礦物含量是衡量礦石品質(zhì)的重要指標之一，對于實現(xiàn)礦產(chǎn)資源的合理利用具有重要意義。

在選礦廠中，快速準確地檢測礦物含量是一個關(guān)鍵問題。傳統(tǒng)的礦物含量檢測方法步驟繁瑣，分析周期長，還會破壞樣本內(nèi)部結(jié)構(gòu)。此外，這些方法對測量人員的實驗操作能力要求較高，而且成本昂貴、存在環(huán)境污染等缺陷，已經(jīng)不適合現(xiàn)代數(shù)字化工業(yè)的快速發(fā)展需求。

近幾十年來，近紅外光譜分析技術(shù)由于其易操作、快速、無損等優(yōu)點，已在醫(yī)療、食品、礦物勘探等領(lǐng)域獲得了廣泛的應(yīng)用和發(fā)展。

本文使用微型光纖光譜儀，以氧化銅礦表面的光學(xué)特性為背景，探究孔雀石含量與樣本表面反射光譜之間的關(guān)系，旨在創(chuàng)建一種快速且環(huán)保的礦物含量檢測模型。

本文測試數(shù)據(jù)及數(shù)據(jù)處理方法由福州大學(xué)資源與環(huán)境學(xué)院占錦玉提供，測試系統(tǒng)采用光譜儀、鹵素光源、Y 型光纖、校準白板等進行搭建，如圖1所示。此外，為了避免外界光對實驗的干擾，將探頭和樣品置于暗箱當(dāng)中。

其中光譜儀和鹵素光源的主要參數(shù)為：

(a)光譜儀：光譜范圍180~1100nm，探測器：背照式制冷線陣CCD，有效像素2048pixels。

(b) 鹵素光源：工作功率：5w，發(fā)射光范圍：350~2500nm，供電電流：12V/2A ，輸出接口：SMA905。

3.1孔雀石和脈石礦物樣品反射率測試

同一孔雀石和脈石礦物樣品的 32 條反射率光譜曲線，分別如圖2、圖3所示。

根據(jù)上圖，將精礦和脈石礦物的光譜曲線分為 340~400nm，400~1000nm，1000~1165nm 三個波段，在三個波長范圍內(nèi)探究光譜數(shù)據(jù)采集裝置的重復(fù)性，分別計算兩組樣品的峰值標準差、最大值以及最小值。由表1可知，兩端波段范圍內(nèi)的峰值偏差均比中間波段大，兩端反射光譜的重復(fù)性稍差，因此選擇400~1000nm波段進行分析。

3.2礦物種類識別模型的建立

采用SVM 算法來建立礦物種類識別模型。建模之前，將孔雀石、石英、赤鐵礦三種礦物設(shè)置標簽值，數(shù)字1表示孔雀石，數(shù)字2表示石英，數(shù)字3表示赤鐵礦。將兩個主成分的得分值作為新的自變量X代替原始光譜數(shù)據(jù)，標簽值作為因變量Y建立SVM模型。為了防止模型過擬合，選擇五折交叉驗證的方式的來建模。模型的訓(xùn)練集結(jié)果如圖4所示，第一類樣本中，有一個樣本被錯誤地預(yù)測成第二類，為預(yù)測錯誤。第二、三類樣本的真實類別與預(yù)測類別完全一致，無錯誤預(yù)測。訓(xùn)練集模型總體的識別準確率達 98.88%，表明建立的模型效果較好。

為了檢驗?zāi)Ｐ偷念A(yù)測能力，對預(yù)測集的30個樣本進行測試。模型的測試集結(jié)果如圖5所示，第一類和第三類樣本的預(yù)測值和真實值完全一致，第二類樣本中有一個被錯誤識別成第一類，其余全部識別正確。PCA-SVM分類模型的總體預(yù)測準確率約為96.67%，模型預(yù)測效果較好，表明此模型用于礦物的聚類分析是可行的。

3.3基于BP神經(jīng)網(wǎng)絡(luò)的孔雀石含量檢測模型建立

經(jīng)過競爭自適應(yīng)算法挑選特征后的光譜數(shù)據(jù)樣本按照4:1劃分，其中訓(xùn)練集樣本93個，測試集樣本23個。根據(jù)上述設(shè)置的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)，將訓(xùn)練集光譜數(shù)據(jù)X和實際的孔雀石含量值Y作為輸入來建立BP神經(jīng)網(wǎng)絡(luò)模型，模型訓(xùn)練的結(jié)果如圖6。

由圖6可知，相關(guān)系數(shù)R=0.9908，模型均方根誤差 RMSE=0.04983，表明模型的真實值和預(yù)測值較接近，模型內(nèi)部結(jié)構(gòu)穩(wěn)定性好。為了檢驗?zāi)Ｐ偷念A(yù)測能力，將另外的16個礦物樣本的光譜作為測試集輸入到建立的模型中，并與真實的孔雀石含量值相比較，如表2所示，模型的預(yù)測結(jié)果如圖7所示。

由表2的預(yù)測結(jié)果可知，預(yù)測相對誤差的最大值為0.238，最小值為0.004，誤差均在可接受的范圍內(nèi)。模型的相關(guān)系數(shù)R=0.9832，均方根誤差RMSE=0.6936，表明BP模型的預(yù)測值和真實值之間相關(guān)性高，預(yù)測誤差較小，建立的模型具備較高的可行性，可用于模型數(shù)據(jù)分析。