利用X射线计算机断层扫描（CT）对基律纳型铁矿石颗粒样品进行定量矿物学和结构分析

《Powder Technology》：Quantitative mineralogical and textural analysis of particulate samples of Kiruna-type iron ores using X-ray computed microtomography (CT)

本文利用X射线计算机断层扫描（CT）结合MSPaCMAn方法，对瑞典Per Geijer铁矿床的细粒、多嵌生铁矿石进行三维矿物学分析，并与扫描电镜-能谱（SEM-EDS）、X射线衍射（XRD）和化学分析结果对比。研究表明，CT在简单纹理样品中与其它方法高度一致，但在复杂细粒样本中因分辨率限制和部分体积效应导致偏差，尤其对萤石/氯石组分的解放度估算误差显著（可达50%）。结果显示，CT可有效揭示颗粒形状差异（如轴比），并验证了三维分析在矿物加工设计中的必要性。

　　### 一、引言与研究背景

在矿物加工领域，矿物的选矿效率和产品质量很大程度上取决于对矿物性质的深入理解。传统的矿物学研究方法，如光学显微镜和扫描电子显微镜（SEM）结合能谱分析（EDS）的图像分析技术，已经成为矿物学分析的重要工具。这些技术主要依赖于二维数据，从而可能引入固有的立体学偏差（stereological bias）。由于二维数据无法完全反映矿物颗粒的真实三维结构，这种偏差可能会影响对矿物解离度、粒径分布和矿物关联性等关键微结构属性的准确评估。

近年来，三维成像技术，特别是X射线计算机断层扫描（X-ray computed tomography, CT），因其能够提供无偏的三维数据而受到广泛关注。CT技术能够揭示矿物颗粒的真实形态和分布，为矿物加工流程提供更为精确的矿物学和微结构信息。然而，尽管CT在某些情况下已被成功应用于矿物样品的分析，但其在处理具有复杂纹理和细粒度的矿物样品时仍存在一定的局限性，如矿物识别能力、分辨率限制和部分体积效应（partial volume effect, PVE）等。

为克服这些限制，研究者们提出了一种基于颗粒的CT分析方法——MSPaCMAn。该方法通过灰度直方图和考虑部分体积效应，实现对矿物学的定量分析。本研究通过对比多种分析方法（包括SEM-EDS图像分析、定量X射线粉末衍射（XRD）和化学分析）的数据，验证了CT在矿物加工过程中对细粒度矿物样品的适用性，特别是在瑞典Kiruna地区的Per Geijer铁矿床中所发现的大量细粒、纹理复杂的Kiruna型铁矿石。

### 二、研究对象与方法

#### 2.1 样本来源

本研究使用的样本均来自瑞典Kiruna地区Per Geijer铁矿床。Per Geijer矿床位于世界著名的Kiirunavaara铁矿床的北侧，两者都是铁氧化物-磷灰石（IOA）矿床的典型代表。Per Geijer矿床的铁矿石主要由铁氧化物（赤铁矿和磁铁矿）和磷灰石组成，同时含有少量的斜长石、方解石、云母、绿泥石、石英、硫化物和稀土元素（REE）相关的矿物。这些矿石的粒度和纹理特征对矿物加工流程具有重要影响，因此其研究具有实际意义。

#### 2.2 研究方法

为了获取准确的矿物学和微结构信息，本研究采用了多种分析方法，包括化学分析、XRD分析、SEM-EDS图像分析以及CT分析。化学分析采用商业实验室提供的X射线荧光光谱（XRF）方法，通过锂硼酸盐熔融技术进行样品预处理，最终得到各元素的重量百分比数据。XRD分析则使用了高分辨率的X射线衍射仪，结合Rietveld方法对矿物组成进行定量分析。SEM-EDS图像分析使用了Mineral Liberation Analyzer（MLA）设备，通过高分辨率的图像采集和数据处理，获取矿物粒度、形态和解离度等信息。

CT分析采用了特殊的样品制备方法，即将矿物颗粒均匀喷洒在粘合带上，形成一个圆柱形的颗粒装样。这种方法能够有效减少颗粒在低密度介质中的聚集，从而提高CT成像的准确性。CT扫描使用CoreTOM仪器，设定5 μm的体素大小、160 kV的X射线能量和2500 ms的曝光时间，以确保获得高质量的三维数据。CT数据的处理则采用MSPaCMAn算法，通过灰度直方图分析和部分体积效应的校正，实现对矿物学的定量评估。

### 三、结果与讨论

#### 3.1 化学成分分析

通过对十五个颗粒样品的化学成分进行分析，发现Fe?O?的含量范围在48.2 wt%（PG-2C）到97 wt%（PG-5A）之间。PG-2样本在所有粒度类别中显示出较高的CaO和P?O?含量，这表明该样本中磷灰石的丰度较高。此外，一些样本的总氧化物含量超过了100%，这是由于Fe被表达为Fe?O?，导致磁铁矿含量较高的样本中氧的过估计。

#### 3.2 矿物组成分析

CT、MLA和XRD三种方法在矿物组成分析上表现出一定的相似性。对于PG-2和PG-4这两个粒度较粗的样本，三种方法的结果非常接近，而PG-1样本由于其复杂的纹理和细粒度，导致CT和MLA的结果之间存在较大的差异。这些差异主要是由于部分体积效应和矿物颗粒的分布不均所致。此外，XRD的检测限（0.3–1 wt%）也影响了其对低丰度矿物的识别能力。

#### 3.3 粒度分布与形态分析

CT分析得到的粒度分布与筛分粒度范围非常接近，而MLA分析则显示出更宽泛的粒度分布。这种差异是由于二维图像分析方法的立体学偏差所致。对于PG-2样本，CT数据中Fe氧化物的解离度高于MLA数据，这是由于CT能够识别磁铁矿和赤铁矿中微小的磷灰石包裹体，而这些包裹体在MLA图像中由于分辨率限制而未能被准确识别。此外，CT分析的轴比（minor axis/major axis length）结果显示，Fe氧化物和磷灰石/绿泥石颗粒在形态上存在显著差异，而这些差异在MLA数据中并未被充分揭示。

#### 3.4 解离度分析

CT和MLA分析的结果表明，对于粒度较粗的样本，CT数据中的解离度普遍低于MLA数据。这是因为MLA的高分辨率能够更准确地识别颗粒内部的矿物分布，而CT的分辨率限制导致其对细小矿物颗粒的识别能力不足。然而，对于粒度较细的样本，如PG-1，CT和MLA的解离度差异相对较小，这可能与样本的纹理复杂性有关。此外，CT在某些情况下可能低估了磷灰石/绿泥石的解离度，这可能是由于在灰度直方图中未能准确识别出这些矿物的峰值。

#### 3.5 空间分辨率的影响

研究还指出，CT的空间分辨率（5 μm）相对较低，这限制了其对细粒矿物的识别能力。相比之下，MLA的横向分辨率（1 μm）更高，因此能够更准确地识别出微小的矿物颗粒。然而，CT的分辨率不足可能导致灰度直方图中出现不清晰的峰值，从而影响对矿物解离度的评估。为解决这一问题，研究者们提出了图像平滑处理的方法，以提高峰值的定义精度，从而改善CT对矿物解离度的评估。

#### 3.6 矿物解离度的立体学偏差

研究发现，二维图像分析方法（如MLA）在评估矿物解离度时存在系统性高估现象，这是由于立体学偏差所导致的。例如，Ueda等人研究指出，二维图像分析方法的立体学偏差可能导致矿物解离度的高估，从而影响选矿效率和产品质量。然而，在某些样本中，如PG-2，CT分析反而显示出更高的解离度，这可能与样本中磁铁矿和赤铁矿颗粒中包裹的磷灰石有关，这些包裹体在CT图像中未能被准确识别，从而导致解离度的误判。

#### 3.7 矿物形态的三维分析

CT分析能够提供更为精确的矿物形态信息，尤其是对于粒度较细的样本。在PG-2和PG-4样本中，CT数据显示出Fe氧化物和磷灰石/绿泥石颗粒在形态上的显著差异。这种差异在MLA数据中并未被充分揭示，这表明CT在分析矿物形态方面具有更高的精度。此外，CT的轴比分析还揭示了Fe氧化物颗粒在某些样本中表现出更高的拉长度，这可能与其晶体结构和解离方式有关。

#### 3.8 矿物解离度与粒度的关系

研究还探讨了矿物解离度与粒度之间的关系。对于粒度较粗的样本，如PG-2和PG-4，CT和MLA分析结果较为接近，而粒度较细的样本（如PG-1）则显示出较大的解离度差异。这种差异可能是由于细粒样本中矿物颗粒的分布更为复杂，导致CT在识别和量化解离度时面临更大的挑战。因此，对于细粒度和复杂纹理的矿物样品，CT的分辨率需要进一步提高，以实现更精确的解离度评估。

#### 3.9 三维成像技术的优势

尽管CT在某些情况下存在分辨率限制，但其提供的三维数据能够更全面地反映矿物颗粒的真实结构和分布。这种能力使得CT成为矿物加工流程中一种重要的分析工具，尤其适用于需要高精度三维信息的矿物学研究。此外，CT的非破坏性特点使其在矿物样品的长期研究和多次分析中具有明显优势。

### 四、结论

本研究通过对比CT、MLA、XRD和化学分析等多种方法，验证了CT在分析细粒度、复杂纹理的Kiruna型铁矿石中的适用性。研究结果表明，CT能够提供更为准确的矿物组成和粒度分布数据，尤其是在粒度较粗的样本中，其结果与MLA和XRD高度一致。然而，对于粒度较细的样本，CT由于分辨率限制和部分体积效应，可能导致矿物组成和解离度的低估。因此，为了提高CT在细粒度矿物分析中的准确性，需要进一步优化扫描参数和图像处理方法。此外，CT在分析矿物形态和解离度方面展现出独特的优势，能够揭示二维方法难以捕捉的细节信息，这对于矿物加工流程的设计和优化具有重要意义。