黄铁矿是碱金属和贵金属矿石沉积物上最常见的甘胶硫化物矿物质，通常在尾巴中被拒绝。
它的加工具有重大的经济影响，因为它极大地影响了倒金属的回收和集中质量，然后给冶炼运营带来了挑战。此外，由于其潜力产生酸的潜力，黄铁矿富的尾巴是一种环境责任，它们也是诸如Au，Ni和Co.等有价值金属的来源在富含黄铁矿的低级复杂矿石上，具有复杂的冶金挑战。
因此，理解沉积物中的黄铁矿特性和浮选反应对于有效排斥和可能重新利用黄铁矿在尾巴中具有重要意义。在矿藏中，黄铁矿可以具有可变的纹理，关联和元素组成，具有不同的电化学特性。尽管黄铁矿纹理的变化已显示出在许多操作和绿地研究中影响浮选性能，但其背后的原因尚不清楚。
在单个矿物研究中，黄铁矿元素组成和纹理对电化学性质和浮选行为的影响已被广泛研究为个体因素。但是，很少有关于它们的综合影响，相互依赖性或矿石中质地流行对浮选的影响的信息。通常确定黄铁矿纹理；但是，它们的丰度很少被量化，特别是对于复杂的矿物学系统。
该研究项目将着重研究黄铁矿纹理及其患病率，矿物学关联，元素组成和电化学性质，涉及从MT ISA 500和1100 Orebodies的矿石样品的浮选性能。该项目范围包括提出一种使用图像识别分析来识别和量化黄铁矿纹理的方法。
这个项目形成和扩展昆士兰州的高级工业研究奖学金 - 克服昆士兰州矿石储量和地雷尾矿中的黄铁矿挑战。
该项目是由可持续矿业研究所的朱利叶斯·克鲁特（Julius Krut188BET金宝搏亚洲真人体育tschnitt）矿物研究中心（JKMRC）进行的浮选化学组。
