智能礦山中的巖礦光譜智能感知技術(shù)與研究進(jìn)展

劉善軍 王 東 毛亞純 宋 亮 丁瑞波 劉海琪

（1.東北大學(xué)資源與土木工程學(xué)院，遼寧 沈陽(yáng) 110819；2.信息工程大學(xué)地理空間信息學(xué)院，河南 鄭州 450001）

礦業(yè)是國(guó)民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，隨著5G網(wǎng)絡(luò)、大數(shù)據(jù)、人工智能、云計(jì)算等新技術(shù)興起，智能化作為顛覆性的創(chuàng)新技術(shù)，已經(jīng)成為世界范圍內(nèi)基礎(chǔ)工業(yè)產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力。采用智能化高新技術(shù)來(lái)帶動(dòng)傳統(tǒng)礦業(yè)的轉(zhuǎn)型和升級(jí)，可從本質(zhì)上提升礦山企業(yè)的核心競(jìng)爭(zhēng)力，從而推動(dòng)傳統(tǒng)礦業(yè)向安全、高效、經(jīng)濟(jì)、綠色與可持續(xù)的目標(biāo)發(fā)展。2020年3月國(guó)家發(fā)展和改革委員會(huì)等8部委推出了《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見(jiàn)》，提出了將煤礦智能化作為煤炭工業(yè)高質(zhì)量發(fā)展的核心技術(shù)支撐，制定了煤礦智能化發(fā)展的原則、目標(biāo)、任務(wù)和保障措施。到2021年，建成多種類型、不同模式的智能化示范煤礦；到2025年，大型煤礦和災(zāi)害嚴(yán)重煤礦基本實(shí)現(xiàn)智能化，形成煤礦智能化建設(shè)技術(shù)規(guī)范與標(biāo)準(zhǔn)體系；到2035年，各類煤礦基本實(shí)現(xiàn)智能化，構(gòu)建多產(chǎn)業(yè)鏈、多系統(tǒng)集成的煤礦智能化系統(tǒng)，建成智能感知、智能決策、自動(dòng)執(zhí)行的煤礦智能化體系。礦山智能化涉及礦山地質(zhì)、測(cè)量、采礦、選礦、安全等各環(huán)節(jié)，其中地質(zhì)條件探測(cè)的智能化是礦山智能化的一個(gè)重要環(huán)節(jié)，是智能開(kāi)采的基礎(chǔ)，巖礦測(cè)試的智能化則是實(shí)現(xiàn)智能化地勘的關(guān)鍵。

眾所周知，礦山巖礦成分測(cè)定以及礦體邊界的準(zhǔn)確圈定對(duì)礦山設(shè)計(jì)、生產(chǎn)規(guī)劃和采礦、配礦等工作至關(guān)重要。傳統(tǒng)的現(xiàn)場(chǎng)采樣、室內(nèi)化驗(yàn)的礦巖測(cè)定方法，由于采樣密度偏低、測(cè)點(diǎn)稀疏、工作量大、周期長(zhǎng)、效率低等原因，已成為智能礦山建設(shè)的瓶頸，如何研發(fā)新的巖礦測(cè)試技術(shù)，以適應(yīng)新時(shí)代背景下礦業(yè)發(fā)展的需要，是亟待解決的問(wèn)題，也是智能礦山建設(shè)的關(guān)鍵。本研究結(jié)合近年來(lái)國(guó)內(nèi)外的發(fā)展現(xiàn)狀，提出了基于光譜分析的巖礦智能感知技術(shù)（簡(jiǎn)稱巖礦光譜智能感知技術(shù)），并對(duì)該技術(shù)的特點(diǎn)、優(yōu)勢(shì)以及發(fā)展現(xiàn)狀等進(jìn)行論述。

1 礦山常用的巖礦測(cè)試技術(shù)及存在不足

1.1 礦山常用的巖礦測(cè)試技術(shù)

目前，礦山企業(yè)常用的巖礦測(cè)試技術(shù)與地質(zhì)行業(yè)的一般巖礦測(cè)試技術(shù)基本相同，主要有以下幾種。

（1）化學(xué)分析法。化學(xué)分析法是以物質(zhì)的化學(xué)反應(yīng)為基礎(chǔ)對(duì)物質(zhì)成分含量進(jìn)行確定，主要包括重量分析法和滴定分析法。巖礦中二氧化硅含量經(jīng)常采用高氯酸脫水重量法［1］、鹽酸蒸干脫水重量法、聚環(huán)氧乙烷凝聚重量法［2］、動(dòng)物膠凝聚重量法、甲基纖維素凝聚重量法等方法進(jìn)行確定。鐵礦石中鐵含量可通過(guò)鈰量滴定法［3］、三氯化鈦還原滴定法［4］、重鉻酸鉀滴定法［5］等進(jìn)行確定，也可通過(guò)重鉻酸鉀滴定法確定鐵礦石中亞鐵含量［6］。錳礦中錳的含量可通過(guò)硫酸亞鐵銨滴定法、硫脲滴定法［7］、碘量滴定法［8］、過(guò)硫酸銨氧化滴定法、硝酸銨氧化滴定法［9］確定。

（2）電化學(xué)分析法。電化學(xué)分析法是將試樣溶液作為化學(xué)電池的一個(gè)組成部分，根據(jù)電池的某種電參數(shù)（電阻、電導(dǎo)、電位、電流、電量或電流—電壓曲線等）與被測(cè)物質(zhì)濃度之間存在的關(guān)系及變化規(guī)律，對(duì)試樣組分進(jìn)行定性和定量分析。電化學(xué)分析法主要包括電位測(cè)定法、恒電位庫(kù)侖法、極譜法、電導(dǎo)法、電位滴定法、庫(kù)侖滴定法、電導(dǎo)滴定法、電解分析法等［10-16］。郭志英［17］應(yīng)用電位滴定法對(duì)銅礦中銅的含量進(jìn)行了測(cè)定，相對(duì)誤差約5%。周正等［18］應(yīng)用示波極譜法對(duì)地質(zhì)樣品中錫的含量進(jìn)行了測(cè)定，相對(duì)標(biāo)準(zhǔn)偏差小于5%。

（3）色譜分析法。色譜分析法是一種依據(jù)物質(zhì)在固定相和流動(dòng)相之間性質(zhì)（溶解性、極性、離子交換能力、分子大小等）的不同，對(duì)樣品進(jìn)行定性和定量分析的方法。當(dāng)流動(dòng)相攜帶樣品流經(jīng)固定相時(shí)，流動(dòng)相對(duì)固定相中的混合物進(jìn)行洗脫，混合物中不同物質(zhì)沿固定相以不同速度移動(dòng)，各組分在兩相中不斷地重新分配，最終達(dá)到分離與提純，對(duì)分離提純的組分進(jìn)行定量分析，即可確定樣品的成分含量。劉綺萍等［19］應(yīng)用液相色譜分析法對(duì)巖礦中鈷和鎳的含量進(jìn)行了測(cè)定，所得結(jié)果與化學(xué)化驗(yàn)值基本相符。梁漢文等［20］應(yīng)用離子色譜法對(duì)硫化礦中高含量的硫和砷進(jìn)行了測(cè)定，相對(duì)標(biāo)準(zhǔn)偏差分別為0.53%和0.47%。陳德勛等［21］應(yīng)用離子色譜法同時(shí)測(cè)定了地質(zhì)樣品中磷和硫的含量，極大提高了工作效率。

（4）質(zhì)譜分析法和中子活化分析法。質(zhì)譜分析法通過(guò)將待測(cè)試樣離子化，生成不同質(zhì)荷比的帶電荷離子，然后利用不同離子在電場(chǎng)或磁場(chǎng)運(yùn)動(dòng)行為的不同，將離子按質(zhì)荷比分開(kāi)得到試樣質(zhì)譜，通過(guò)試樣質(zhì)譜對(duì)樣品進(jìn)行定性、定量分析。戢朝玉等［22］應(yīng)用等離子體質(zhì)譜法對(duì)碳酸鹽巖石中的26個(gè)元素進(jìn)行了測(cè)定分析，各元素檢測(cè)結(jié)果均達(dá)到了技術(shù)指標(biāo)要求，提高了檢測(cè)效率。章新泉等［23］應(yīng)用電感耦合等離子體質(zhì)譜法測(cè)定了地質(zhì)樣品中多元素的含量，相對(duì)標(biāo)準(zhǔn)偏差達(dá)到1.7%～3.4%，滿足指標(biāo)要求。中子活化分析法首先將樣品放在中子源中照射，使試驗(yàn)樣品活化并產(chǎn)生放射性同位素；然后根據(jù)各種放射性同位素的半衰期及其發(fā)出的γ射線的能力和強(qiáng)度，對(duì)樣品中的元素進(jìn)行定性、定量分析。李小梅等［24］應(yīng)用中子活化分析法對(duì)南極菲爾德斯半島西湖沉積巖芯進(jìn)行了分析測(cè)定，有效確定了沉積物中Fe、Ca、Na等元素的含量。張鋒等［25］對(duì)鎳精礦進(jìn)行了中子活化分析，得到了鎳精礦的元素成分和含量，可以較好地滿足工業(yè)要求。

（5）物相分析法。物相分析法是應(yīng)用特定的方法，確定巖礦中元素的賦存狀態(tài)，進(jìn)而確定試樣中各種元素形成的具有穩(wěn)定結(jié)構(gòu)的化合物（物相），并對(duì)其進(jìn)行定性、定量分析。該方法主要包括顯微鏡鏡下鑒定、X射線衍射分析（XRD）、電子探針?lè)治龅确椒āＡ稚屏嫉龋?6］應(yīng)用X射線衍射分析法（XRD）確定了試樣中的鈣和鎂元素主要賦存在堇青石礦物中。程金榮［27］應(yīng)用X射線衍射分析法（XRD）對(duì)礦石試樣中紅柱石的含量進(jìn)行了定量確定，相對(duì)標(biāo)準(zhǔn)偏差為0.94%。阮鴻興［28］將電子探針和顯微鏡鑒定相結(jié)合，確定了銀絕大部分呈固溶體分散賦存于方鉛礦、鉛礬、鉛鐵礬等鉛的含氧酸鹽礦物中。包亮亮等［29］應(yīng)用顯微鏡鏡下鑒定分析法，確定了新疆西南天山吉根一帶含錳巖礦中的錳主要以菱錳礦、軟錳礦、褐錳礦等形式賦存。

（6）光度分析法。光度分析法是通過(guò)測(cè)定試驗(yàn)樣品在特定波長(zhǎng)處或一定波長(zhǎng)范圍內(nèi)光的吸收度，對(duì)試樣進(jìn)行定性和定量分析，主要包括比色分析法、熒光光度法、分光光度法、吸光光度法、化學(xué)發(fā)光法等。袁少芝［30］應(yīng)用過(guò)碘酸鉀法和過(guò)氧化氫法進(jìn)行比色分析確定了巖礦中錳和鈦的含量。謝曉嵐等［31］應(yīng)用鉍鉬藍(lán)分光光度法對(duì)巖礦中磷和砷的含量進(jìn)行了有效測(cè)定。董學(xué)林等［32］應(yīng)用硅鉬藍(lán)比色分光光度法對(duì)地質(zhì)樣品中二氧化硅的含量進(jìn)行了測(cè)定，相對(duì)標(biāo)準(zhǔn)偏差約1%。朱玉倫等［33］應(yīng)用二階導(dǎo)數(shù)熒光光度法對(duì)巖礦中鈮和鉭的含量進(jìn)行了測(cè)定，實(shí)現(xiàn)了鈮和鉭含量的同時(shí)測(cè)定。

（7）原子光譜分析法。原子光譜分析法是一種基于試驗(yàn)樣品原子光譜線的趨勢(shì)特征和強(qiáng)度特征對(duì)試樣組分進(jìn)行定性、定量分析的方法。該方法主要包括原子發(fā)射光譜法（AES）、原子吸收光譜法（AAS）、原子熒光光譜法（AFS）以及X射線熒光光譜法（XRF）。郝志紅等［34］應(yīng)用原子發(fā)射光譜法測(cè)定了地球化學(xué)樣品中銀、鉬、鉛的含量，銀含量相對(duì)標(biāo)準(zhǔn)偏差為4%～8%，鉬含量相對(duì)標(biāo)準(zhǔn)偏差為3%～10%，鉛含量相對(duì)標(biāo)準(zhǔn)偏差為2%～11%。趙雷等［35］應(yīng)用原子吸收光譜法測(cè)定了巖芯中鐵、鋁、鉀、鈉等的含量，精度均在90%以上。謝海東等［36］應(yīng)用原子熒光光譜法測(cè)定了鉛精礦中的砷含量，相對(duì)標(biāo)準(zhǔn)偏差為6%。艾曉軍等［37-39］總結(jié)了應(yīng)用波長(zhǎng)色散-X射線熒光光譜測(cè)定硅酸鹽巖石、鐵礦石等樣品的測(cè)定條件，并對(duì)精度、準(zhǔn)確度等指標(biāo)進(jìn)行了評(píng)價(jià)。

1.2 存在不足

前述所及的7種巖礦測(cè)試技術(shù)雖然測(cè)試精度大多較高，但這些方法往往測(cè)試的樣本質(zhì)量很小，代表性有限，且需要現(xiàn)場(chǎng)取樣、室內(nèi)處理制成標(biāo)準(zhǔn)樣品，才能進(jìn)行測(cè)試，工序多而復(fù)雜、耗時(shí)較多，不能滿足智能化礦山建設(shè)的需要，主要有如下3個(gè)方面不足。

（1）采樣密度低。傳統(tǒng)的礦山地質(zhì)取樣方法在確定礦巖界限以及圈定不同品級(jí)礦體時(shí)，雖然采樣間距因礦種不同而有所差別，但受限于成本和人力、物力等因素，一般現(xiàn)場(chǎng)采樣的密度較低，影響了礦體邊界的準(zhǔn)確圈定。

（2）測(cè)試周期長(zhǎng)、效率低。傳統(tǒng)的巖礦測(cè)試方法一般需要對(duì)樣品進(jìn)行加工處理，流程多、耗時(shí)長(zhǎng)，一般少則數(shù)小時(shí)，多則數(shù)天，并且勞動(dòng)強(qiáng)度大、效率很低，極大影響了礦山生產(chǎn)效率。

（3）成本高、經(jīng)濟(jì)效益低下。傳統(tǒng)的巖礦測(cè)試方法工序多、復(fù)雜、勞動(dòng)強(qiáng)度大，致使樣品測(cè)試成本較高，不夠經(jīng)濟(jì)，效益低下。

鑒于傳統(tǒng)巖礦測(cè)試方法存在的上述問(wèn)題，亟需一種工序簡(jiǎn)單、速度快、經(jīng)濟(jì)、高效的巖礦測(cè)試方法，這也成為智能礦山建設(shè)亟待解決的問(wèn)題。

2 巖礦光譜智能感知技術(shù)的提出

按照目前業(yè)內(nèi)共識(shí)，智能礦山的顯著標(biāo)志是“無(wú)人”，即整個(gè)礦山的各個(gè)生產(chǎn)環(huán)節(jié)都在智能機(jī)器人和智能設(shè)備操作下完成。文獻(xiàn)［40］對(duì)智能礦山的內(nèi)涵進(jìn)行了概括，即智能礦山是將物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、人工智能、自動(dòng)控制、移動(dòng)互聯(lián)網(wǎng)、機(jī)器人化裝備等與現(xiàn)代礦山開(kāi)發(fā)技術(shù)相融合，形成礦山感知、互聯(lián)、分析、自學(xué)習(xí)、預(yù)測(cè)、決策、控制的完整智能系統(tǒng)。因此，在智能礦山的三要素（智能感知、智能決策、自動(dòng)執(zhí)行）中，智能感知是基礎(chǔ)，智能決策是重點(diǎn)，自動(dòng)執(zhí)行是結(jié)果。其中，智能感知是指利用各種智能傳感器對(duì)礦山各個(gè)流程、各種環(huán)境和各種條件進(jìn)行感知，包括地質(zhì)、測(cè)量、采礦、選礦、安全等各環(huán)節(jié)的智能感知，缺一不可。形象地說(shuō)，智能感知是智能礦山的“眼睛”。

目前，我國(guó)智能礦山建設(shè)中智能采礦、智能選礦、智能安全，甚至智能測(cè)量發(fā)展較快，進(jìn)步較大，智能地質(zhì)則發(fā)展較慢，成為制約智能礦山建設(shè)的瓶頸和卡脖子工程。然而，由于地質(zhì)條件的智能感知是智能開(kāi)采的基礎(chǔ)，即如果不知道哪里是礦，就無(wú)法實(shí)現(xiàn)自動(dòng)采礦。因此，忽略了地質(zhì)工作的智能化，就相當(dāng)于失去了智能采礦的“眼睛”。對(duì)此，袁亮院士［41］指出，在推進(jìn)智能化煤礦建設(shè)中，首先需要解決的問(wèn)題是地質(zhì)條件的透明化，以確保采掘條件的可視、可預(yù)和可控。彭蘇萍院士等［42］闡述了透明地質(zhì)條件（透明地球物理）的重要性，指出地質(zhì)條件的精準(zhǔn)把握是關(guān)鍵，他指出，礦井地質(zhì)透明化是當(dāng)前煤礦安全高效礦井地質(zhì)保障系統(tǒng)的發(fā)展方向，要努力實(shí)現(xiàn)對(duì)工作面前方5 m范圍煤巖結(jié)構(gòu)的自動(dòng)化數(shù)據(jù)采集與精準(zhǔn)識(shí)別。

為滿足當(dāng)下智能礦山建設(shè)的需要，本研究認(rèn)為，礦山需要發(fā)展新的巖礦測(cè)試技術(shù)，該技術(shù)應(yīng)滿足以下條件：①測(cè)試必須快、近于實(shí)時(shí)，以滿足自動(dòng)、智能化采礦的需求；②測(cè)試應(yīng)該是原位和遙測(cè)方式，無(wú)需接觸和損壞樣品；③測(cè)試工序應(yīng)簡(jiǎn)單、經(jīng)濟(jì)高效；④無(wú)人化和智能化程度高。

為此，本研究提出了基于光譜分析的巖礦智能感知技術(shù)，簡(jiǎn)稱巖礦光譜智能感知技術(shù)。該技術(shù)利用現(xiàn)代高光譜遙感技術(shù)，對(duì)礦山現(xiàn)場(chǎng)的巖礦進(jìn)行非接觸的原位感知和測(cè)試，通過(guò)一定的光譜分析模型和算法，實(shí)現(xiàn)對(duì)巖礦的感知和智能化識(shí)別。該技術(shù)除了具有現(xiàn)場(chǎng)原位、遙測(cè)、周期短、工序簡(jiǎn)單、經(jīng)濟(jì)高效、自動(dòng)化和智能化特點(diǎn)外，還具有以下特點(diǎn)：

（1）與一般的巖礦測(cè)試中的光譜分析技術(shù)不同。傳統(tǒng)的光譜測(cè)試主要為原子光譜測(cè)試，獲得是巖礦中的元素含量，而該技術(shù)屬于分子光譜或者離子光譜測(cè)試技術(shù)，在波段上屬于可見(jiàn)光、近紅外、熱紅外光譜范圍，可以識(shí)別巖礦中的礦物成分及含量，這對(duì)于礦石類型確定和礦石品級(jí)劃分非常重要，屬于高光譜遙感技術(shù)范疇。

（2）搭載光譜測(cè)試傳感器的平臺(tái)可以有多種。根據(jù)礦山不同需要，可以分為天基、空基和地基（包括地面和地下）平臺(tái)，即傳感器可以搭載在衛(wèi)星、無(wú)人機(jī)、地面車、井下車、手持以及鉆孔中的探頭上。如果進(jìn)行露天礦采場(chǎng)的巖礦測(cè)試，則可以使用無(wú)人機(jī)、地面車、三腳架或手持式進(jìn)行測(cè)試。隨著衛(wèi)星遙感空間分辨率和光譜分辨率的提高，未來(lái)也可以考慮使用衛(wèi)星遙感方式；對(duì)于井下礦，可以在采場(chǎng)使用車載、三腳架或手持式測(cè)試；對(duì)于鉆孔內(nèi)不同深度的巖礦測(cè)試，可以使用光纜深入鉆孔進(jìn)行測(cè)試。

（3）樣品間距小，測(cè)試密度高。如果使用無(wú)人機(jī)成像光譜儀對(duì)地觀測(cè)，則一般的空間分辨率可以達(dá)到分米甚至厘米級(jí)，即樣品的間距可縮小為幾個(gè)厘米。

（4）與現(xiàn)有的現(xiàn)場(chǎng)手持式原位測(cè)試技術(shù)——熒光光譜測(cè)試技術(shù)有顯著區(qū)別。目前市場(chǎng)上的熒光光譜測(cè)試技術(shù)屬于原子光譜測(cè)試技術(shù)，雖然測(cè)試速度快，但僅可獲得元素含量和礦石品位，無(wú)法獲取礦石中的礦物類型信息；且一般需要測(cè)試粒狀樣品，否則，精度偏低。

3 研究進(jìn)展

3.1 波譜庫(kù)建設(shè)

前已述及，巖礦光譜智能感知技術(shù)屬于高光譜遙感技術(shù)范疇，是隨著高光譜遙感技術(shù)發(fā)展起來(lái)的，而高光譜遙感是用很窄而連續(xù)的光譜通道對(duì)地物進(jìn)行持續(xù)遙感成像，使用的波段主要包括可見(jiàn)光、近紅外、中紅外和熱紅外波段，相對(duì)于多光譜（只獲取幾個(gè)波段的數(shù)據(jù)），它可以獲取上百甚至上千個(gè)非常窄的光譜波段信息，光譜分辨率高達(dá)納米級(jí)。眾所周知，每種地物都有自己特定的光譜（像人的NDA一樣），因此可以使用光譜來(lái)識(shí)別地物。為達(dá)到這一目的，一般需要首先建立標(biāo)準(zhǔn)的地物波譜庫(kù)，然后將待識(shí)別地物的波譜與標(biāo)準(zhǔn)波譜進(jìn)行對(duì)比，從而達(dá)到識(shí)別的目的。因此，建設(shè)高質(zhì)量的地物波譜數(shù)據(jù)庫(kù)是高光譜遙感必不可少的一個(gè)環(huán)節(jié)，它對(duì)高精度遙感識(shí)別起著非常重要的作用。美國(guó)國(guó)家航空航天局（NASA）于20世紀(jì)60年代末—70年代初建立了首個(gè)地球資源信息波譜數(shù)據(jù)庫(kù)（ERSIS），經(jīng)過(guò)近半個(gè)世紀(jì)的努力，目前已有中國(guó)、美國(guó)、瑞士、英國(guó)、法國(guó)、澳大利亞等多個(gè)國(guó)家建立了面向不同研究領(lǐng)域、地物類型豐富、波譜范圍多樣的30余個(gè)地物波譜數(shù)據(jù)庫(kù)［43-44］。其中，由美國(guó)地質(zhì)調(diào)查局（USGS）建立的USGS波譜庫(kù)［45-48］和美國(guó)噴氣推進(jìn)實(shí)驗(yàn)室（JPL）建立的ASTER波譜庫(kù)［49］是國(guó)際上最具代表性的地物波譜數(shù)據(jù)庫(kù)。國(guó)際上比較有代表性的巖石和礦物波譜庫(kù)有美國(guó)噴氣推進(jìn)實(shí)驗(yàn)室（JPL）早在20世紀(jì)80年代就推出的JPL波譜庫(kù)［50］和美國(guó)亞利桑那州立大學(xué)2000年推出的ASU熱紅外波譜庫(kù)［51］。

我國(guó)在巖礦波譜庫(kù)建設(shè)方面工作相對(duì)較少，據(jù)已有文獻(xiàn)，賈智樂(lè)等［52］對(duì)鶴壁礦區(qū)典型地物（包括矸石堆、地表覆被、土壤、植被、煤堆、洗煤水、開(kāi)采塌陷區(qū)等）進(jìn)行了實(shí)地波譜采集及數(shù)據(jù)后期處理，建立了煤礦區(qū)具有典型特征地物的反射波譜庫(kù)。國(guó)家實(shí)物地質(zhì)資料館進(jìn)行了館藏固體礦產(chǎn)、油氣等多門類巖芯共20多個(gè)礦床上萬(wàn)米巖芯的紅外光譜掃描工作。截至2018年年底，已經(jīng)完成約30萬(wàn)m巖芯的圖像掃描工作，并基于“地質(zhì)云”和“中國(guó)實(shí)物地質(zhì)資料信息網(wǎng)”進(jìn)行在線圖像發(fā)布服務(wù)［53］。2014年，由中國(guó)科學(xué)院遙感與數(shù)字地球研究所牽頭的國(guó)家科技基礎(chǔ)性工作專項(xiàng)“測(cè)繪地物波譜本底數(shù)據(jù)庫(kù)建設(shè)”項(xiàng)目啟動(dòng)，旨在國(guó)內(nèi)較好的工作基礎(chǔ)上以及多年來(lái)數(shù)據(jù)積累的支持下，嘗試解決目前波譜數(shù)據(jù)庫(kù)使用的若干問(wèn)題，建成一套標(biāo)準(zhǔn)規(guī)范、一個(gè)系統(tǒng)下的地物波譜本底數(shù)據(jù)庫(kù)共享平臺(tái)GOSPEL（Ground Object Spectral Library）［54］。

本研究課題組近年來(lái)也開(kāi)展了巖礦光譜庫(kù)的建設(shè)工作，建立了我國(guó)東北區(qū)域優(yōu)勢(shì)礦種（包括煤礦、鐵礦、銅礦、金礦、菱鎂礦等）的典型巖礦波譜庫(kù)，庫(kù)中包含了810條這些礦種的典型礦石和圍巖的可見(jiàn)光、近紅外和熱紅外的光譜曲線（圖1），為該區(qū)域巖礦高光譜識(shí)別奠定了基礎(chǔ)。

3.2 光譜識(shí)別方法（算法）研究

3.2.1 波譜特征分析法

波譜特征分析是通過(guò)對(duì)特定地物的光譜特征進(jìn)行分析，提取出一個(gè)或幾個(gè)突出的光譜特征，并用一定的參量表示，從而建立光譜識(shí)別參量或者指數(shù)，實(shí)現(xiàn)地物識(shí)別。這種方法原理明確、算法簡(jiǎn)單、計(jì)算速度快、易于實(shí)現(xiàn)，有時(shí)能夠達(dá)到很高的精度。

（1）特征參量法。該方法是將地物波譜曲線上某個(gè)吸收谷、反射峰或者發(fā)射峰等特征進(jìn)行參量化，再基于這些參量化后的特征進(jìn)行分類識(shí)別或參數(shù)反演。常用方法有二值編碼、波譜斜率、波譜坡向指數(shù)（Spectral Slope Index，SSI）、波譜吸收特征參數(shù)、波譜微分、波譜積分、波譜對(duì)數(shù)、波譜曲線擬合函數(shù)以及小波變換系數(shù)等。王東等［55］研究發(fā)現(xiàn)在鞍山式鐵礦中赤鐵礦在1 000～1 250 nm波段，反射光譜的斜率對(duì)鐵品位反應(yīng)敏感，二者呈現(xiàn)顯著線性正相關(guān)關(guān)系，據(jù)此建立了鐵品位的反演模型，反演誤差小于1%。何群等［56］研究表明，赤鐵礦、磁鐵礦與圍巖之間的光譜特征存在顯著差異，利用該類差異構(gòu)建的巖礦類型識(shí)別和分類模型，其鐵礦石與圍巖的區(qū)分正確率為97.1%，赤鐵礦和磁鐵礦區(qū)分的正確率達(dá)到93.5%。特征參量法是光譜分析中經(jīng)常使用的一種方法，該方法由于直觀、簡(jiǎn)便，且容易實(shí)施和數(shù)據(jù)處理速度快，被經(jīng)常用于高光譜數(shù)據(jù)處理分析。

（2）光譜指數(shù)法。該方法是將地物波譜曲線上兩個(gè)或多個(gè)特征譜段經(jīng)線性或非線性組合，構(gòu)成對(duì)感興趣地物敏感而對(duì)背景因子不敏感的遙感光譜指數(shù)，實(shí)現(xiàn)對(duì)地物的識(shí)別。植被指數(shù)（Vegetation Index，VI）是最常用的指數(shù)方法，它可以有效進(jìn)行植被識(shí)別與分類，此外還有水體指數(shù)（Water Index，WI），用以識(shí)別地面的水體。為有效識(shí)別不同煤種，毛亞純等［57］提出了歸一化差異煤指數(shù) NDCI（Normalized Difference Coal Index），利用該指數(shù)不僅可以將煤體從周圍其它地物中提取出來(lái)，還可以將褐煤和煙煤進(jìn)行有效區(qū)分。為定量化識(shí)別煤矸石中的碳含量，宋亮等［58］提出了熱紅外光譜差指數(shù)，反演矸石中碳含量的平均誤差為5%。此外，宋亮等［59］基于可見(jiàn)光波段構(gòu)建了光譜指數(shù)NDGI（Normalized Difference Gangue Index），用于識(shí)別燃燒矸石和未燃燒矸石。王東等［60］利用熱紅外光譜分析方法構(gòu)建了8.06 μm與8.2 μm處的歸一化差指數(shù)NDI，預(yù)測(cè)了鞍山式鐵礦中的SiO2含量，誤差為3.57%。毛亞純等［61］利用935 nm與1 050 nm處的歸一化指數(shù)構(gòu)建了鞍山式鐵礦中的磁性率的定量反演模型，反演磁性率與實(shí)測(cè)磁性率的判定系數(shù)達(dá)到了0.96。光譜指數(shù)法與特征參量法均具有直觀、簡(jiǎn)便、易操作的特點(diǎn)，而且能達(dá)到較高的精度，因此經(jīng)常被用于巖礦的光譜分類中。

3.2.2 光譜匹配識(shí)別法

光譜匹配識(shí)別法是利用巖礦波譜數(shù)據(jù)庫(kù)中已知的反射或發(fā)射波譜曲線，采用匹配算法來(lái)對(duì)待測(cè)巖礦進(jìn)行分類和識(shí)別。這種匹配可以是在全波長(zhǎng)范圍內(nèi)的完整波形比較，也可以是基于波譜特征的匹配。這類方法有光譜距離匹配、光譜角度匹配、光譜相關(guān)性匹配等方法。佟家興等［62］首先采用主成分分析法對(duì)福建紫金山金銅礦的高光譜遙感數(shù)據(jù)進(jìn)行降維處理，然后利用光譜角匹配法對(duì)礦石和巖石進(jìn)行識(shí)別，成功率達(dá)到了74%。董新豐等［63］提出了綜合光譜特征增強(qiáng)匹配度和特征參量的礦物識(shí)別方法，并基于GF-5衛(wèi)星數(shù)據(jù)開(kāi)展了礦物精細(xì)識(shí)別，平均正確率優(yōu)于90%。需要說(shuō)明的是，光譜匹配識(shí)別法由于采用光譜對(duì)比的方法，因此需要待識(shí)別地物的光譜與標(biāo)準(zhǔn)光譜的測(cè)試條件相同，這樣才能達(dá)到較高的匹配精度，否則，會(huì)影響匹配效果。

3.2.3 混合光譜分解法

混合光譜分解技術(shù)用以確定在同一像元內(nèi)不同地物光譜成分所占的比例或非已知成分。由于無(wú)論礦石還是巖石都是由礦物組成，理論上可以使用混合光譜分解技術(shù)定量分析巖礦中的礦物成分。混合光譜分解技術(shù)在高光譜遙感或者定量遙感中具有重要地位，該方法包括了端元提取和豐度反演兩個(gè)步驟。其中，端元可以從該區(qū)域的地物波譜數(shù)據(jù)庫(kù)中選取，也可以通過(guò)端元提取算法從遙感影像上提取。但不論哪種算法，其本身都存在著不確定性，需要對(duì)其進(jìn)行精度驗(yàn)證和評(píng)價(jià)。在可見(jiàn)光—近紅外波段，巖石和礦物光譜受到表面形態(tài)的影響，礦物組分之間發(fā)生多重散射，使得光譜混合屬于非線性混合，給光譜解混帶來(lái)了不便。而熱紅外波段由于可以探測(cè)硅酸鹽礦物的振動(dòng)，與可見(jiàn)光—近紅外反射遙感相比，大大拓寬了遙感礦物識(shí)別的廣度，并且發(fā)射光譜混合為線性混合，避開(kāi)了一直阻礙遙感應(yīng)用的光譜非線性混合的難題，使精確提取礦物種屬及豐度信息成為可能。在光譜分解中，最常用的數(shù)學(xué)方法是帶約束的最小二乘法，即在滿足豐度和為1且非負(fù)的約束條件下，線性混合或非線性混合模型的殘差達(dá)到最小。光譜解混算法很多，如監(jiān)督、半監(jiān)督和非監(jiān)督學(xué)習(xí)的光譜解混方法等，這些方法又延伸出許多子類方法。劉善軍等［64］研究表明，當(dāng)巖石與礦物端元的光譜測(cè)試條件相同時(shí)，光譜解混效果好，使用塊狀端元光譜能有效解混塊狀巖石光譜，而顆粒光譜則不能有效解混塊體巖石的礦物成分及含量。從理論上講，混合光譜分解方法可以適用于所有的巖礦光譜分析。但在實(shí)際中，由于巖礦石中的礦物顆粒較小，且同一種礦物在不同的巖礦石中的賦存狀態(tài)不同，增加了光譜分解難度，影響了該方法的實(shí)際應(yīng)用，尤其對(duì)于機(jī)載或星載數(shù)據(jù)的處理問(wèn)題更為突出。

3.2.4 智能識(shí)別方法

近年來(lái)，由于人工智能技術(shù)的興起，許多機(jī)器學(xué)習(xí)算法被用于巖礦的光譜識(shí)別與分析中。張兵［65］認(rèn)為，研究融合遙感數(shù)據(jù)特征與深度學(xué)習(xí)等智能信息提取算法，構(gòu)建適用于遙感大數(shù)據(jù)的模型、方法與系統(tǒng)工具，是遙感大數(shù)據(jù)時(shí)代實(shí)現(xiàn)信息提取與知識(shí)挖掘的必由之路。毛亞純等［66］利用遺傳算法和BP神經(jīng)網(wǎng)絡(luò)建立了斑巖型銅礦可見(jiàn)光—近紅外光譜的定量反演模型，品位反演平均絕對(duì)誤差為0.104%。為預(yù)測(cè)尾礦庫(kù)中尾砂含水量，虞茉莉等［67］首先構(gòu)建了比值指數(shù)（RTI）、歸一化差異指數(shù)（NDTI）和差值指數(shù)（DTI），然后將這3種指數(shù)作為輸入自變量，使用隨機(jī)森林方法進(jìn)行訓(xùn)練構(gòu)建尾礦含水量預(yù)測(cè)模型，通過(guò)Landsat8-OLI數(shù)據(jù)對(duì)實(shí)地尾礦庫(kù)繪制了含水量的空間分布圖，結(jié)果表明，模型含水量預(yù)測(cè)的相對(duì)精度為80%。文獻(xiàn)［68］在研究不同煤種光譜時(shí)發(fā)現(xiàn)，與主成分分析（PCA）特征提取方法比較，CNN網(wǎng)絡(luò)能夠更好地提取光譜特征，改進(jìn)ELM分類模型的分類精度優(yōu)于基礎(chǔ)ELM和SVM分類模型。毛亞純等［69］在分析菱鎂礦近紅外光譜特征的基礎(chǔ)上，利用主成分分析（PCA）進(jìn)行光譜數(shù)據(jù)降維，然后與ELM分類算法相結(jié)合進(jìn)行菱鎂礦品級(jí)識(shí)別，準(zhǔn)確率達(dá)到90%以上。總體來(lái)說(shuō)，智能識(shí)別方法一般要求光譜樣本數(shù)量足夠多，這樣才能通過(guò)多樣本學(xué)習(xí)獲得足夠的知識(shí)，進(jìn)而達(dá)到較高的識(shí)別精度。

3.2.5 多波段光譜聯(lián)合分析方法

在巖礦光譜識(shí)別中，往往使用單一波段光譜難以奏效，客觀需要多波段聯(lián)合，進(jìn)行不同波段光譜的優(yōu)勢(shì)互補(bǔ)，方可有效提升巖礦識(shí)別精度。劉善軍等［70］將可見(jiàn)光—近紅外和熱紅外光譜優(yōu)勢(shì)和特點(diǎn)結(jié)合起來(lái)，利用光譜聯(lián)合分析方法反演了鐵礦石中的磁性率，進(jìn)一步提出了基于可見(jiàn)光—近紅外和熱紅外光譜聯(lián)合分析的鞍山式鐵礦原位測(cè)定方法，全鐵品位的平均預(yù)測(cè)誤差達(dá)到3.5%，取得了較好效果。宋亮等［71］針對(duì)煤與含碳矸石在可見(jiàn)光—近紅外的“異物同譜”現(xiàn)象，提出了基于可見(jiàn)光—近紅外和熱紅外光譜聯(lián)合分析的煤與矸石區(qū)分方法。該方法有效解決了單獨(dú)使用可見(jiàn)光—近紅外波段存在的“異物同譜”現(xiàn)象，使得試驗(yàn)樣品的分類精度由90.5%提高到100%。

上述5種光譜識(shí)別方法各有所長(zhǎng)，但總體來(lái)看，波譜特征分析法、光譜匹配識(shí)別法由于含義明確、方法簡(jiǎn)便，被廣泛使用；智能識(shí)別方法隨著近年來(lái)人工智能和計(jì)算機(jī)技術(shù)的快速發(fā)展逐漸被廣泛使用，且往往能達(dá)到很高的識(shí)別分類精度；混合光譜分解方法雖然理論較為成熟，且研究較多，但由于礦山巖礦種類多、成分和結(jié)構(gòu)復(fù)雜，實(shí)現(xiàn)成功應(yīng)用尚需解決一系列技術(shù)問(wèn)題；多波段光譜聯(lián)合分析方法由于考慮了不同波段的優(yōu)勢(shì)和特點(diǎn)，對(duì)于單一波段難以完成的光譜識(shí)別通過(guò)多光譜聯(lián)合分析可以達(dá)到很好的效果，成為未來(lái)的發(fā)展趨勢(shì)。

3.3 光譜影響因素與機(jī)理研究

巖石和礦物的光譜特征除了與其成分含量和內(nèi)部結(jié)構(gòu)有關(guān)外，還受到眾多變異因素的影響，該類因素主要包括粗糙度、顆粒度、孔隙度、含水率、風(fēng)化程度，以及觀測(cè)條件（如觀測(cè)角度、光照條件等）。巖礦在自然狀態(tài)下多以致密塊狀形式賦存，由于成因環(huán)境與結(jié)晶程度不同，不同巖礦表面形態(tài)特征不同，即表面的粗糙度不同；而一些巖礦還會(huì)呈粉末狀（如炮孔或鉆孔中的粉末），粉末的顆粒度和孔隙度也會(huì)對(duì)光譜特征產(chǎn)生影響。所以，為有效利用高光譜測(cè)試分析巖礦成分，需要對(duì)光譜特征的影響因素和機(jī)理進(jìn)行分析。

3.3.1 粗糙度對(duì)反射光譜特征的影響研究

塊狀巖礦石的表面粗糙度是影響其光譜特征的重要因素，目前針對(duì)其它材料研究較多，對(duì)于巖礦石的研究相對(duì)較少。曾浩倫［72］、周月［73］和ANDERSON［74］等通過(guò)對(duì)不同粗糙度的金屬材料進(jìn)行研究發(fā)現(xiàn)，當(dāng)試驗(yàn)樣品表面比較光滑時(shí)，試樣二向性反射（BRDF）能量主要分布在很窄的角度范圍內(nèi)，能量集中在鏡向反射方向，且峰值明顯；當(dāng)試樣表面變得粗糙時(shí)，BRDF會(huì)分布在較寬廣的角度范圍內(nèi)，即鏡向反射方向的能量減小，其他角度方向的能量增加。許邦偉［75］應(yīng)用雙向反射分布函數(shù)，仿真計(jì)算了試樣在不同粗糙度下的反射光譜曲線，結(jié)果表明：在鏡面方向時(shí)，材料粗糙度越小，鏡面反射強(qiáng)度越大；在非鏡面方向時(shí)，試樣光譜強(qiáng)度隨著粗糙度的增大而增大，即隨著試樣粗糙度增加，其散射分布范圍和散射光譜強(qiáng)度在半球空間發(fā)散分布且逐漸增大。XIAO等［76］、凌晉江等［77］通過(guò)對(duì)二向性反射模型進(jìn)行理論分析與推導(dǎo)，結(jié)果表明：鏡面反射能量與粗糙度呈現(xiàn)顯著的負(fù)相關(guān)關(guān)系，漫反射能量與粗糙度呈現(xiàn)顯著的正相關(guān)關(guān)系。KIRKLAND等［78］研究了巖礦光譜特征的影響因素，認(rèn)為巖石表面粗糙度變化會(huì)影響試樣光譜對(duì)比度，造成相同巖石的光譜對(duì)比度存在一定差異，最大達(dá)到10%，使得巖礦識(shí)別變得困難。CARTER等［79］通過(guò)研究發(fā)現(xiàn)，火山巖的粗糙度對(duì)其光譜對(duì)比度影響顯著，原因是粗糙度較大時(shí)會(huì)形成空腔效應(yīng)，使得光子產(chǎn)生類似在黑體中的多次反射，進(jìn)而影響試樣的光譜特征。OSTERLOO等［80］同樣發(fā)現(xiàn)隨著粗糙度的增加光譜對(duì)比度減小，但不同巖石的光譜對(duì)比度變化是不同的。李天子等［81］對(duì)常見(jiàn)的7種礦物——石英、正長(zhǎng)石、斜長(zhǎng)石、微斜長(zhǎng)石、角閃石、橄欖石和白云石的熱紅外光譜的研究發(fā)現(xiàn)，粗糙度對(duì)礦物的光譜特征有顯著影響，當(dāng)粗糙度增加時(shí)，光譜發(fā)射率增加，光譜對(duì)比度減小。當(dāng)巖石和礦物端元具有不同的粗糙度時(shí)，由粗糙度差異引起的端元光譜變異，使光譜混合偏離了線性加和規(guī)律，解混誤差會(huì)大大增加。此外，王東［82］在對(duì)鞍山式鐵礦的反射光譜研究發(fā)現(xiàn)，粗糙度對(duì)赤鐵礦和磁鐵礦的光譜特征都有很大影響，如圖2所示。

3.3.2 顆粒度對(duì)反射光譜特征的影響研究

當(dāng)巖礦石呈顆粒狀態(tài)時(shí)，顆粒度大小對(duì)其光譜特征有重要影響。楊柏林等［83］探討了巖石和礦物的粒度、顏色和表面狀態(tài)與反射光譜特征的關(guān)系，結(jié)果表明：由透明礦物組成的巖礦樣品，其反射率與樣品粒度呈反比關(guān)系；半透明礦物和不透明礦物，其反射率與樣品的粒度關(guān)系則比較復(fù)雜。吳昀昭等［84］通過(guò)試驗(yàn)研究發(fā)現(xiàn)，隨著試驗(yàn)樣品顆粒度增大，試樣反射光譜逐漸降低，但是礦物粒度一般只影響反射率大小，不會(huì)改變吸收波段位置與其吸收深度等特征。汪金花等［85］在實(shí)驗(yàn)室對(duì)不同粒徑鐵尾礦樣本的可見(jiàn)光—近紅外反射光譜特征進(jìn)行了分析研究，發(fā)現(xiàn)鐵尾礦的反射率隨著粒徑減小逐漸增大，但是試樣的診斷性光譜吸收特征不受樣本粒徑影響。VERNAZZA［86］對(duì)行星中的巖礦樣品進(jìn)行了光譜測(cè)試，發(fā)現(xiàn)巖礦顆粒度不同時(shí)，巖礦光譜趨勢(shì)也會(huì)受到一定的影響，表明顆粒度不僅會(huì)影響反射率的高低，還會(huì)對(duì)試樣光譜趨勢(shì)產(chǎn)生相應(yīng)的影響。梁樹(shù)能等［87］研究發(fā)現(xiàn)巖礦光譜隨粒度的變化比較復(fù)雜，不僅不同礦物的光譜特征隨著顆粒度的變化規(guī)律有所不同，而且同一種礦物光譜特征在不同粒度區(qū)間上的變化也具有差異性，基于光譜特征進(jìn)行礦物識(shí)別必須考慮粒度對(duì)光譜特征的影響。王東［82］研究發(fā)現(xiàn)，顆粒度對(duì)赤鐵礦和磁鐵礦石反射光譜特征的影響存在顯著差異（圖3）。顆粒度對(duì)磁鐵礦反射光譜的影響較小，顆粒度由0.03 mm增加到4 mm時(shí)，反射率變化量小于3%。顆粒度對(duì)赤鐵礦反射光譜特征的影響較大，當(dāng)赤鐵礦粒徑小于1 mm時(shí)，顆粒度對(duì)赤鐵礦反射光譜曲線的高低與光譜形態(tài)特征的影響非常顯著，顆粒度由0.03 mm增加到1 mm時(shí)，其光譜反射率不斷降低，反射率變化幅度最大達(dá)30%，顯著敏感波段為1 250～2 500 nm波段；當(dāng)赤鐵礦試樣粒徑大于1 mm時(shí)，顆粒度對(duì)試樣反射光譜的影響較微弱。

3.3.3 觀測(cè)角度對(duì)反射光譜特征的影響研究

巖礦光譜除了與巖礦表面的形態(tài)有關(guān)外，還與觀測(cè)條件有關(guān)。其中，觀測(cè)角度是影響光譜特征的一個(gè)重要因素。觀測(cè)角度不同，光譜儀獲得的不同波段的反射或輻射量不同，從而影響了光譜特征。周悅等［88］研究了不同探測(cè)距離與觀測(cè)角度下典型煤巖的近紅外光譜特征。趙虎等［89-92］選擇地表最常見(jiàn)、最重要的巖石——花崗巖、玄武巖、橄欖巖3種巖石作為研究對(duì)象，分析了觀測(cè)角度對(duì)3種代表性巖石在2π空間內(nèi)反射光譜的影響規(guī)律。結(jié)果表明：3種代表性巖石的反射光譜特征在2π空間存在明顯差異，表現(xiàn)出強(qiáng)烈的非朗伯體特性，在空間方向上具有明顯的極化特征。WALD等［93］通過(guò)在多角度條件下觀測(cè)分析石英試樣的反射光譜特征，明確了石英試樣的光學(xué)常數(shù)和振蕩子參數(shù)的適應(yīng)性。BANDFIELD等［94］對(duì)火星表面的砂礫巖進(jìn)行了多角度條件下的光譜測(cè)試與分析，提高了基于光譜特征的試樣溫度反演模型的精度。閆柏琨等［95］通過(guò)對(duì)顆粒狀的石英、白云母和鈣長(zhǎng)石3種礦物試樣進(jìn)行觀測(cè)分析，得出隨著試驗(yàn)樣品發(fā)射角度增加，試樣發(fā)射率逐漸減小，試樣的透射特征和吸收特征逐漸增強(qiáng)，但是光譜的整體形狀和典型特征譜帶的位置與形態(tài)均基本保持不變。程寅益等［96］對(duì)孔雀石粉末在多角度條件下的反射光譜特征進(jìn)行了研究，并應(yīng)用Hapke模型對(duì)孔雀石的多角度光譜特征進(jìn)行了分析解釋，發(fā)現(xiàn)當(dāng)傳感器位于鏡面反射方向時(shí)，試驗(yàn)樣品反射率最大，因?yàn)樵谠撐恢脮r(shí)，試驗(yàn)樣品發(fā)生鏡面反射，反射效果強(qiáng)烈，光照強(qiáng)度最強(qiáng)；傳感器位于其他位置時(shí)，光照強(qiáng)度逐漸減弱。路鵬等［97］研究發(fā)現(xiàn)：當(dāng)觀測(cè)角度發(fā)生變化時(shí)，巖礦試樣的反射光譜也會(huì)隨之發(fā)生變化，但是不同巖石礦物的反射光譜特征在不同角度下的變化規(guī)律與變化程度不盡一致，具有明顯的差異性。王東［82］研究發(fā)現(xiàn)：赤鐵礦和磁鐵礦石反射光譜受觀測(cè)角度影響較顯著，當(dāng)觀測(cè)天頂角由0°增加至20°時(shí)，試樣的光譜反射率呈現(xiàn)逐漸升高趨勢(shì)；當(dāng)試樣觀測(cè)角度由20°增加至80°時(shí)，試樣的光譜反射率呈現(xiàn)緩慢降低趨勢(shì)；當(dāng)觀測(cè)天頂角從0°增加至80°時(shí)，反射率變化幅度最大達(dá)到10%（圖4）。

3.4 礦山實(shí)際應(yīng)用研究

目前，巖礦光譜智能感知技術(shù)在礦山的應(yīng)用大多還停留在室內(nèi)試驗(yàn)或現(xiàn)場(chǎng)試驗(yàn)階段。在這方面，國(guó)外發(fā)展較快。目前在市場(chǎng)上已經(jīng)有手持反射或發(fā)射光譜儀問(wèn)世，能夠有效測(cè)試巖礦的光譜。如反射光譜儀TerraSpec，其波長(zhǎng)為350～2 500 nm，有2 151個(gè)通道；發(fā)射光譜儀Handheld FTIR，其波長(zhǎng)為2.5～15.0 μm，有1 800個(gè)通道。近幾年，國(guó)內(nèi)研發(fā)速度也很快，目前市場(chǎng)上已經(jīng)有了可見(jiàn)光—近紅外成像光譜儀。童慶禧等［98-99］于2012年成功研制出了短波紅外波段的地面成像光譜系統(tǒng)，2013年又成功研發(fā)了小型航空成像光譜系統(tǒng)，并進(jìn)行了試飛。相對(duì)于硬件的較快發(fā)展，軟件的發(fā)展則較慢。近年來(lái)，本研究課題組以鞍山式鐵礦為突破口，開(kāi)展了大量的光譜測(cè)試分析試驗(yàn)與研究，并在此基礎(chǔ)上，進(jìn)行了現(xiàn)場(chǎng)應(yīng)用試驗(yàn)。毛亞純等［100］分析了磁鐵礦和赤鐵礦及其圍巖的可見(jiàn)光—近紅外光譜差異，建立了鐵礦石遙感提取與分類模型，并應(yīng)用Landsat 8數(shù)據(jù)對(duì)某露天礦鐵礦石進(jìn)行了識(shí)別，精度達(dá)到83.5%～85.0%。劉善軍等［70］首先通過(guò)試驗(yàn)研究提出了基于可見(jiàn)光—近紅外和熱紅外光譜聯(lián)合分析的鞍山式鐵礦原位測(cè)定方法，然后選擇鞍鋼鞍千礦露天采場(chǎng)作為試驗(yàn)場(chǎng)對(duì)該方法進(jìn)行了測(cè)試。結(jié)果表明：鐵礦石中SiO2含量的平均預(yù)測(cè)誤差為3.6%，磁性率w（FeO）/w（TFe）平均預(yù)測(cè)誤差為3.64%，全鐵品位的平均預(yù)測(cè)誤差為3.5%。從反演結(jié)果來(lái)看，雖然單個(gè)樣品的反演精度較室內(nèi)測(cè)試方法偏低，但由于使用現(xiàn)場(chǎng)便攜式原位測(cè)定方法，采樣密度高、速度快、效率高，5個(gè)開(kāi)采斷面中251件試驗(yàn)樣品半天時(shí)間即可完成測(cè)試（圖5），具有很高的時(shí)效性。此外，課題組還利用航拍無(wú)人機(jī)采集該采場(chǎng)的高光譜影像，應(yīng)用混合像元光譜分解技術(shù)，對(duì)采場(chǎng)中礦巖進(jìn)行了識(shí)別與自動(dòng)提取（圖6）。結(jié)果表明：鐵礦圈定結(jié)果與現(xiàn)有的室內(nèi)化驗(yàn)圈定的礦體面積相比，二者相差為8.10%。上述分析表明：基于光譜分析的巖礦智能感知技術(shù)具有很好的發(fā)展前景，在進(jìn)一步優(yōu)化和完善的基礎(chǔ)上，可廣泛應(yīng)用于智能礦山建設(shè)中。

4 未來(lái)發(fā)展方向

（1）加強(qiáng)波譜庫(kù)建設(shè)。前已述及，目前國(guó)外在波譜庫(kù)建設(shè)方面開(kāi)展了大量的工作，尤其是ASU、ASTER等波譜庫(kù)的建設(shè)。目前我國(guó)開(kāi)展的工作還較少，波譜庫(kù)規(guī)模小、系統(tǒng)性不夠，還需要深入細(xì)致地開(kāi)展波譜庫(kù)建設(shè)工作。由于我國(guó)礦床類型多，礦石種類豐富，且不同礦床類型圍巖的種類又有所不同，因而波譜庫(kù)建設(shè)還有很長(zhǎng)一段路要走。具體建設(shè)時(shí)，可以根據(jù)國(guó)家對(duì)各種礦產(chǎn)需求程度的不同，先進(jìn)行對(duì)國(guó)民經(jīng)濟(jì)起重要支撐作用的戰(zhàn)略性礦種的波譜庫(kù)建設(shè)，然后再推廣開(kāi)來(lái)。

（2）完善已有算法，提高巖礦識(shí)別與定量分析精度。目前，由于對(duì)巖礦光譜特征的研究和把握不深，使得基于光譜分析的各種巖礦識(shí)別與定量反演模型精度偏低，距離實(shí)際應(yīng)用還有差距。由于不同礦石的成分和結(jié)構(gòu)不同，其光譜特征存在很大差異，因此需要針對(duì)不同礦種和礦石類型建立獨(dú)有的光譜識(shí)別模型，即“一礦一模型”，構(gòu)建理想化的普適模型可能是不現(xiàn)實(shí)的。

（3）加強(qiáng)相關(guān)理論研究，建立考慮光譜多因素綜合影響的完備模型。目前，開(kāi)展的光譜變異影響因素研究大多是基于正交試驗(yàn)設(shè)計(jì)，即固定其它變異影響因素的前提下，只讓一個(gè)變異因素發(fā)生變化，來(lái)分析該因素影響下的光譜變化規(guī)律。但是在巖礦實(shí)際賦存條件中，多種變異因素是同時(shí)存在、共同作用的，不同變異因素可能會(huì)相互抑制或效果增強(qiáng)。因此，如何綜合考慮多種變異因素的影響，同時(shí)引入粗糙度、觀測(cè)角度、顆粒度等多個(gè)變異因素，明確巖礦反（發(fā)）射光譜在多種變異因素共同影響下的變化規(guī)律，并確定各個(gè)變異因素的影響權(quán)重，建立適用性更強(qiáng)的完備模型，是將來(lái)需要重點(diǎn)考慮的問(wèn)題。

（4）加強(qiáng)軟硬件集成化研究。目前，搭載在不同平臺(tái)的光譜儀已經(jīng)得到了快速發(fā)展，國(guó)外發(fā)展較快，國(guó)內(nèi)正在迎頭趕上。相對(duì)于硬件來(lái)說(shuō)，基于各種光譜分析算法的軟件發(fā)展相對(duì)緩慢，需要加大研發(fā)力度。且存在軟硬件研發(fā)與應(yīng)用各自為戰(zhàn)的現(xiàn)狀，開(kāi)展軟硬件有效集成和一體化研究，才能從根本上解決該技術(shù)的實(shí)用化問(wèn)題，將是未來(lái)的發(fā)展方向。

（5）加強(qiáng)應(yīng)用化研究。目前，盡管一部分成果已經(jīng)進(jìn)入現(xiàn)場(chǎng)試驗(yàn)階段，但相關(guān)的研究還主要停留在實(shí)驗(yàn)室試驗(yàn)階段。今后應(yīng)進(jìn)一步加強(qiáng)現(xiàn)場(chǎng)應(yīng)用化研究。應(yīng)進(jìn)一步加強(qiáng)高校、科研院所與礦山企業(yè)的深度融合，開(kāi)展項(xiàng)目合作，建立產(chǎn)學(xué)研聯(lián)盟，促進(jìn)高校和科研院所的研究成果及時(shí)應(yīng)用于礦山實(shí)際生產(chǎn)中，推動(dòng)智能礦山建設(shè)。此外，礦山現(xiàn)場(chǎng)實(shí)際情況往往比實(shí)驗(yàn)室復(fù)雜得多，室內(nèi)試驗(yàn)成果往往需要結(jié)合現(xiàn)場(chǎng)實(shí)際情況進(jìn)行不斷修正、完善和改造，方可取得較理想的應(yīng)用效果，而這一過(guò)程往往是艱苦的。只有加強(qiáng)應(yīng)用化研究，方可有助于解決巖礦智能識(shí)別這一礦山卡脖子難題。

5 結(jié)論

針對(duì)智能化礦山建設(shè)的實(shí)際需要，在分析礦山巖礦測(cè)試技術(shù)發(fā)展現(xiàn)狀的基礎(chǔ)上，提出了巖礦光譜智能感知技術(shù)，并對(duì)這一技術(shù)的現(xiàn)狀及發(fā)展方向進(jìn)行了討論，主要結(jié)論和認(rèn)識(shí)如下：

（1）傳統(tǒng)的巖礦測(cè)試技術(shù)，由于采樣密度低、測(cè)試周期長(zhǎng)、成本高、效率低等原因，已成為智能礦山建設(shè)的瓶頸，開(kāi)展新的巖礦測(cè)試技術(shù)研究，是新時(shí)代背景下智能礦山建設(shè)的要求。

（2）基于光譜分析的巖礦智能感知技術(shù)，不僅具有原位測(cè)試、非接觸、周期短、工序簡(jiǎn)單、經(jīng)濟(jì)高效和智能化的特點(diǎn)，還具有平臺(tái)多、測(cè)試密度高的特點(diǎn)；不僅可以獲得礦石品位，還可以獲得礦物成分及其含量信息。

（3）針對(duì)巖礦光譜智能感知技術(shù)，目前已經(jīng)開(kāi)展了波譜庫(kù)建設(shè)、光譜識(shí)別方法（算法）、光譜影響因素與機(jī)理，以及應(yīng)用化等方面的研究，但主要還停留在實(shí)驗(yàn)室試驗(yàn)階段。未來(lái)應(yīng)加強(qiáng)波譜庫(kù)建設(shè)、光譜識(shí)別算法以及相關(guān)理論和綜合性模型的研究，進(jìn)一步提高巖礦識(shí)別與定量分析精度。此外，還應(yīng)加強(qiáng)軟硬件集成研究和現(xiàn)場(chǎng)應(yīng)用研究。