Deep-XFCT：基于微 X 射线荧光与计算机断层扫描的深度学习三维矿物解离分析
机器学习
2022-08-29 v1 数据分析、统计与概率
摘要
X 射线微计算机断层扫描（micro-CT）的快速发展为颗粒与晶粒尺寸表征、颗粒密度与形状因子测定、矿物共生及解离和连生体估算的三维分析带来了新机遇。当前矿物解离分析的实践基于二维表征，在向外推体积属性时会导致系统性误差。因此，基于层析数据的新型定量方法对于资源工业、环境及材料科学中的矿床表征、矿物加工、尾矿表征、岩石类型划分、地层细化、储层表征等应用而言迫在眉睫。迄今为止，尚不存在用于三维矿物解离分析的简易非破坏性方法。我们提出了一种基于将 micro-CT 与微 X 射线荧光（micro-XRF）结合并使用深度学习的新进展。我们展示了对结晶岩浆岩成功的半自动多模态分析，其中新技术克服了在 micro-CT 数据集中区分长石与石英的困难任务。该方法是通用的，并可扩展至任何多模态与多仪器分析以进一步细化。我们得出结论：micro-CT 与 micro-XRF 的结合已经为野外与实验室应用中的稳健三维矿物解离分析提供了新机遇。
引用
@article{arxiv.2205.13102,
title = {Deep-XFCT: Deep learning 3D-mineral liberation analysis with micro X-ray fluorescence and computed tomography},
author = {Patrick Kin Man Tung and Amalia Yunita Halim and Huixin Wang and Anne Rich and Christopher Marjo and Klaus Regenauer-Lieb},
journal= {arXiv preprint arXiv:2205.13102},
year = {2022}
}
备注
24 pages, 10 figures