Auteurs Aurélie Chopard, Philippe Marion, Jean-Jacques Royer, Raymond Taza, Hassan Bouzahzah, Mostafa Benzaazoua
Résumé
L’industrie minière a besoin de techniques efficaces pour relever les défis futurs de l’extraction des ressources. Comme les gisements deviennent de plus en plus complexes, il est nécessaire de très bien connaître un gisement de minerai. La caractérisation minéralogique est une contribution essentielle pour améliorer les connaissances sur le minerai et les déchets pour un projet minier donné. Elle pourrait apporter des progrès importants dans l’extraction du minerai, le traitement des minéraux et la gestion intégrée des déchets. Cependant, les analyses minéralogiques peuvent être très fastidieuses lorsqu’elles sont effectuées manuellement. Par conséquent, la minéralogie automatisée a été développée au cours des trois dernières décennies pour améliorer la rapidité de la caractérisation minéralogique, de sorte que l’information minéralogique puisse être obtenue de façon systématique. De nos jours, les systèmes couramment utilisés sont basés sur des équipements coûteux, notamment des microscopes électroniques à balayage (SEM) avec des analyseurs en dispersion d’énergie à rayons X (EDX). La microscopie optique (OM) est négligée, bien que cette voie puisse fournir des résultats fiables et rapides, tout en étant moins chère. Dans cette étude, on explore la possibilité d’utiliser la microscopie optique en mode lumière réfléchie pour caractériser automatiquement les minéraux opaques. L’identification et la quantification de six sulfures communs à partir de minerais polymétalliques (arsénopyrite, chalcopyrite, galène, pyrite, pyrrhotine et sphalérite) ont été réalisées automatiquement sur une section polie par microscopie optique. Six images spectrales ont été acquises pour l’analyse d’image multispectrale. Cinq d’entre elles ont été acquises sous une source de lumière blanche, équipée de quatre filtres d’excitation différents (436, 480, 605 et 650 nm). La sixième image a été acquise sous une source de lumière UV à 365 nm, après avoir modifié la voie optique pour détecter la réflectance des minéraux dans le spectre UV sans changer la caméra de saisie. Deux solutions logicielles d’analyse d’image ont ensuite été testées pour classifier et quantifier automatiquement les six minéraux sulfurés. La classification a été systématiquement effectuée sur les images multispectrales acquises par seuil de gris avec le logiciel Clemex Vision PEMD. Le logiciel GOCADMD a utilisé l’analyse en composantes principales (PCA) et une méthode supervisée de regroupement des moyennes K pour classer les minéraux. Ensuite, les résultats obtenus ont été comparés à la quantification SEM-EDS, considérée ici comme la référence. Les différences entre les surfaces calculées étaient principalement causées par les artéfacts de préparation des sections polies. Les deux solutions logicielles présentent des résultats prometteurs et pourraient être pleinement exploitées pour procéder à d’autres analyses minéralogiques, telles que la libération des minéraux, les associations minérales, l’identification des textures et la granulométrie des particules. Cette étude est une première étape vers la différenciation et l’identification des sulfures par un chemin optique sans doute fiable et moins cher pour caractériser les produits miniers.
Achetez l’article complet auprès de ScienceDirect.