颗粒度对喀斯特型铝土矿可见光-近红外光谱特征的影响

岩矿反射光谱是智能矿山岩矿智能感知技术以及遥感信息识别的重要参考依据,由于地物表面粗糙度对反射光谱的影响取决于粗糙高度值与波长关系对电磁波传播的影响,因此颗粒度是影响岩石和矿物反射光谱特征的重要因素之一。喀斯特型铝土矿在中国分布广泛,目前有关铝土矿的反射光谱基础数据还非常匮乏。为了探究颗粒度对喀斯特型铝土矿反射光谱的影响规律,本文选取贵州省修文县小山坝喀斯特型铝土矿为研究对象,采用地物光谱仪测试不同颗粒度铝土矿(铝土岩)样品的可见光-近红外反射光谱,并结合铝土矿(铝土岩)主量元素和矿物组成分析讨论铝土矿与铝土岩的光谱差异。结果表明:小山坝铝土矿(铝土岩)由于矿物组成的不同而呈现显著不同的光谱特征,其中铝土矿的反射光谱特征主要与一水硬铝石一致,在1400nm和1800nm波长处有明显的波谷特征,由OH振动谱带所致;铝土岩的反射光谱特征主要与高岭石一致,在1400nm、1900nm、2160nm和2200nm波长处有显著的波谷特征,分别由OH倍频合频、H_(2)O的振动谱带以及Al-OH基团拉伸和弯曲振动的合频所致,且在2160~2200nm波段呈双吸收峰特征。此外,不同颗粒度铝土矿(铝土岩)的整体反射率均较高,最高超过28%,且变化趋势基本相同。随着颗粒度从<0.04mm增加到3mm,铝土矿和铝土岩的反射率均逐渐减小,且铝土矿特征波谷的整体吸收强度相对稳定,而铝土岩特征波谷的吸收强度呈逐渐增大的趋势。本文研究认为可采用小颗粒度的粉末样品在1800nm、1900nm、2160nm和2200nm波长处的特征光谱进行铝土矿和铝土岩的区分。

主要赋铀岩石可见光—短波红外光谱二向性特征初步实验研究

花岗岩和砂岩是我国主要的赋铀岩石,为了提高利用遥感图像识别这两种岩石精度的效果,开展其可见光—短波红外光谱二向性特征实验研究。对其在微光实验室中,用200 W钨灯与平行光管产生平行光,以15°、 30°和45°入射角照射岩石的自然表面,在距离岩石表面20(25)cm、30 cm和40 cm处用ASD光谱仪垂直岩石表面接收可见光—短波红外反射光谱。光谱测试和数据分析发现,岩石的反射光谱二向性特征明显受岩石结构的影响。全晶质的斑状花岗岩,其二向性特征只受岩石结构类型影响;粗粒和细粒花岗岩都是在光线以30°角入射时具有最大的反射率辐射。非全晶质的砂岩,其二向性特征受岩石结构和结晶颗粒大小的双重影响;粗砂岩在照射光45°角入射时具有最大的反射辐射,而细砂岩则在照射光15°角入射时,具有最强的反射辐射。

可见光-近红外光谱预测粳稻食味的适应性研究

利用黑龙江省、吉林省、辽宁省和江苏省的88份常规粳稻品种,建立了适合中国粳稻食味评价的可见光-近红外光谱预测模型。感官食味试验采用小样品感官试验综合评分法,其相关性分析和逐步回归结果表明,感官综合评分与气味、色泽、外观完整性、味道、口感均呈极显著正相关。通过粳稻感官食味评分值与可见光-近红外光谱值的回归分析,得到7个自变量（4个波长的吸光度、碎米率、裂纹米率和香气系数）的预测回归方程,其相关系数R均达到0.699~0.799的极显著相关,经验证该预测回归方程能够较好的预测粳稻的米饭食味品质。

非接触式可见光-近红外光谱法快速预测天然高分子材料表面粗糙度的研究

利用触针式轮廓法测量了天然高分子材料木材的表面粗糙度,并对可见光-近红外光谱与实测表面粗糙度参数之间的相关性进行研究,探讨了非接触式光谱法快速预测天然高分子材料表面粗糙度的可行性。结果表明:(1)样品三个切面的可见光-近红外光谱(400～2 500nm)均可预测样品表面粗糙度,实测值与预测值相关系数可达0.92,其中利用样品横切面光谱所建的模型效果最好;(2)在分段光谱400～780nm,780～1 100nm,1 100～2 500nm,780～2 500nm,400～2 500nm范围内,所建模型表面粗糙度参数的实测值与预测值相关系数可达0.80以上,显著相关,其中400～2 500nm区域所建模型效果最好;(3)光谱预处理并不能提高模型预测效果,建议利用可见光-近红外光谱预测天然高分子材料表面粗糙度时采用原始光谱数据。

可见光-近红外光谱的低品位斑岩型铜矿反演模型

目前,国内外铜矿品位分析多以化学分析法为主,但由于化学分析法存在成本高、时间长和污染物残留等缺点,其相对配矿流程存在严重的滞后效应,致使尾矿铜含量过高,必然造成资源浪费。开展斑岩型铜矿可见光-近红外光谱特征与建模研究是解决这一问题的有效途径。以121个乌山斑岩型铜矿的化学分析与光谱测试数据为数据源,分析了斑岩型铜矿可见光-近红外光谱特征,以主成分分析法(PCA)、局部线性嵌入算法(LLE)两种降维算法对原始光谱数据进行了处理,所降维数分别为3维和5维,同时利用遗传算法(GA)对原始光谱数据进行了波段选择,共选取了467个最佳波段。然后以BP神经网络为建模方法,并分别以92个和29个斑岩型铜矿可见光-近红外光谱数据作为建模样本和测试样本,建立了斑岩型铜矿可见光-近红外光谱的定量反演模型。利用原始数据所建模型的品位反演平均绝对误差为0.104%,利用主成分分析法、局部线性嵌入算法、遗传算法处理后的数据所建模型品位反演平均绝对误差分别为0.110%, 0.093%和0.045%,由此可见,利用主成分分析法处理后的数据所建模型品位反演精度较差,利用局部线性嵌入算法处理后的数据所建模型品位反演精度略有提高,而利用遗传算法处理后的数据所建模型品位反演精度有明显提高。研究结果表明,基于低品位斑岩型铜矿可见光-近红外光谱数据反演模型的品位分析具有一定的可行性,为我国低品位斑岩型铜矿的品位快速检测提供了一种有效的手段。

短波近红外光谱结合ν-SVM法快速无损鉴别淀粉种类

选用不同厂家的红薯淀粉、马铃薯淀粉和玉米淀粉共112个样品,利用短波近红外光谱技术对淀粉种类进行鉴别。分别采用马氏距离判别法、C-支持向量机(C-SVM)、ν-支持向量机(ν-SVM)建立淀粉种类鉴别的短波近红外光谱模型;并对比多元散射矫正、平滑、一阶微分、二阶微分等多种预处理方法后的建模结果。结果表明:同时使用平滑、多元散射矫正、一阶微分3种预处理方法后,ν-SVM分类模型的效果最佳;训练集交叉验证正确率为100%,测试集正确率也达到100%。该模型快速准确无损的鉴别淀粉种类是可行的。

可见光-近红外光谱的矽卡岩型铁矿反演模型

铁矿资源是我国国民经济基础产业中的重要组成要素,在我国经济发展中有举足轻重的地位。铁矿品位的检定效率对铁矿石开采效率有重大影响。目前,铁矿石品位的化学分析检定法,不仅存在成本较高,化验周期长的问题,更主要的是其无法实现铁矿品位原位测定,相对配矿流程存在滞后效应,无法有效降低矿石开采的损失贫化率;基于可见光-近红外光谱分析的铁矿品位原位测定技术是解决这一问题的有效途径。以225个红岭矽卡岩型铁矿测试样本的可见光-近红外光谱数据及化学分析数据为数据源,首先对原始数据进行了平滑处理,并分析了矽卡岩型铁矿可见光-近红外光谱特征,然后利用倒数对数、多元散射校正(MSC)两种预处理方法对平滑后的光谱数据进行处理,再分别以主成分分析法(PCA)、遗传算法(GA)两种降维算法对预处理前后的光谱数据进行了处理,获取了六种不同预处理组合算法处理后的数据源。其中以PCA降维算法所降维数分别为3维、3维、7维;以GA降维算法所降维数分别为477维、489维、509维。最后基于随机森林(RF)和极限学习机(ELM)建立了矽卡岩型矿石金属铁品位的定量反演模型,以决定系数(R^(2))、均方根误差(RMSE)和平均相对误差(MRE)三个指标分别对模型的稳定性、精确度、可信度进行评价。结果表明,经MSC处理及PCA降维后的数据基于ELM算法建立的定量反演模型效果最优,其R^(2)可达0.99、RMSE为0.0057、MRE为2.0%,该方法所建模型对红岭矽卡岩型铁矿品位反演精度有明显的提升。对矽卡岩铁矿品位的实时、快速分析提供了一种有效的方法,对实现矽卡岩型铁矿的高效开采具有重要的现实意义。

基于可见光-近红外光谱的BIF磁性率确定方法研究

铁矿中磁性率是评价铁矿床工业价值和划分矿石工业类型的重要指标。传统的磁性率测定法存在工作量大、效率低、周期长的缺陷,成为经济、合理、高效开采铁矿资源的瓶颈问题。采用便携式地物光谱测试仪对辽宁省鞍钢集团鞍千矿业有限责任公司的BIF实验样品进行可见光-近红外光谱测试,分析了光谱特征,构建了比值指数(RI)、差值指数(DI)和归一化指数(NDI),并确定光谱指数与样品磁性率相关性最显著的敏感波段及对应的相关系数值;优选出与样品磁性率相关性最显著的比值指数(RI),构建实验样品磁性率的定量反演模型,并进行了验证。结果表明,三种光谱指数与样品磁性率敏感波段均位于935与1 050nm,且该波段处的相关系数均达到0.9以上,其中比值指数与样品磁性率的相关性最高;基于比值指数构建的实验样品磁性率定量反演模型的预测误差为0.038,反演磁性率与实测磁性率的判定系数(R2)为0.964 5,预测结果比较理想。为确定BIF的磁性率提供了一种新方法,该方法具有工作强度小、经济、高效、便捷的优点,且对遥感找矿具有一定指导意义。

基于短波红外光谱技术在浅成低温热液型矿床中的成矿指示研究

晓天-磨子潭盆地产出一系列浅成低温热液型金矿床,而深部矿床工作研究程度较低,深部找矿未取得有效突破。本文在详细野外观察、地表采样等工作基础上,通过短波红外光谱分析技术,旨在揭示地表岩石矿物热液蚀变特征,为指示深部潜在隐伏矿床提供依据。初步研究成果表明:研究区蚀变矿物主要为铁镁绿泥石、云母族矿物、高岭石、方解石、铁白云石、绿帘石、铁电气石、黝帘石、钠云母伊利石;根据伊利石IC值、Dep1900 nm值变化特征,表明研究区西南地区为热液矿化中心,是下一步寻找斑岩型矿床工作的重点。

基于可见光-近红外光谱的煤岩识别方法实验研究

以淮南矿区谢桥矿和潘二矿的煤和岩石样本为研究对象,通过地物光谱仪采集样本反射率光谱曲线,同时检测样本氧化物含量、水分、灰分及挥发分含量,将样本的反射率光谱曲线和样本成分含量分别作为自变量,样本类别“煤”和“岩石”两种矿物类型作为因变量,建立煤和岩石识别模型对煤和岩石进行二分类。该研究主要采用三种模型,分别为主成分分析结合支持向量机(PCA-SVM)、主成分分析结合BP神经网络(PCA-BP)模型和核主成分分析结合支持向量机(KPCA-SVM)模型。结果表明,基于可见光近红外光谱的三个模型中,核主成分分析结合支持向量机模型的识别精度最高,建模平均精度为95.5%,验证平均精度约为90.56%;基于样本成分的三个模型中,核主成分分析结合支持向量机模型的识别精度最高,建模平均精度为98.5%,验证平均精度约为95%。

颗粒度对不同煤种可见光-近红外光谱的影响

煤炭是我国最主要的能源,在开采、运输、洗选加工、精煤储运等过程中都需要及时了解煤的成分、含量以及混矸程度,以便掌握和监控煤炭质量。目前,基于可见光-近红外反射光谱的煤炭原位测试技术已经成为一个研究热点。颗粒度是影响光谱特征的重要因素,开展颗粒度对不同煤种反射光谱特征的影响研究,对于深刻认识煤的光谱特征,进而提高煤光谱识别精度具有重要意义。为此,选取我国主要煤炭富集区(包括内蒙古乌海、新疆哈密、山西阳泉)的褐煤、烟煤、无烟煤为研究对象,利用SVC HR-1024光谱仪对不同颗粒度煤样的可见光-近红外光谱进行测试,分析了颗粒度对煤样光谱反射率的影响规律,以及颗粒度对于不同煤种光谱影响的差异。在此基础上,对实验现象背后的物理机理进行了分析讨论。研究表明,变质程度不同的煤反射光谱特征基本相似,即在可见光波段反射率较低且随波长增加出现缓慢下降趋势,在近红外波段快速上升。当煤样颗粒度>0.10 mm时,颗粒度大小对光谱特征的影响较小,煤样反射光谱特征随颗粒度变化规律不明显;当颗粒度<0.10 mm时,颗粒度对煤样的光谱影响增大,且影响主要体现在近红外波段的反射率光谱曲线的斜率大小,颗粒度越小,光谱反射率曲线斜率越大。0.10 mm颗粒度可作为颗粒度对煤的光谱特征影响的敏感界限。不同煤种可见光-近红外光谱曲线受颗粒度的影响程度不同,褐煤的影响最大,烟煤次之,无烟煤影响最小。实验表明,利用反射光谱进行煤质分析和煤种识别时需要考虑颗粒度的影响,同时,选择颗粒度小于0.10 mm的粉末状样品效果要好于大颗粒或块状样品。

基于MODIS短波红外光谱特征的土壤含水量反演

土壤含水量是地表干旱信息最重要的表征参量,也是定量遥感反演面临的一个挑战性课题.作者在分析MODIS短波红外第6波段和第7波段对水分变化敏感的基础上,构建了MODIS短波红外光谱特征空间,根据土壤水分在光谱特征空间中的变化规律,提出了简单实用的MODIS短波红外土壤湿度指数(Shortwave Infrared Soil Moisture Index,SIMI),并利用宁夏平原实测0～10cm平均土壤含水量数据验证了该指数.结果表明:它们之间的相关性较好,R2变化范围为0.39～0.58.此外,与TVX相比,该指数具有更高的土壤水分监测精度,证明了该方法反演区域土壤含水量的可靠性.然而,该指数没有消除混合像元的影响,仍需进一步改进与完善.

利用可见—短波近红外光谱法检测马铃薯干物质含量

为了快速测定马铃薯干物质含量,利用可见-短波近红外光谱无损检测马铃薯的干物质含量,以207个具有代表性的马铃薯样本作为研究对象,其中115个作为马铃薯切片样本的研究,92个作为完整马铃薯的研究,通过对比两种样本的模型预测效果,探讨可见-短波近红外光谱用于马铃薯干物质含量的完全无损检测的可行性。切片样本光谱数据用Savitzky-Golay(S-G)一阶卷积求导方法预处理,根据局部最大值最小值原则和含氢基团(C-H、O-H)伸缩振动的敏感波段选定了5段特征波长参与建模,模型外部检验决定系数R^2=0.941 6,标准误差RMSE=3.91。完整马铃薯样本光谱数据在Multiplicative Scatter Correction(MSC)基础上使用S-G一阶卷积求导方法预处理,通过选取了线性关系较好的5段波长参与建模。模型外部检验决定系数R2=0.847 5,标准误差RMSE=4.07。结果表明,完整马铃薯样本模型的检测效果虽然没有切片样本效果理想,但仍可以作为实际生产中进行马铃薯干物质含量检验的有效手段。

可见光和短波红外光谱相机

4月21-23日,在美国马里兰州巴尔的摩市巴尔的摩会议中心举办的SPIE国防、安全与传感2015年展会上,英国PIXELTEQ公司展示了其增加了新功能的PixelCamTM和SpectroCamTM两款多光谱摄像机。PixelCam相机使用PIXELTEQ独特的像素化二向色滤光片阵列传输实时多光谱图像,具有与单色成像仪相同的SWaP值。PIXELTEQ还在其SpectroCam系列多光谱成像解决方案中增加了一个短波红外（SWIR）摄像机选项，因而使其能提供生动丰富的高达6个光谱段的图像，能让用户看到超越人类视觉的彩色红外图像。

水稻土可见-近红外-中红外光谱特性与有机质预测研究

土壤有机质是农田肥力评估的重要指标,要实现快速获取大面积土壤有机质的含量需要建立高效、稳健的预测模型。光谱技术能够快速诊断土壤有机质,以水稻土为例,从校正样本选择方法的对比,研究了可见-近红外、中红外和可见-近红外-中红外三种不同波段光谱对土壤有机质的预测能力。可见-近红外和中红外区域的光谱反射率转换成吸收率后通过Savitzky-Golay平滑法去噪,通过三种校正样本选择方法建立相应的偏最小二乘回归预测模型。通过Rank-KS法建立的三种波段的有机质预测模型均优于Rank法和KS法,中红外波段光谱的模型预测能力强于可见-近红外和可见-近红外-中红外波段的预测模型,基于RankKS法建立的中红外波段有机质预测模型取得了最好的预测效果,RMSEP仅为3.25g·kg^(-1),RPD达到4.24,依据VIP得分筛选出可见-近红外和中红外波段的水稻土有机质重要建模波段。因此,中红外光谱建模技术能够对水稻土有机质进行快速定量分析,Rank-KS法可提高模型的预测能力,为今后农田肥力评价和科学施肥提供技术支持。

土壤有机质可见光–近红外光谱预测样本优化选择

土壤有机质可见光-近红外光谱预测中建模样本的优化选择对提高有机质模型估算精度具有重要作用。本文以湟水流域土壤有机质为例,采用基于土壤单一属性信息考虑的建模样本选择方法:浓度梯度法、Kennard-Stone(KS)方法,以及基于土壤多种信息考虑的建模样本选择方法:Rank-KS(RKS)法、土壤类型结合浓度梯度法以及土壤类型结合KS法。通过偏最小二乘回归建模,探索可见光–近红外光谱预测青海湟水流域有机质的最优样本集。结果表明:不同级别样本数的最佳建模样本选择方法不同,整体表现为基于土壤多种信息挑选的建模样本集的模型精度相比土壤单一信息均较高,特别是KS方法结合土壤类型后的建模样本集模型精度明显提高且在样本数较少时更为明显。土壤类型可以优化建模样本选择方法提高模型预测精度。在保证固定验证样本模型预测精度的情况下,土壤类型参与建模样本的选择可以有效减少建模样本数,进而降低了建模成本。

中红外光谱土壤有机质含量估测研究进展

中红外光谱波段(2.5~25μm)对土壤有机质内部分子振动高度敏感,基于中红外光谱技术的土壤有机质含量估测是土壤学科新兴的研究方向和热点。文章采用文献综述的方法,全面总结了土壤有机质含量中红外光谱估测方法的发展和应用,简述了中红外光谱响应与土壤有机质分子结构的相关性研究,对比分析了室内台式、手持式和机载中红外光谱设备估测土壤有机质含量的优势和局限性,比较分析了中红外、近红外、可见光-近红外光谱及其光谱组合估测土壤有机质含量的模型精度和稳定性,总结分析了基于中红外光谱技术的土壤有机质含量建模方法研究进展,以及土样制备、光谱数学变换、敏感波段选择等前处理对土壤有机质含量估测精度的影响研究,最后提出了土壤有机质含量中红外光谱估测存在的问题及发展趋势,为土壤有机质含量的测定工作提供参考。

基于光谱技术的水产品质量检测方法研究

光谱技术因独特的优势在水产品质量安全检测领域得到了广泛应用。本文首先分析光谱技术在水产品质量检测中的作用、应用现状及面临的挑战,进一步探索可见光-近红外光谱、红外线光谱和荧光光谱等技术的检测效果,发现光谱技术在水产品中的各项指标检测(如水分、蛋白质、脂肪含量等)准确率较高,重复性好,能满足实际生产中对水产品质量检测的需求。本研究为保障食品安全提供了技术支持。

典型伪装材料高光谱特征及识别方法研究

针对某些特定环境下,伪装目标和背景目标出现的“异物同谱”现象,传统的可见光及多光谱遥感伪装识别存在局限性,为此,将高光谱应用到典型伪装材料的特征分析与识别。以北方地区常用丛林迷彩伪装网为研究对象,利用SVC HR1024光谱仪获取其不同浸水时间的可见光-近红外光谱,通过光谱相似性度量和包络线去除处理,分析揭示不同浸水条件下伪装网和北方典型植被光谱特征和敏感波段,并基于近红外波段构建光谱比值指数RCI,用于识别绿色植被环境中的伪装目标,最后通过高光谱成像实验获取仿真伪装环境高光谱图像,并利用高光谱图像对识别效果进行验证。结果显示:(1)不同浸水时间的丛林迷彩伪装网的光谱曲线基本形态相似,且反射率随浸水时间的增加而整体呈下降趋势;1900 nm波段是伪装网反射光谱对含水量响应最为明显的波段,其光谱特征会因浸水处理而相似于植被,相似度从0.895提高到了0.939。(2)丛林迷彩伪装网和植被在可见光波段的相似度较高,光谱波动情况相似,但在近红外波段光谱特征差异明显。通过包络线统去除分析得出970,1190和1440 nm波段附近处是丛林迷彩伪装网识别的敏感波段,且基于迷彩伪装网和各植被在900~1900 nm波段范围内存在的2处明显反射率斜率的差异,构建了伪装网识别特征指数RCI_(1)(R_(1190)/R_(1270))和RCI_(2)(R_(1270)/R_(1440))。(3)基于RCI指数构建决策树分类模型,可以快速有效的将伪装目标从绿色植被背景中提取出来。实验结果表明,基于RCI指数对伪装目标区域进行识别提取,所得结果在形态和大小上与原影像具有较好地一致性,识别精度可达95%,表明该指数对于伪装目标具有较好的识别效果。

基于实测光谱和国产高分五号高光谱卫星的铁尾矿表层含水率遥感反演方法研究

尾矿库作为高势能的人造泥石流危险源,在尾砂含水量过高时有溃坝风险,低含水量状态下产生扬尘则会危害周围环境。尾砂含水量实时、动态监测对于尾矿库安全状况及矿区环境保护具有重要意义。相比传统采样化验手段,高光谱遥感拥有观测面积大、数据实时易获取、光谱信息丰富的特点,为快速、高精度尾矿水分监测提供了手段。以鞍山-本溪铁矿群中的高硅型铁尾矿为研究区,实地采集尾砂样品77个,利用可见光-近红外(350~2500 nm)光谱仪获取其光谱数据,分析不同含水率尾砂光谱特征及机理;引入竞争性自适应加权重采样法(CARS)筛选水分敏感波段,并基于敏感波段建立三维波段光谱指数(TBI),结合随机森林(RF)、粒子群优化的极限学习机(PSO-ELM)及卷积神经网络(CNN)算法建立尾砂水分反演模型,以国产高分五号高光谱卫星为数据源进行模型应用,获取尾矿库表层含水时空分布特征。结果表明:(1)尾砂光谱反射率随含水率升高明显下降,在1455和1930 nm处出现O—H吸收特征,吸收深度随含水率减小而逐渐减小;(2)基于CARS方法能够对高光谱数据(305波段)有效降维,筛选出18个水分敏感波段,进一步利用敏感波段构建不同形式的尾砂含水率TBI指数集,其中三维差值指数TBI5=(R1097.47-R1990.67)-(R1990.67-R437.39),与水分含量相关性最高,达到0.84;(3)对比RF,PSO-ELM及CNN方法以及不同形式的输入数据,基于尾砂含水率TBI指数联合反射率数据集作为输入数据进行CNN建模,室内光谱模型达到验证精度R2=0.92,相对分析误差RPD=3.43,基于该模型利用高分五号卫星数据反演可获取研究区尾砂含水率空间分布结果,实地验证R2达到0.79,相对分析误差RPD=2.20,获得较好的预测效果。可为基于高光谱技术的铁尾矿水分含量大面积实时快速监测提供参考。