01.铸钢砖制品用耐火原料

耐火砖的主要成分包括战略原材料，如氧化镁 (MgO)、刚玉、铝土矿、尖晶石或石墨。用于自动分类的高光谱成像等回收工艺创新技术将是实现这些目标的关键。

应用旨在开发基于传感器的自动分选，将高光谱成像相机以及激光诱导击穿光谱 (LIBS) 设备结合到优化的分选系统中。

高光谱相机研究了钢水浇注钢包 (SCL) 和水泥回转窑 (CRK) 的废耐火砖以及 RHIM 使用的原材料。表 1 显示了 SCL 原材料样品。使用VNIR和 SWIR 相机扫描了砖成分白刚玉、烧结 MgO、回收 MgO-C、石墨、熔融 MgO、棕色刚玉、铝土矿和铝粉。

本应用报告将重点介绍生产 SCL 砖的原材料。图 1 绘制了 SCL 原材料的光谱。

表 1：SCL 原材料，基于 VNIR 图像的真彩色 RGB。此处并未列出每种材料的所有晶粒尺寸

图 1：SCL 原材料在 VNIR（左）和 SWIR（右）中的光谱。光谱以反射率绘制。X 轴：波长（单位：纳米），范围从 940 至 2500 米；Y 轴：反射率 [%]，范围从 0 到 1。

基于这些原材料，使用软件训练了 PLS-DA 分类模型。VNIR 模型基于每块砖 9 个子样本进行训练。平衡训练数据集包含 40 个样本，而测试则针对 59 个样本进行。对于 VNIR 训练数据集，整体类别预测准确率为 82.5%，而测试数据集的总体预测准确率为 86.4%。在 VNIR 中，准确预测难度最大的样本是 MgO-C 再生、石墨、棕刚玉和铝土矿。

分别针对 VNIR 和 SWIR 的原材料光谱训练了 PLS-DA 分类模型。在 VNIR 情况下，基于像素类多数和物体平均光谱的分类均显示出可接受的结果。比较基于 VNIR 和 SWIR 的预测，VNIR 情况似乎更适合预测回收的 MgO-C 和棕刚玉类别。对于这两种传感器，纯石墨粉的分类似乎是不可能的。表 2 显示了不同原材料的 VNIR 预测结果摘录。

表 2：基于 VNIR 的 SCL 砖部分原材料预测结果。从左到右：样品名称和颗粒大小（如相关）；真彩色 RGB、基于像素的分类、基于像素类别多数（像素数）预测的类别以及基于物体平均光谱预测的类别。

根据这些结果，基于 VNIR 高光谱数据对 SCL 砖原材料进行分类的模型似乎是可行的。通过添加更多样本以覆盖这些输入材料中预期的全部变化范围，该模型可能会得到进一步改进。根据该模型，对一块使用过的 SCL 砖进行分类，结果显示其表面有大量分类的白色熔融氧化铝，并且除了石墨外还识别出 MgO 回收和熔融 MgO（图 2）。考虑到石墨容易被错误分类，这与通过 X 射线荧光 (XRF) 在样本中发现的高 Al2O3 值（92%）以及约 5% 的 MgO 含量相比。

图 2：使用 SCL 原材料分类模型按像素分类的旧砖类型 5（氧化铝混凝土）

本文展示了高光谱成像如何帮助识别耐火砖并对其进行空间分类。虽然还需要更多的研究才能得出结论，但使用高光谱成像绘制三种主要 CRK 砖成分类型的初步能力是有希望的。同样重要的是要强调的是，高光谱成像能够绘制旧砖中的小规模变化，这些变化是由温度和压力变化以及砖在使用过程中气体渗透引起的矿物学变化引起的。这将改变表面并给出砖的成分和再利用潜力的指示。

转自：撸陆

注：文章版权归原作者所有，本文仅供交流学习之用，如涉及版权等问题，请您告知，我们将及时处理。