在铀矿石工艺矿物学研究中引入CT 技术的探索

马嘉，刘志超，李春风，李广，刘辉，唐宝彬

（核工业北京化工冶金研究院，北京 101149）

工艺矿物学是研究矿石原料和矿石加工工艺过程产品的化学成分、矿物组成和矿物性状及变化的一门应用学科，是在矿物学和矿物加工学之间发展起来的学科［1］，在确定选矿工艺参数、流程，优化水冶工艺路线，提高生产指标等方面都起到了重要作用。目前，我国学者开展的工艺矿物学研究多采用光学显微镜、扫描电镜的矿物自动分析仪以及微束分析等方法，围绕矿石的矿物组成、有用矿物的嵌布粒度、解离度等进行研究，为选矿工艺提供参考［2-4］，而对水冶工艺的指导作用相对较小。

国内铀矿石多采用堆浸和原地浸出等方法进行铀提取，其效果受多重因素影响，而当溶浸液对铀矿物溶解能力一定时，溶浸液在矿堆中的渗透性就成为了影响堆浸效果的决定性因素［5］。矿堆渗透性一方面受矿石颗粒间孔隙通道的影响，另一方面也受到矿石颗粒内部微裂隙，尤其是目标矿物周围微裂隙的影响。因此在工艺矿物学研究中，应加强对矿石微裂隙的研究。近年来，随着计算机技术、图像处理技术、可视化技术的发展，以X-CT 技术为代表的无损检测技术逐步应用到了孔隙结构和岩石矿物的研究中［6-10］，而将CT 技术引入铀矿石颗粒内部微孔隙、微裂隙结构的研究还较少。

本文以棉花坑铀矿石为例，在进行传统工艺矿物学研究的基础上［11］，引入X 射线CT 技术，深入开展了棉花坑铀矿石原矿的工艺矿物学及矿石颗粒内部孔裂隙研究，全面精细刻画了铀矿石颗粒内部不同组分的三维空间特征，建立了三维立体数字化模型，为研究铀矿石选冶工艺提供了参考。

1 研究方法与设备

选取棉花坑铀矿石原矿作为研究对象，利用偏光显微镜（Zeiss Axioscope A1）和实体显微镜（Zeiss Discover.V20）、扫描电子显微镜（Zeiss Σ 300）、自动矿物参数定量分析系统AMICS（Auto Mineral Image Calculate System）和电子探针（JXA-8100）对样品的矿物组成、微观形貌、矿物表面化学组成等进行研究，获取原矿微裂隙与目标矿物关系的二维信息。

随后进行微裂隙分布的三维特征研究。选取具有代表性，即在矿物组成上与原矿基本一致的矿石颗粒，利用X 射线CT 扫描装置X 射线nano Voxel 3000 型扫描仪对矿石颗粒进行扫描和数据提取，并根据扫描得到的数据进行图像处理，建立孔隙网络，设备电压为140 kV，电流为70 μA，曝光时间为0.7 s，分辨率为13.49 μm。利用VGStudio MAX 软件对CT 扫描后得到的数据体进行重构，获得矿石颗粒的三维图像，对该不规则形状的颗粒图像进行最大范围截取，获得相对规则的多边形结构并导出，再利用Avizo 软件对导出的三维灰度图像进行二值化分割，划分出孔隙与颗粒基质，得到可用于孔隙网络建模的分割图像（图1）。

图1 原矿颗粒图像采集及形状截取Fig.1 The image acquisition and shape editing of uranium ore

由于CT 图像的灰度值反映的是岩石内部物质的相对密度，因此CT 图像中相对明亮的部分认为是具有一定密度的物质，通常为各种组成矿物，而黑色部分则认为是孔隙结构［12-13］。通过对灰度图像进行区域选取、降噪处理，划分出不同组分并分别进行统计，获得矿石颗粒内部的微孔隙分布形态，与有用矿物的分布关系等信息。

2 矿石物质组成

棉花坑铀矿石的岩性主要为花岗碎裂岩，矿石内部石英斑晶多发育裂隙，部分被黄铁矿充填形成细脉，云母解理被黄铁矿、沥青铀矿等金属矿物充填［14-16］。多元素化学分析结果见表1。矿石中硅元素含量为39.89%，表明主要组成矿物为硅酸盐矿物，另有少量硅铝酸盐。铀为主要的回收元素，其品位为0.359%。

矿石矿物成分简单，脉石矿物含量较高，含量约98.14%，面积占比约97.86%，主要为石英、微斜长石、绢云母和高岭石，含少量碳酸盐矿物、云母类矿物和绿泥石等，另可见少量萤石等副矿物（表2）。矿石中金属矿物含量较低，约0.79%，面积占比约0.25%，铀矿物主要为沥青铀矿，其次为铀黑和硅钙铀矿，其他金属矿物主要为黄铁矿和赤铁矿。矿石中影响选冶的有害组分少。

3 铀存在形式研究

棉花坑铀矿床中的铀主要以独立铀矿物形式分布，以沥青铀矿为主，其次为铀黑和硅钙铀矿，另外在部分钍石中还有少量以类质同象形式分布的铀。铀矿物在金属矿物中的质量分数占比约为64%。

沥青铀矿中铀元素含量为40%～64%，含少量硅、钙等杂质元素，呈不规则粒状、同心圆状、胶状分布于矿石中，发育网状和放射状干裂纹，部分干裂纹充填方铅矿、黄铁矿、石英或方解石等矿物，粒径多在50 μm 以上。部分沥青铀矿充填于蚀变黑云母解理中，部分解理在蚀变过程中发生变形、断裂，进一步发育为裂缝（图2），或充填石英颗粒表面的溶蚀孔（图3），靠近石英边缘的沥青铀矿与溶浸剂接触面较大，易于浸出；而石英内部呈包裹体的沥青铀矿能否有效浸出，则取决于石英溶蚀孔隙的发育情况，这些孔隙和裂缝都为浸出剂的流通提供了重要通道。

表1 棉花坑铀矿石原矿化学组成Table 1 The chemical composition of uranium ore from Mianhuakeng deposit

表2 棉花坑铀矿石矿物组成Table 2 The mineral composition of uranium ore from Mianhuakeng deposit

图2 沥青铀矿（Pit）沿蚀变黑云母（Bi）解理生长或充填石英（Q）与磷灰石（Ap）边缘微裂缝Fig.2 The pitchblende（Pit）growing along the cleavage of altered biotite（Bi）or filling the micro fractures of quatz（Q）and apatite（Ap）

铀黑中铀元素含量为21%～61%，其他杂质元素主要为硅、钙、铁、铝和少量稀土元素等，通常呈粉末状、土状集合体，且与脉石矿物如绿泥石、长石等共生。

图3 沥青铀矿（Pit）和黄铁矿（Py）充填石英（Q）溶蚀孔Fig.3 The pitchblende（Pit）and pyrite（Py）in the dissolved pores of quartz（Q）

硅钙铀矿中铀元素含量为29%～44%，硅元素含量为9%～15%，钙元素含量为1%～4%，呈细小粒状、针状及其集合体，粒径多在5～20 μm之间，集合体团粒直径可达70 μm 左右，分布在硅质岩石和构造蚀变岩石的孔洞及裂隙面上。

4 铀矿石微裂隙研究

经过数据采集和重构，将实际样本中的不同密度的物质按照灰度区间分割，其中灰度值＞10 000 认为是高密度物质，通常为金属矿物，标记为黄色；灰度值域为1～4 500 认为是孔隙结构，标记为红色（图4）。

图4 三维图像标记微裂隙和金属矿物Fig.4 Labeling micro fissures and metallic minerals with 3D image

对微裂隙和金属矿物这两个组分进行提取，获得更为直观的三维分布图（图5）。如图所示，该原矿颗粒孔裂隙的分布与金属矿物的分布形态和分布位置重合度较低，在后期水冶过程中，溶浸剂可能无法直接通过微裂隙与金属矿物发生反应，而是通过不断溶解微裂隙周围脉石矿物，增加微裂隙通道直径和长度，进而与金属矿物相接触。因此，在浸出过程中需要消耗更多的溶浸剂。由于棉花坑铀矿石采用的是堆浸工艺，因此通过对原矿进一步破碎和磨矿，可能会增加微裂隙的数量，同时提高有用矿物的暴露面，从而提高浸出效率。

5 不同方法对矿石组分研究的对比

图5 三维图像提取微裂隙和金属矿物Fig.5 Extracting micro fissures and metallic minerals with 3D image

按照CT 图像灰度值反映物质密度关系的原理，结合体视显微镜对矿石颗粒表面矿物进行的鉴定结果，对CT 图像的不同灰度组分进行标定并进一步划分，可以得到灰白部分（即灰度值域为6 501～10 000）为中密度物质，多为萤石、方解石、白云石、绿泥石、绢云母等矿物，标记为蓝色；深灰色部分（即灰度值域为4 501～6 500）为低密度物质，多为石英、长石、黑云母等矿物，标记为绿色（图6）。

进一步对不同色值区域分别进行像素统计，得到不同组分在矿石颗粒中的占比。其中，绿色和蓝色均代表脉石矿物，因此对这两个区域进行了合并统计，得到原矿样品中孔隙、脉石矿物和金属矿物的分布情况（表3）。

统计结果显示，利用X 射线CT 技术进行扫描的12组样品中，孔隙最大体积占比4.38%，最小为0.04%，平均值为1.1%；脉石矿物最大体积占比为99.16%，最小为92.43，平均为96.9%；金属矿物最大体积占比为6.19%，最小为0.39%，平均为1.99%。各组分面积百分数相接近，且各样品间参数浮动较小。

通过AMICS-Mining 测试得到的脉石矿物总面积分数为97.877%，金属矿物（为与CT 扫描组分划分保持一致，将锆石归入金属矿物组分进行面积分数统计）总面积分数为0.281 5%，均略低于CT扫描测试结果。这是由于受扫描电镜和AMICSMining 扫描原理和样品规格影响，所测样品为探针片，计算区域覆盖数个矿石颗粒，矿石颗粒之间的孔隙较大，在去除背景值时可能形成一定误差；另一方面该方法测得的数据为二维平面结果，与三维空间结果必然存在一定误差。

图6 原矿颗粒中不同阈值区间的分布示意图Fig.6 Distribution image of different components in raw ore particles

表3 不同组分在矿石颗粒中的分布情况Table 3 Distribution of different components in ore particles

因此，通过CT技术测得的矿石不同组分体积分数整体上与AMICS-Mining 所测得的相应组分面积分数的误差在合理范围内，通过该方法得到的参数相对稳定，具有参考价值。

6 结论

通过在棉花坑铀矿石原矿的工艺矿物学研究引入CT 技术，在获取矿石二维数字信息的基础上，有效提取了矿石颗粒中不同组分的三维形态和分布图像，不但更为直观地考察了矿石颗粒内部微裂隙与金属矿物的分布特征，也为矿石加工和水冶工艺提供了更多参考，结论如下：

1）棉花坑铀矿石矿物成分简单，脉石矿物主要为石英、微斜长石、绢云母和高岭石，含量超过95%，影响选冶的有害组分较少，但绢云母、高岭石等黏土矿物在与溶浸剂反应过程中可能生成硅铝酸盐沉淀，造成微裂隙的堵塞，影响孔隙连通性和矿石渗透性能，阻碍溶浸剂进一步深入矿物内部或铀元素的迁移。

2）铀主要以易选冶的沥青铀矿、铀黑和硅钙铀矿形式存在，部分铀矿物周围微裂隙发育较多，容易与外部的连通，易于浸出；少量沥青铀矿充填于脉石矿物微裂隙或溶蚀孔洞中，溶浸剂与矿石反应过程中，孔裂隙的延伸和发育很难到达脉石矿物内部。

3）矿石颗粒内部原生孔裂隙较多，有利于溶浸剂渗入，但原矿颗粒孔裂隙的分布与金属矿物的分布形态和分布位置重合度较低，可能导致溶浸过程中需要消耗更多的溶浸剂溶解脉石矿物，才能进一步与金属矿物充分接触，需对矿石进一步细磨，提高超细铀矿物的解离程度，增加矿石颗粒内部的微裂隙数量。

4）通过统计像素参数获得的不同组分体积占比，各样品间参数浮动较小，通过该方法得到的参数相对稳定，与AMICS-Mining 得到的各组分面积百分数相接近，具有参考价值。

后续可进一步将该技术引入到对浸出渣的工艺矿物学研究中，通过对比原矿和浸出渣中各组分的变化，可以更有针对性地对工艺调整提供参考依据。

值得注意的是，由于运用CT技术进行组分划分时是依据不同物质所呈现出的灰度，因此在扫描前期样品制备和后期图像重组以及参数设定时应保持统一，避免人为造成不同样品、不同矿物间的灰度差异，影响后期运算和三维图像建立。

致谢：感谢核工业北京地质研究院的邓刘敏以及天津三英CT 技术有限公司的吴洁和张东亮对样品测试及数据提取过程中给予的支持和配合，他们的帮助与研究的顺利完成密不可分，感谢刘会武、周永杰在论文编写过程中提出宝贵建议，课题组成员对研究提供的帮助在此一并感谢。