▲ ▲ Soluciones de clasificación de minerales de caolinita

Clasificación de materias primas de caolinita

I. Requisitos previos clave

1. Diferencias mineralógicas: La caolinita y los materiales no caolinitas asociados, como el cuarzo y la arenisca, no difieren significativamente en composición química ni densidad (la densidad es similar). El uso de la densidad para distinguir la caolinita de la arenisca no caolinita o de la ganga rica en cuarzo puede permitir la selección de la caolinita, pero la precisión a menudo no cumple con los requisitos
2. Estrategia de identificación: Utilizar imágenes de rayos X DRX para clasificador los materiales por densidad alta, media y baja (eliminando los materiales de alta/baja densidad y conservando la caolinita de densidad media). Si la precisión de la separación DRX no cumple con los requisitos, utilizar imágenes de rayos X DRXV combinadas con imágenes de cámara industrial para combinar la densidad del material y la textura del color para la diferenciación (eliminando los materiales de alta/baja densidad y los no caolinita en el rango de densidad media)
3. Análisis de muestras: Dado que la ganga de las diferentes minas de carbón es diferente, es necesario realizar análisis de muestras específicos. Después de la recopilación de datos y las pruebas de clasificación de modelos, se puede tomar la decisión de continuar con el proyecto en función de los resultados de las pruebas.

II. Uso de la lógica de clasificación de imágenes de rayos X

1. Adquisición de datos • Imágenes de rayos X: Detecta las características de atenuación de rayos X del material. Se utiliza para distinguir claramente materiales de baja densidad (carbón, carbón intercalado y roca negra) de materiales de alta densidad (arenisca y ganga de alta densidad)
2. Identificación computacional
• Identificación de alta densidad: Ignora arenisca y ganga de alta densidad
• Identificación de baja densidad: Ignora carbón, carbón intercalado y roca negra
• Identificación de densidad media: Marca la caolinita
3. Ejecución de la separación
• Se utiliza gas a alta presión para expulsar la caolinita marcada para su clasificación

III. Uso de la lógica de clasificación de imágenes de rayos X y cámaras industriales

1. Adquisición de datos
• Imágenes de rayos X: Detecta las características de atenuación de rayos X del material. Se utiliza para distinguir claramente materiales de baja densidad (carbón, carbón intercalado, roca negra) de materiales de alta densidad (arenisca y ganga de alta densidad)
• Imágenes con cámara industrial: Identifica las características espectrales superficiales de la caolinita, lo que ayuda a distinguirla de la no caolinita
2. Identificación computacional
• Identificación de alta densidad mediante imágenes de rayos X: Ignora la arenisca y la ganga de alta densidad
• Identificación de baja densidad mediante imágenes de rayos X: Ignora el carbón, la roca negra y el carbón intercalado
• Identificación adicional de materiales de densidad media mediante imágenes con cámara industrial: Ignora la no caolinita y marca la caolinita.
3. Ejecución de la separación
• El gas a alta presión expulsa la caolinita marcada para su clasificación

IV. Preparación del proyecto

1. Preparación de la muestra: 200-500 kg de ganga de carbón con caolinita
2. Adquisición de datos: Primero, clasifique la muestra para separar las muestras de caolinita de las no caolinitas, luego adquiera imágenes de rayos X e imágenes de cámara industrial
3. Modelado de clasificación: Desarrolle un modelo de clasificación utilizando imágenes de rayos X y un modelo de clasificación utilizando la fusión de imágenes de rayos X con imágenes de cámara industrial
4. Pruebas de clasificación: Realice múltiples pruebas de clasificación y refine el modelo y los parámetros según los resultados de la clasificación. Finalmente, genere muestras de resultados de clasificación, incluyendo la clasificación por imágenes de rayos X y la clasificación por fusión de imágenes de rayos X con imágenes de cámara industrial (incluyendo muestras de caolinita y no caolinita, respectivamente)
5. Verificación de la clasificación: Analice muestras de diversos resultados de clasificación para determinar la composición química de la caolinita y no caolinita clasificadas. Utilice los resultados de las pruebas para verificar el rendimiento de la clasificación. Con base en los resultados de las pruebas, determine si se pueden mejorar los parámetros del modelo de clasificación. De ser así, realice más pruebas de clasificación y repita las pruebas. Solo después de que los resultados finales de las pruebas confirmen un rendimiento de clasificación favorable, se considerará el avance del proyecto
6. Determinación del flujo del proceso: Con base en el rendimiento de la clasificación, seleccione un flujo de proceso de clasificación: clasificación por imágenes de rayos X DRX, clasificación por imágenes de rayos X + cámara DRXV.

V. Proceso de clasificación mediante equipo DRX

Materias primas → (las partículas mayores a 350 mm requieren una pre-trituradora + criba vibratoria) → tamaño de partícula 20-350 mm → Reconocimiento de imágenes de rayos X → inyección de gas a alta presión para seleccionar caolinita

VI. Proceso de clasificación con equipo DRXV

Materias primas (las partículas mayores a 350 mm requieren una trituradora previa + tamiz vibratorio, y se requiere limpieza y deshumidificación) → tamaño de partícula 20-350 mm → Imágenes de rayos X + reconocimiento de imágenes de cámara industrial → inyección de gas a alta presión para seleccionar caolinita

VII. Conclusión

El equipo de clasificación DRX utiliza imágenes de rayos X para clasificar la caolinita. La precisión de la clasificación varía entre minas de carbón: algunas minas logran una alta precisión en la clasificación de la caolinita de la ganga, mientras que otras presentan una precisión menor. El DRXV utiliza una combinación de imágenes de rayos X y reconocimiento de imágenes de cámaras industriales para seleccionar la caolinita de alta pureza y eliminar la no caolinita. Sin embargo, las imágenes de cámaras industriales requieren una superficie relativamente limpia para las materias primas, lo que podría requerir equipos adicionales de limpieza y deshumidificación.
Debido a la variación de la ganga en las distintas minas de carbón, es necesario recopilar datos de muestras específicas, así como realizar pruebas de modelado y clasificación. Con base en los resultados de las pruebas, se realiza un análisis costo-beneficio antes de decidir si se procede con el proyecto. Si es necesario recuperar el carbón y la ganga presentes en las materias primas, se recomienda primero extraer la arenisca de alta densidad y la ganga para seleccionar caolinita, piedra negra, carbón y ganga; luego, seleccionar la caolinita y, finalmente, seleccionar el carbón y la ganga de los materiales restantes.

Clasificación de productos terminados de caolín calcinado

I. Antecedentes del solución

Debido a que las materias primas de caolinita carbonífera son impuras, la caolinita calcinada puede contener rocas mixtas de alta y baja densidad, ganga (blanca por fuera, pero con colores mixtos por dentro) y caolinita de baja calidad y baja blancura. Para obtener productos de caolinita con una blancura relativamente alta o productos clasificados por blancura, la caolinita calcinada requiere una clasificación adicional. La clasificación manual es ineficiente, costosa y presenta riesgos de seguridad, especialmente para materiales con una superficie blanca pero un interior opaco. El equipo inteligente de clasificación de minerales DRXV, que utiliza rayos X y reconocimiento de imágenes de cámaras industriales, puede clasificar productos de caolinita con alta blancura o clasificados por blancura de forma eficiente, rentable, segura y fiable.

II. Uso de la lógica de clasificación de imágenes de rayos X + cámara industrial

1. Adquisición de datos
• Imágenes de rayos X: Mediante imágenes de penetración de rayos X del material, se distinguen los residuos de alta densidad y la ganga con un exterior blanco y colores mixtos en el interior.
• Imágenes de cámara industrial: Mediante imágenes de cámara de caolinita, se distinguen las materias primas no blancas.
2. Identificación computacional
• Mediante imágenes de rayos X para identificar alta y baja densidad: Se ignoran los residuos de alta y baja densidad, especialmente los no caolinita con un exterior blanco y colores mixtos en el interior.
• Mediante la identificación por color de la imagen de cámara industrial: Se ignora la caolinita no blanca y de baja blancura y se marca la caolinita de alta blancura; o se clasifica por blancura para marcar la caolinita con el nivel de blancura deseado.
3. Ejecución de la separación
• Mediante gas a alta presión para expulsar: la caolinita marcada de alta blancura o la caolinita marcada con el grado de blancura deseado.

III. Prueba utilizando el equipo DRXV

1. Preparación de la muestra: 50-200 kg de caolinita calcinada
2. Recopilación de datos: Primero, clasifique la muestra para separar la caolinita blanca de las muestras de piedra mixta no blanca. Las muestras con exterior blanco y piedra mixta en el interior se identifican mediante la separación de las partículas. Luego, obtenga imágenes de rayos X e imágenes de cámara industrial
2. Modelado de clasificación: Desarrolle un modelo de clasificación mediante imágenes de rayos X y un modelo de clasificación mediante fusión de imágenes de rayos X y cámara industrial
3. Pruebas de clasificación: Realice múltiples pruebas de clasificación y refine el modelo y los parámetros según los resultados de la clasificación. Finalmente, genere muestras de resultados de clasificación, incluyendo la clasificación por imágenes de rayos X y la clasificación por fusión de imágenes de rayos X y cámara industrial (incluyendo caolinita blanca y piedra mixta no blanca, respectivamente).
4. Verificación de la clasificación: Todas las muestras clasificadas se abren y se inspeccionan de nuevo para verificar los resultados de la clasificación. Esto determinará si se pueden mejorar los parámetros del modelo de clasificación. De ser así, se realizan pruebas de clasificación y verificación adicionales para definir los parámetros del modelo. Además, si se requiere clasificar por grado de blancura, se seleccionan muestras con diferentes grados de blancura, se adquieren imágenes y se proponen los parámetros de clasificación. Posteriormente, se realizan pruebas de clasificación para definir los parámetros del modelo para la clasificación por grado de blancura.

IV. Proceso de clasificación con equipo DRXV

1. Clasificación de caolinita de alta blancura
Calcinación (las partículas superiores a 350 mm requieren una pretrituradora y una criba vibratoria) → Tamaño de partícula: 20-350 mm → Imágenes de rayos X + reconocimiento de imagen con cámara industrial → Inyección de gas a alta presión para seleccionar caolinita de alta blancura
2. Clasificación por grado de blancura
Caolinita blanca → Imágenes de rayos X + reconocimiento de imagen con cámara industrial → Inyección de gas a alta presión para seleccionar caolinita del grado de blancura requerido

V. Referencia de caso de prueba

VI. Conclusión

Equipo de clasificación inteligente de minerales DRXV utiliza tecnología de reconocimiento por fusión de imágenes de rayos X y cámara industrial para eliminar los residuos de la caolinita calcinada, especialmente la ganga blanca por fuera y mezclada por dentro, y separar la caolinita de alta blancura. También se puede clasificar según su blancura. Si es necesario, se puede utilizar Equipo de clasificación inteligente de minerales DRXV para clasificación de materias primas de caolinita de carbón antes de la calcinación, eliminar piedras diversas de alta y baja densidad y materiales que no sean caolinita, mejorar la pureza de las materias primas de caolinita, reducir la tarea de calcinación y la carga de trabajo de clasificación después de la calcinación, a fin de reducir costos y mejorar la eficiencia y los beneficios de la producción.