采集礦石樣本高光譜圖像

圖1b（藍(lán)色線條）為HSI捕獲到的原始平均光譜曲線,，可以明顯看到在整個(gè)光譜區(qū)域沒有特異的波峰波谷,。為了找出峰谷突出的區(qū)域,，分析了光譜波段之間的相關(guān)性,。

對(duì)于維度為（x, y, λ）的高光譜數(shù)據(jù),，轉(zhuǎn)換為（z = x × y, λ）,，并對(duì)z進(jìn)行相關(guān)性分析，結(jié)果如a所示,。

圖中顯示紅色區(qū)域的波段在整個(gè)波段中占比94.34%,，其余顏色區(qū)域總共占比5.66%。為了最大限度地保留 “純凈數(shù)據(jù)",，防止其它顏色區(qū)域數(shù)據(jù)的干擾,，

通過查詢顏色欄數(shù)據(jù)并結(jié)合波段得知紅色與其余顏色區(qū)域的相關(guān)性分界點(diǎn)為0.8（波段：483）。隨后,，將相關(guān)性小于0.8的30個(gè)波段從數(shù)據(jù)分析中剔除,，

從而消除了1685.47-1735.34 nm的光譜區(qū)域。得到的光譜曲線如圖1b（紅線）所示,。該過程獲得的光譜數(shù)據(jù)（150×483）用于后續(xù)的模型建立和分析,。

檢測出了鈦鐵礦中品位較高的9種金屬元素，根據(jù)其品位高低對(duì)樣本進(jìn)行分組,。

其中,，1%及以上為主要品位（Ti, Fe）,，0.02-1%為次要品位（V, Mn, Co, Cu），0.02%及以下為微量品位（Zn, Zr, Pb）,。

鈦鐵礦中各組分品位的統(tǒng)計(jì)分布如表1所示,，可以清晰看出，不同組分的品位有明顯的差異,，這對(duì)回歸模型的建立至關(guān)重要,。

鈦鐵礦樣本的光譜反射率值在0.03 - 0.27之間，證實(shí)粉狀鈦鐵礦的整體反射率較低,，并隨品位的增加而降低,。圖1b顯示在NIR區(qū)域，

該鈦鐵礦的光譜特征分別在940nm,、1020nm和1300~1650nm處出現(xiàn)了波谷,。具體地，光譜反射率值在940 nm處達(dá)到谷值,，隨后急劇下降,，

這主要?dú)w因于O-Ti-O的拉伸和變形。該鈦鐵礦較寬的吸收波段主要位于1300 ~ 1650 nm,，Izawa指出這是由八面體配位的亞鐵在此附近產(chǎn)生晶體場躍遷分裂而引起的,。

采用SavitZky一Golay卷積平滑法(簡稱SG平滑算法)、多元散射校正算法,、包絡(luò)線去除算法,、二階導(dǎo)數(shù)算法、多元散射校正+SG平滑算法等5種預(yù)處理方法對(duì)原始光譜數(shù)據(jù)進(jìn)行處理,?；跇渫痪W(wǎng)絡(luò)模型對(duì)比原始光譜數(shù)據(jù)，探索出HSI光譜數(shù)據(jù)的最佳預(yù)處理方法,，結(jié)果如表2所示,。預(yù)測集中，與原始數(shù)據(jù)相比,，MSC+SG方法下的各指標(biāo)R²_P提高了5.88%,，RMSEP降低了34.39%，RPD和RPIQ分別提高了28.86%和38.93%,。

提取礦石樣本的顏色特征是否可以用于構(gòu)建品位預(yù)測模型,，還有待進(jìn)一步驗(yàn)證?；阝佽F礦多組分品位（平均品位）與顏色特征參數(shù)進(jìn)行Pearson相關(guān)性分析,。

從圖中可以看出，除S顏色通道的特征參數(shù)與多組分品位存在弱相關(guān)（R < 0.3）外,，其余顏色特征參數(shù)對(duì)于品位預(yù)測模型都是合理的,。造成這種現(xiàn)象的原因是,，

鈦鐵礦本身是一種不透明礦物，而HSI采集到的圖像過于單一,，整體顏色偏暗,。

多元回歸模型DD、PLSR和SSA-KELM可能對(duì)兩個(gè)維度中某一特定數(shù)據(jù)集的表現(xiàn)最好,，但基于多組分品位模型穩(wěn)定性的需求,，

BPNN才是最佳的模型選擇。圖5為基于BPNN兩個(gè)的光譜和圖像數(shù)據(jù)結(jié)果,，可以看出,，兩個(gè)數(shù)據(jù)的指標(biāo)變化差異不大，

證實(shí)了BPNN模型即使在小樣本量下也具有很強(qiáng)的泛化性能和魯棒性,。綜合評(píng)價(jià)表明,，BPNN對(duì)兩組數(shù)據(jù)集的預(yù)測都是成功的，

但利用圖像數(shù)據(jù)預(yù)測鈦鐵礦多組分品位的可靠性略低于利用特征選擇的光譜數(shù)據(jù),。

從iPLS-VCPA-IRIV特征選擇的擬合光譜數(shù)據(jù)圖可以看出,，在校正集中，鈦鐵礦多組分品位都均勻準(zhǔn)確地分布在理想曲線上,。

然而,，對(duì)于預(yù)測集來說,，明顯可以看出來的是,，除擬合良好的主要品位（Ti、Fe）

和次要品位（V,、Mn,、Co、Cu）外,，微量品位（Zn,、Zr、Pb）的擬合似乎并不令人滿意,。因此,，在下一步工作中，

可以對(duì)少樣本量下礦石內(nèi)部微量品位的變化進(jìn)行更深入的研究,。

從光譜和空間維度出發(fā),，探討了計(jì)量學(xué)相結(jié)合預(yù)測鈦鐵礦多組分品位的能力。