基于深度学习的安徽黄屯铜金矿床黄铜矿定量分析及其意义

摘要

长期以来，产业链上游或前端(找矿勘查)至中下游或后端(采选冶)始终采用有价元素作为定量指标。然而，由于有价元素赋存矿物的多样性(同一种元素可以赋存于多种矿物相态产出),采用元素定量往往造成产业前端的资源储量评价和后端的资源回收评价出现很大偏差。显然，由于选矿工艺过程主要是回收赋存可回收元素的目标矿物，采用目标矿物含量代替目标元素含量作为定量指标更加合理。基于上述原因，针对可回收目标矿物，采用人工智能图像识别技术，进行目标矿物快速准确的定量方法非常值得深入研究。安徽黄屯铜金矿床属于热液型矿床，其中Cu是主要回收资源之一，黄铜矿是Cu的主要赋存矿物相。选择矿区5条勘探线13个钻孔合计114件样品，采用显微图像深度学习方法，进行了黄铜矿识别与定量。结果显示，基于深度学习的人工智能图像识别技术可以准确识别黄铜矿并进行准确定量，而且黄铜矿矿物定量比Cu元素定量更能反映铜资源的空间变化规律和空间分布特点，对指导深部铜矿或相关矿种(金矿)找矿、矿床勘探、采掘和选别、提高资源综合利用效率均具有重要意义。

关键词

黄铜矿 / 深度学习 / 矿物定量 / 黄屯铜金矿床