Journals / Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji / 2018 / Cilt: 6 - Sayı: 2

8-125 MM KOLEMANİT CEVHERİNİN NIR/CCD OPTİK AYIRICI İLE ZENGİNLEŞTİRİLMESİ

Pages
414–425
Publication Date
2018-06-30
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Çalışmalarda kırma, eleme ve yıkama işlemlerinden geçirilen cevher 8-25 mm ve 25-125 mm tane boyutlarında zenginleştirme yapan iki optik ayırıcıya beslenmiş ve %22,10-39,30 B2O3 tenör aralığında beslenen cevherlerde 3,90-9,10 birim zenginleştirme sağlanmıştır. %93’ün üzerinde verimle yapılan zenginleştirme sonrası %2,20-11,10 B2O3 tenör aralığında atık açığa çıkmıştır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Optik ayırma teknolojisi gıda, maden ve geri dönüşüm gibi alanlarda yaygın kullanımı olan ve malzemelerin kendine has özelliklerine göre ayrımını sağlayan bir teknolojidir.
📊
Key Findings & Data:Optik ayırma ile geleneksel yöntemlerle yapılan ayrım işlemlerinden çok daha yüksek verimde ve kapasitede zenginleştirme yapmak mümkündür.
💡
Conclusion & Impact:Çalışmalarda kırma, eleme ve yıkama işlemlerinden geçirilen cevher 8-25 mm ve 25-125 mm tane boyutlarında zenginleştirme yapan iki optik ayırıcıya beslenmiş ve %22,10-39,30 B2O3 tenör aralığında beslenen cevherlerde 3,90-9,10 birim zenginleştirme sağlanmıştır. %93’ün üzerinde verimle yapılan zenginleştirme sonrası %2,20-11,10 B2O3 tenör aralığında atık açığa çıkmıştır.
🔬Design:Research Article
📍Scope:Comprehensive Sample
⚙️Variables:Optik ayırma · Kolemanit · Cevher zenginleştirme

Özet

Optik ayırma teknolojisi gıda, maden ve geri dönüşüm gibi alanlarda yaygın kullanımı olan ve malzemelerin kendine has özelliklerine göre ayrımını sağlayan bir teknolojidir. Optik ayırma ile geleneksel yöntemlerle yapılan ayrım işlemlerinden çok daha yüksek verimde ve kapasitede zenginleştirme yapmak mümkündür. Temelde malzemelerin ürün ve atık olarak sınıflandırılması veya farklı tür malzemelerin birbirinden ayrıştırılmasının yapıldığı optik ayırma teknolojisi, insan gücüyle yapılması olanaksız ayrımların yapılmasını mümkün kılmaktadır. Renksel farklılıkları belirlenemeyen malzemelerin geniş spektral aralıklarda tanımlanması ile yüksek kapasitede ayrımının yapılmasında da verimli bir yöntem olarak özellikle tercih edilmektedir. Bu çalışmada Eti Maden İşletmeleri Genel Müdürlüğü, Bigadiç Bor İşletme Müdürlüğü ocaklarından kil, tüf, kireç taşı gibi minerallerle birlikte çıkan 8-125 mm Simav Ana Damar (SAD), Simav Tali Damar (STD) ve Tülü Sarı (TS) kolemanit cevherleri, yakın kızılötesi (NIR) ve görünür ışık (CCD) kaynakları kullanılan optik ayıcılarla zenginleştirilmiştir. Çalışmalarda kırma, eleme ve yıkama işlemlerinden geçirilen cevher 8-25 mm ve 25-125 mm tane boyutlarında zenginleştirme yapan iki optik ayırıcıya beslenmiş ve %22,10-39,30 B2O3 tenör aralığında beslenen cevherlerde 3,90-9,10 birim zenginleştirme sağlanmıştır. %93’ün üzerinde verimle yapılan zenginleştirme sonrası %2,20-11,10 B2O3 tenör aralığında atık açığa çıkmıştır.

🔖

Cite This Article

BARIŞ, M., METİN, F. C., KARABULUT, N. K., ÖZYÜCEL, F. Ö. (2018). 8-125 MM KOLEMANİT CEVHERİNİN NIR/CCD OPTİK AYIRICI İLE ZENGİNLEŞTİRİLMESİ. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, Cilt: 6 - Sayı: 2, 414–425. https://ajindex.com/articles/667357

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (16)

  1. Barry A.W., Tim N.M., Ore Sorting, Wills' Mineral Processing Technology 7th Edition, Burlington, A.B.D., 2006
  2. Çelik C, Cevher zenginleştirmede gelişen teknolojiler: Optik zenginleştirme, Madencilik Türkiye, 4, 40-43, 2010
  3. Petra T., Markus W, Thomas P., Industrial application for inline material sorting using hyperspectral imaging in the NIR range, Real-Time Imaging, 11, 99-107, 2005
  4. Williams, P., Norris, K., Near-infrared Technology in the Agricultural and Food Industries, American Association of Cereal Chemists, Wisconsin, A.B.D., 1987
  5. Sathish P.G., Subrata H., Atul T., A review on automated sorting of source-separated municipal solid waste for recycling, Waste Manage., 60, 56-74, 2017
  6. Blasco J., Aleixos N., Gomez J., Molto E., Citrus sorting by identification of the most common defects using multispectral computer vision, J. Food Eng., 83, 384-393, 2007
  7. Razieh P., Hamid R.G., Hadi S., Fariborz Z.N., Mohammad M.V., Study on an automatic sorting system for date fruits, J. Saudi Soc. Agric. Sci., 14, 83-90, 2015
  8. Silvia S., Daniela C., Federico M., Giuseppe B., Classification of oat and groat kernels using NIR hyperspectral imaging, Talanta, 103, 276-284, 2013
  9. Mage I., Wol J.P., Bjerke F., Segtnan V., On-line sorting of meat trimmings into targeted fat categories, J. Food Eng., 115, 306-313, 2013
  10. Murphy B., Zyl J., Domingo G., Underground preconcentration by ore sorting and coarse gravity separation, Narrow Vein Mining Conference, Perth-West Aust., 26-27 Mart, 2012
  11. Batchelor A.R., Ferrari-John R.S., Katrib J., Udoudo O., Jones D.A., Dodds C., Kingman S.W., Pilot scale microwave sorting of porphyry copper ores: Part 1 – Laboratory investigations, Miner. Eng., 98, 303-327, 2016
  12. Veerendra S., Rao S. M., Application of image processing and radial basis neural network techniques for ore sorting and ore classification, Miner. Eng., 18, 1412-1420, 2005
  13. Tessier J., Duchesne C., Bartolacci G., A machine vision approach to on-line estimation of run-of-mine ore composition on conveyor belts, Miner. Eng., 20, 1129-1144, 2007
  14. Lane G.R., Martin C., Pirard E., Techniques and applications for predictive metallurgy and ore characterization using optical image analysis, Miner. Eng., 21, 568-577, 2008
  15. Snehamoy C., Ashis B., Biswajit S., Samir K.P., Image-based quality monitoring system of limestone ore grades, Comput. Ind., 61, 391-408, 2010
  16. Sophie L., Godefroid D., David B., Eric P., Optical analysis of pa