгенотомографических изображений TomAnalysis .. 48
ГЛАВА 4. Исследование методом рентгеновской томографии горных пород, руд, минералов и техногенного минерального сырья 56
4.1. Руды черных и цветных металлов (тонкодисперсные, труднообогатимые).. 56
4.2. Экспрессная разбраковка рудосодержащих кусков от пустой породы 84
4.3. Исследования микроструктуры и состава нефтегазоносных пород 86
4.4. Алмазы и алмазоносные породы - нерудное минеральное сырье 89
4.5. Ископаемые угли - энергетическое сырье 98
4.6. Техногенное минеральное сырье - металлургические шлаки 100
4.7. Органогенные минералы (жемчуг, коралл) 108
4.8. Уникальные и геммологические объекты, коллекционное сырье 116
ГЛАВА 5. Комплексирование рентгенотомографического анализа с методами минералогических исследований 119
5.1. Возможность определения минералогических критериев качества углей новым комплексом методов с применением рентгеновской томографии 119
5.2. Рентгенотомографический анализ в комплексе минералогических методов исследования шунгитовых пород 134
5.3. Рентгенотомографический анализ в комплексе современных методов минералого-аналитических исследовании океанических руд 139
Заключение 149
Список использованных источников 150
- Методы оптической микроскопии для морфоструктурных исследований
- Образцы сравнения для рентгенотомографического анализа
- Система обработки рентгенотомографических изображений TomAnalysis
- Алмазы и алмазоносные породы - нерудное минеральное сырье
Методы оптической микроскопии для морфоструктурных исследований
Другим важным параметром оценки качества минерального сырья, помимо минерального (фазового) состава, являются морфоструктурные характеристики, которые отражают взаимоотношение рудных и нерудных минералов, характер их срастаний, размер и форму зерен. Гранулярный состав и морфометрические характеристики минералов в значительной степени определяют выбор технологической схемы обогащения и прогнозирование технологических показателей - количество стадий и крупность дробления руды или породы, возможность получения отвальных хвостов, а также потерь в хвостах за счет неполного раскрытия минералов, и эффективность раскрытия рудообразующих минералов, т.е. глубину обогащения [12, 40, 57, 65].
Методы оптической микроскопии (световой оптики) - традиционные методы исследования плоских (двухмерных) поверхностей минерального вещества под микроскопом, обычная величина поля зрения - 12-42 мм [52, 98]. Предназначены для диагностики минералов и определения текстурно-структурных характеристик в отраженном и проходящем свете. Исследуются шлихи, дробленые пробы и специально приготовленные препараты - полированные шлифы, прозрачные шлифы, искусственные брикеты, которые требуют высокого качества полировки поверхности. Однако близкие значения оптических констант диагностируемых минералов могут не позволить их достоверно разделить методами световой оптики, например, изоморфные ряды марганцовистый кальцит-манганокальцит-родохрозит или ферришпинелей, т.е. провести анализ - диагностику всех минеральных или (и) техногенных фаз с количественной оценкой их содержания.
Оптически непрозрачные даже в тонких срезах минералы оказываются прозрачными для рентгеновских лучей, и это позволяет визуализировать и устанавливать их морфоструктурные характеристики методом рентгенотомографии.
В последние годы в технологической минералогии широко используется оптико-геометрический анализ изображений, позволяющий определять характер распределения минералов в руде и продуктах ее обогащения, в том числе форму и размер зерен, тип сростков [57,94]. Отметим, что, по мнению некоторых специалистов, текстурно-структурные и гранулярные характеристики являются наиболее динамичным показателем, который может изменяться в широких пределах в процессе переработки минерального сырья [35].
Оптико-геометрический метод исследования геообъектов предназначен для изучения морфоструктурного состава, в том числе количественных (морфология, гранулярный состав индивидов) исследований оптических (световых) изображений, получаемых на плоских поверхностях, данные экстраполируют в объемные (трехмерные) характеристики, что вносит определенные ограничения на правильность установленных характеристик.
Для повышения достоверности морфоструктурных характеристик следует проводить массовые измерения. Это может быть достигнуто использованием систем компьютерных автоматических анализаторов изображений - систем, обеспечивающих экспрессные ввод и обработку сложных изображений [18, 24, 35, 95]. Современный уровень конструктивно-технических и технологических характеристик высокоразрешающих оптических микроскопов, совмещенных с автоматическими системами анализа изображений, позволил полностью автоматизировать и расширить область традиционного оптико-геометрического анализа. В процессе анализа можно селективно выделять минералы (фазы) или их агрегаты размером 0,001-8 мм с последующим измерением и математической обработкой их геометрических параметров. Автоматическим анализом изображений определяются параметры: морфометрические (площадь, периметр, длина, ширина зерен); структурные (изрезанность и кривизна границ зерен, их удлинение); гранулярные (минимальная, максимальная и средняя размерность зерен), их распределение по условным классам крупности. Это позволяет проводить количественный морфоструктурный анализ, включающий определение фазового и гранулярного состава геообъектов, устанавливать морфометрические характеристики слагающих их минеральных и (или) техногенных фаз. Разработаны методические рекомендации НСОММИ, регламентирующие процедуру выполнения анализа [18].
По функциональным возможностям системы условно подразделяются на 3 типа [94]. К первому относятся системы анализа изображений универсального назначения -мультипроцессорные системы с последовательной и/или параллельной структурой; снабжены трансляторами языков высокого уровня и имеют развитые системные библиотеки и пакеты прикладных программ, например, Magiscan, Quantimet (Великобритания) и IBAS (Германия). Ко второму относятся системы, не имеющие распределенной памяти и, как правило, не являющиеся мультипроцессорными, и с ограниченными возможностями, поскольку в большей степени ориентированы не столько на анализ, сколько на обработку изображений - например, Pericolor (Франция), Videolab (Великобритания), Omega (Польша), Leitz TAS Plus (Германия). К третьему относятся системы обработки, а не анализа изображений, такие как все системы фирмы AMS (Великобритания), Omnimet (ФРГ-США), Videoplan (ФРГ), работают только в рамках методик, предусмотренных фирмой-изготовителем [24, 95].
Отечественные автоматические анализаторы изображений для исследования оптических изображений геообъектов - например, система Видео-Мастер (НВП «Центр-ЭСТАгео», Россия) [24] и аппаратурный комплекс САИМ (система анализа изображений методически ориентированная), разработанный в ВИМСе [21] - соответствуют первому типу систем. Системы обеспечивают, при условии возможности различить оптические характеристики диагностируемых фаз: предварительную обработку изображений; идентификацию составляющих изображение фаз и их морфометрических параметров. Выделение фаз, отличающихся градациями серого цвета в диапазоне от 0 (черный цвет) до 225 (белый цвет), фазы должны различаться по отражению на 4 единицы в градаций «серого». Расчет морфометрических характеристик выделенных объектов проводится автоматически. Исследуемая площадь поверхности - в пределах рабочей области применяемого микроскопа (например, 2,5-39 мм у МБС-9); размеры индивидов (зерен) от 5 мкм до 8 мм [18] (рабочая область микротомографа ВТ-50-1 «Геотом» - до 15 мм).
Оптико-геометрический анализ проводят на специально изготовленных препаратах -полированных шлифах, искусственных брикетах, особенные требования предъявляются к качеству поверхности. Визуализируется и анализируется площадное оптическое изображение поверхности исследуемого объекта, а рассчитанные морфоструктурные характеристики экстраполируются затем на весь объем геообъекта. 1.3. Томография как метод исследования внутренней структуры объекта
Очевидна важность и целесообразность неразрушающего изучения, визуализации внутренней структуры какого-либо материального объекта - биологической ткани, клетки, горной породы и минерала, промышленного изделия детали. Методы изучения и визуализации основаны на различных физических явлениях взаимодействия излучения и вещества; надо, чтобы излучение проникало в объект и изменяло свои характеристики -частично поглощалось или рассеивалось [29, 25, 45, 75, 148, 158]. В этом плане свойства рентгеновского излучения, способного проникать через твердые тела весьма информативны, как нельзя лучше подходят для этих целей (длина волны рентгеновского излучения 10" - 100 нм, что соразмерно с межатомными расстояниями в кристаллической структуре минералов; энергетический диапазон от 100 эВ до 0,1 МэВ) [29, 75]. Рентгенограмма является суперпозицией (наложением) изображений всех слоев, через которые проходит рентгеновское излучение. Поэтому для определения тонких деталей внутренней структуры необходимо получить изображение каждого изолированного слоя объекта - томограммы (от греч. tomos - слой).
Образцы сравнения для рентгенотомографического анализа
Достоверность выделения фаз и их идентификации зависит, в том числе, от точности вычисления эффективных ЛКО для образцов сравнения (ОС), которая, в свою очередь, определяется точностью знания элементного (химического) состава и плотности р, г/см вещества образца сравнения, а также параметров спектра рентгеновского излучения. Рассчитанные ЛКО для ОС приведены в табл. 2.1. Поскольку значение эффективного ЛКО немоноэнергетического излучения в той или иной точке объекта определяется не только свойствами объекта, но и параметрами спектра излучения, то в принципе невозможно создание стандартного образца эффективного ЛКО для рентгенотомографического анализа вообще, возможно лишь для конкретного излучателя томографа с конкретным напряжением рентгеновской трубки при условии знания спектрального состава излучения. При этом само значение эффективного ЛКО определяется расчетным путем и зависит от применяемой методики расчета. Поскольку для практического расчета эффективного ЛКО немоноэнергетического гамма-излучения необходимы данные о ЛКО отдельных энергетических линий спектра излучения, возможно использование ОС с метрологически аттестованными значениями ЛКО для моноэнергетического гамма-излучения.
В целях увеличения надежности и достоверности идентификации элементов микронеоднородности внутренней структуры исследуемых объектов были разработаны и изготовлены ОС ЛКО моноэнергетического гамма-излучения. С целью получения точных данных о химическом составе в качестве образцов сравнения были взяты стандартные (в соответствии с требованиями соответствующих ГОСТов) материалы. К аттестуемым характеристикам были отнесены ЛКО моноэнергетического гамма-излучения в энергетическом диапазоне 10-100 кэВ, поскольку рабочим напряжением рентгеновской трубки микротомографа ВТ-50-1 «Геотом» является 100 кВ, и диаметр d образцов.
В комплект образцов сравнения входят образцы РТ-1 (медь марки МО по ГОСТ 859-78, содержание Си не менее 99,98%), РТ-2 (алюминий марки А97 по ГОСТ 11069-85, содержание А1 не менее 99,97%), РТ-3 (стекло органическое техническое марки ТОСП по ГОСТ 17622-72Е) в виде цилиндров диаметром 0,5 мм и длиной 20 мм. Дополнительно может использоваться ОС углерода РТ-4 (уголь активный АГ-3 по ГОСТ 20464-75).
Определение ЛКО моноэнергетического гамма-излучения образцов сравнения. Для установления аттестованных значений ЛКО моноэнергетического гамма-излучения ОС применялась методика метрологической аттестации по расчетно-экспериментальной процедуре приготовления стандартных образцов ГОСТ 8.315-97 [4], которая основана на использовании известных или специально исследованных характеристик и количественных соотношений исходных компонентов, применяемых для приготовления стандартных образцов путем их смешивания, с получением расчетных значений их метрологических характеристик.
Значения ЛКО ц для у -ой энергии гамма-излучения устанавливались путем расчета для соответствующих энергий гамма-излучения из химического состава (р,- массовой доли i-го элемента), плотности (р) и массового коэффициент ослабления (ц1 ) вещества образца сравнения. Химический состав вещества ОС принят по соответствующим ГОСТам. Плотность ОС ГОСТами не регламентирована, ее значение определялось методом гидростатического взвешивания в нейтральной жидкости (воде) на рычажных весах ВЛР-200М, имеющих погрешность ±0,15 мг в соответствии с ГОСТ 8.207-76. Для каждого образца материала проводились серии независимых испытаний, по 5 испытаний в серии. Результаты испытаний обрабатывались по ГОСТ 8.207-76. Плотность образцов сравнения из Си, А1, оргстекла, угля установлена 8,91; 2,71; 1,18 и 0,09 г/см соответственно. Погрешность определения ЛКО обусловлена погрешностями параметров, через которые она определяется - плотности вещества р, массового р, и линейного р! коэффициентов ослабления моноэнергетического гамма-излучения.
Значения аттестуемой характеристики - линейного коэффициента ослабления моноэнергетического гамма-излучения - ц определялись по формулам (6), (7) ,и приведены в отчете ФГУП ГНЦ РФ ВНИИгеосистем, 2001.
Погрешность ЛКО обусловлена погрешностями перечисленных дополнительных характеристик. Границу абсолютной погрешности Ац можно рассчитать через абсолютные погрешности Ар, Ар„ Aju mj Расчеты погрешностей, выполненные с учетом полученных значений дополнительных характеристик ОС и их погрешностей, показали, что на значения ЛКО ц примесь (допустимая по ГОСТу) в материалах ОС не влияет; погрешность определения плотности и химического состава пренебрежимо мала; погрешность значений ЛКО определяется, главным образом, погрешностью табличных данных ЛКО основньк химических элементов, входящих в состав ОС. Относительная погрешность значений ЛКО не превышает, по абсолютной величине: для Си-ОС и А1-ОС - 10%, для оргстекла - 2% при всех значения энергии гамма-излучения (Отчет ФГУП ГНЦ РФ ВНИИгеосистем, 2001).
Определение диаметра образцов сравнения. Диаметр ОС определялся методом прямых измерений с многократными наблюдениями по ГОСТ 8.207-76 с использованием микрометра, имеющего цену деления 0,01 мм и предел допускаемой погрешности 0.002 мм. Замеры осуществлялись случайным образом равномерно по длине испытуемых образцов.
Диаметр ОС из Си, А1, оргстекла, угля определены соответственно 0,510±0,005; 0,518±0,005; 0,98±0,01 мм.
Использование ОС обеспечивает точность вычисления эффективного ЛКО за счет уменьшения неопределенности в химическом составе и плотности вещества, и, с другой стороны, делает возможным расчет эффективных ЛКО для ИО и ОС в одинаковых условиях с учетом их одновременного размещения в зоне сканирования. Поскольку для идентификации используется отношение эффективных ЛКО ОИ и ОС, расчет их по единой методике после получения томограммы позволяет считать погрешность эффективного ЛКО равной удвоенной погрешности определения ЛКО образца сравнения.
Опыт проведения рентгенотомографических исследований с использованием ОС из различных материалов позволил установить, что набор образцов сравнения из оргстекла, алюминия, меди обеспечивает изучение внутренней микронеоднородности практически всех минеральных объектов. При идентификации минеральных фаз, как правило, используется А1-ОС, т.к. его плотность находится в середине диапазона плотности горных пород [86] и наиболее близка к средней плотности силикатов и алюмосиликатов, составляющих до 95% массы земной коры.
Система обработки рентгенотомографических изображений TomAnalysis
Для обработки и анализа результатов РТ-анализа была специально разработана «Система обработки рентгенотомографических изображений TomAnalysis» [19, 38, 39, 43, 92], назначением которой является выделение фаз на изображении по интервалу значений амплитуд ЛКО с использованием метода (алгоритмов) распознавания образов, и определение морфометрических и гранулярных параметров выделенных фаз. Одной из основных особенностей системы является возможность выявлять однотипные части изображения, распознавая все изображение или какую-либо его часть. Утверждена соответствующая инструкция, регламентирующая ход выполнения работ [19].
Автор диссертации участвовал в постановке данной задачи и осуществлял ее методическое руководство в части интерпретации геологической информации - определял перечень морфометрических параметров, требования к содержанию программных процедур измерения и обработки изображений, статистического анализа данных. В разработке системы принимал участие СВ. Зинченко.
Система TomAnalysis может быть также использована для анализа оптических изображений, что упрощает комплексирование методов рентгенотомографии и оптической микроскопии (оптико-геометрического анализа) [19, 38].
Характеристика системы TomAnalysis. Программа производит обработку цифровых массивов, полученных на томографе ВТ, оптических изображений, формируемых системой «Видеомастер-56» и изображений в формате Bitmap 256 Gray Colors. Стандартный рабочий формат вводимого изображения выбран формат 512x512 точек с 256-ю градациями яркости. Изображение визуализируется на экране монитора с использованием псевдоцветов с изменяемыми палитрой и параметрами окна визуализации, с возможностью инверсии яркости всего изображения. Система работает в интерактивном и автоматическом режимах, с возможностью перехода между ними в процессе обработки данных.
В системе TomAnalysis реализовано два способа «машинного обучения» по методу распознавания образов [72] для выделения однородных объектов изображения - Голотип N и многослойная нейронная сеть, обучаемая по алгоритму обратного распознавания ошибки.
Результаты представляют в виде таблиц или гистограмм. В программе есть функция экспорта данных в формате, воспринимаемом современным международным программным обеспечением (Microsoft Office, Adobe Photoshop и др.). Предусмотрено ведение архива файлов исходных и модифицированных изображений.
Функции программы TomAnalysis: выделение и маркирование фаз; измерение линейных размеров, определение морфометрических параметров индивидов (зерен) минералов (общие морфометрические - площадь, периметр, длина, ширина, гранулярные - минимальный, максимальный и средний размер); определение объемных и массовых содержаний (в %) выделенных фаз и расчет гистограмм их распределения (частота встречаемости значений показателя, в данном случае ЛКО, в зависимости от его величины) по условным классам крупности (размерам), и, таким образом, устанавливать характеристики и структурные взаимоотношения минералов, в том числе в сложных агрегатах, в их естественном состоянии. Обработку можно вести как по одной, так и одновременно по нескольким изображениям (томограммам). Программа TomAnalysis позволяет строить графики распределения амплитуды ЛКО вдоль отрезка, проходящего через рассматриваемый элемент в заданной точке и измерять геометрические параметры.
Работа программы. Интерфейс TomAnalysis состоит из семи основных частей (см. рис. 3.2 А). Работа программы начинается с загрузки (импорта) массива данных -экспериментальных значений амплитуд ЛКО - в операционную среду для обработки. Выделяют фазы (индивиды) по диапазонам амплитуд ЛКО и маркируют их. Возможен последовательный перебор всех индивидов одной фазы и отображение всех установленных индивидов данной фазы. Для каждой выбранной (маркированной) фазы осуществляется расчет параметров частотного распределения: средневзвешенного значения; среднеквадратического отклонения; моды; медианы.
Значение ЛКО для фазы можно (1) задавать вручную, непосредственно задавая нижнюю и верхнюю границу диапазона, или (2) определять автоматически, используя данные, полученные после процедуры распознавания - в двух реализованных в программе вариантах - по методу распознавания Голотип N или многослойной нейронной сети. На изображении томограммы, разделенном на фазы, выбираются области для обучения и экзамена (подлежащая распознаванию). Формируется два множества -обучающее и экзаменационное. После процедуры обучения следует распознавание, которое можно проводить с учетом фактора формы и без. Далее выбирается один из алгоритмов распознавания. Программа автоматически проводит распознавание и разделение (градацию) индивидов. Результатом распознавания является отнесение индивидов на изображении к определенной фазе (минералу) по значению амплитуды ЛКО.
По результатам распознавания заданной фазы для каждого распознанного ее индивида автоматически выполняется измерение и расчет (в физических единицах и пикселях) морфометрических и амплитудных характеристик, задаваемых из перечня: длин проекций индивида на оси X и Y; длины (максимальной хорды) индивида; ширины (поперечного размера на половине длины) индивида; максимальных сечений индивида вдоль осей X и Y; периметра индивида; ориентации индивида (угла наклона длины к оси X); площади индивида; координаты центра тяжести; диаметра круга, эквивалентного рассматриваемого индивида по площади; удлинения (отношения длины индивида к ее ширине); компактности (отношения площади индивида к min площади прямоугольника, содержащего этот индивид); длин общих участков сопрягающихся индивидов, принадлежащих к разным фазам; средневзвешенного значения и среднеквадратического отклонения амплитуды. Для морфоструктурного анализа, после процедуры распознавания и разделения на фазы, строят таблицы данных и гистограммы массового и количественного распределения, для этого системой TomAnalysis проводят разбиение всех индивидов заданной фазы на условные классы крупности (рис. 3.2 Б-1). Перед началом разбиения задают характеристики из их набора: количество интервалов; критерий разбиения (площадь; длина; ширина; длина и ширина); границы размеров индивидов); затем получают таблицы, гистограммы количественного и массового распределения фаз (рис. 3.2 Б- 2). Алгоритмы распознавания образов, используемые в системе TomAnalysis. Алгоритм Голотип N основан на методике сравнения с прототипом, относится к экстенсиональным методам распознавания и может быть использован, когда в материале обучения представлены объекты нескольких образов. С геометрической точки зрения алгоритм заключается в покрытии сферами области сложной формы. В центре каждой сферы расположен объект - голотип, который «в среднем и равномерно» больше других представленных объектов данного образа похож на эти объекты.
Алгоритм позволяет анализировать материал обучения в целях выяснения возможностей других алгоритмов диагноза (распознавания). В геометрической интерпретации алгоритм покрывает области сложной формы сферами. В центре каждой сферы расположен объект - голотип, который «в среднем и равномерно» больше других объектов данного образа похож на эти объекты. Задают область обучения и область экзамена в биологии.
Алмазы и алмазоносные породы - нерудное минеральное сырье
Для разведанных отечественных месторождений средние содержания железа в 1,5-2 раза ниже среднемировых - 30-35% по сравнению с 55-60%, а марганца - 20% и менее технологичное, чем в зарубежных странах, в том числе и странах СНГ, поскольку в них содержится значительное количество фосфора и железа [48]. Увеличение сырьевой базы страны по ряду металлов и обеспечение металлургических производств отечественным рентабельным сырьем черных металлов может быть достигнуто не только за счет переоценки запасов и подготовки к освоению резервных месторождений, но прежде всего, разработкой новых схем комплексной технологической переработки руд, обеспечивающих извлечение всех полезных компонентов с минимальными потерями и экономическую рентабельность.
В России марганец относится к остродефицитным стратегическим видам минерального сырья. Марганец является одним из важнейших легирующих элементов, используемых в производстве высококачественной стали. На протяжении более полувека потребности советской металлургической и химической отраслей промышленности удовлетворялись и удовлетворяются сегодня в основном за счет ввоза товарных марганцевых руд с Украины, Грузии и Казахстана. Поэтому собственная марганцеворудная база в России не развивалась. В то же время главными потребителями марганцевого сырья являются металлургические предприятия именно России, их потребность составляет около 1,3 млн. тонн концентрата в год или 3-3,5 млн. тонн марганцевой руды, и может возрасти до 2,5 млн. тонн в год. В балансовых запасах России преобладают (90,84%) карбонатные руды - низкокачественные, полиминеральные со сложным текстурно-структурным рисунком [48, 57]. Основу отечественной МСБ марганца составляют крупные Усинское и Порожинское месторождения с общими запасами более 200 млн. т, доминирующую роль в которых играют бедные карбонатные руды с содержанием металла около 20%. Усинское месторождение заключает 50% балансовых запасов, Порожинское - 16%. Поэтому создание собственной марганцево-рудной базы (за счет разработки более совершенных технологий обогащения руд, а также ввода в освоение ряда месторождений смешанного генезиса) является для Российской Федерации важной задачей развития ее минерально-сырьевого комплекса [1,2].
Поэтому было проведено РТ изучение вещественного состава текстурно-структурных характеристик в целях определения направлений промышленное использования и возможных технологий переработки этих карбонатных марганцевых руд. Усинское месторождение марганцевых руд расположено в Кемеровской обл. в центральной части Кузнецкого Алатау, является самым крупным в России - его балансовые запасы составляют 98,5 млн. тонн. Карбонатные марганцевые руды -вулканогенно-осадочного генезиса [48], образовались в условиях морского геосинклинального режима при накоплении карбонатных, преимущественно известковых, и кремнисто-карбонатных осадков; их образование сопровождалось подводным вулканизмом. Особенностью рудной пачки является переслаивание родохрозитовых и манганокальцитовых руд, марганцовистых известняков и сланцев.
Карбонатные марганцевые руды Усинского месторождения представлены родохрозитовым и манганокальцитовым типами с различными слоистыми текстурами, обусловленными чередованием прослоев скрытокристаллического, мелко- и среднезернистого карбонатного материала. Текстуры руд - прожилковые и вкрапленные, что связано с наличием прожилков и гнездовидных выделений силикатов, карбонатов и гидроксидов марганца. В целом они достаточно однородные, что связано с высоким содержанием родохрозита (68%). Наблюдаются прожилки разной мощности, сложенные в основном кальцитом. Структуры преимущественно скрыто- и мелкокристаллических разновидностей. Основными рудными минералами являются родохрозит (родохрозитовая руда), манганокальцит и марганцовистый кальцит (манганокальцитовая руда), слагающие основную массу руды, реже встречающиеся в виде прожилков. В качестве второстепенных минералов присутствуют, по минералогическим данным, силикаты и гидроксиды марганца, кварц, тальк, стильпномелан и пирротин. Ренгенотомографическое исследование проведено на кусковом материале исходной минералогической пробы и классифицированных продуктах технологических проб [59, 127, 129]. Методом РТ были определены фазовый состав, морфометрические и гранулярные характеристики главных рудных минералов карбонатных руд Усинского месторождения (рис. 4.1). Данные значений ЛКО для выделенных фаз приведены в табл. 4.1. По диапазонам значений ЛКО (ос/ді) в образцах установлено от 5 до 8 фаз (табл. 4.1). сильнопоглощающие зерна оксидов и гидроксидов марганца и железа размером 180-220 мкм со значениями а? 2,85-3,10; прожилки со значением о, 1,14-1,28; главная рудная минеральная фаза с о, от 1,34-1,80 (родохрозит II генерации); сравнительно плотная рудная фаза с аэ от 1,40-1,85 (родохрозит I генерации), присутствующая в виде реликтов (размеры до 100 мкм) в родохрозите II генерации; нерудные (породообразующие) минералы с с ср, равным 0,8-1,0 и 1,60-1,90. С учетом данных минералогического анализа выделены: глинистые минералы, опал, кальцит, марганцовистый кальцит, манганокальцит, родохрозит, гидроксиды и оксиды марганца (табл. 4.1). Фиксируется три фазы родохрозита, различающиеся по поглощению (аэ равны 2,35-2,49; 2,62-2,73 и 2,80-2,87). Наиболее сильнопоглощающим является родохрозит I генерации, присутствующий в подчиненном количестве по отношению к родохрозиту II генерации.
Манганокальцит, судя по значениям ЛКО, представлен также тремя разновидностями, при этом наименьшее поглощение (аэ 1,14-1,28) имеет манганокальцит, выполняющий прожилки, являющийся более поздним по времени образования. Манганокальцит первых двух разновидностей (аэ 1,60-1,88 и аэ 1,34-1,45) обычно встречается в тесной ассоциации.
Области и зоны распространения слоистых алюмосиликатов (аэ 0,60), индивиды оксидов и гидроксидов марганца (аэ 3,0). Пример расчета гранулярных характеристик главных рудных минералов приведен в табл. 4.2.
Похожие диссертации на Методика и технология изучения природного и техногенного минерального сырья методом рентгеновской томографии
