[发明专利]一种矿石分类与实时定量分析的光谱检测新方法

权利要求书

1.一种基于激光诱导击穿光谱对矿石分类与实时定量分析的检测新方法，其特征在于：包括如下步骤：

步骤1：用15Mpa的机械粉末压饼机将矿石样品压制成厚2mm、直径为13mm的小圆饼，获取同一类样品不同位置被激光激发后等离子体的光谱数据，每个位置重复测量5次，每种样品采集100组光谱数据，对同一类样品分别重复测试N组，平均矿石样品元素分布不均匀的影响，进而获取每个矿石样品中元素成分的真实含量；

步骤2：利用拉依达准则对各个矿石样品的异常光谱数据进行剔除，拉依达准则假设数据具有正态分布，计算数据的标准偏差并根据要求划定概率区间，最后对超出概率区间的粗大误差进行剔除、对峰位漂移修正和缺失峰补全；

异常光谱剔除算法实现：

(1)采集到的LIBS光谱用X_ij表示，X_ij指编号为i的矿石样品第j个样本点的光谱数据，将每个通道光谱强度求和，各通道总光强中位数对应的光谱作为该矿石样品中心点

(2)求出每一个样本点离中心点的距离，即欧式距离之后将其归一化(0-1)；

(3)计算剩余误差并按贝塞尔公式算出标准偏差σ，若某个测量值D_j的剩余误差v_j满足则认为是含有粗大误差值的坏值，应予剔除；

步骤3：采用主成分分析结合支持向量机的分类方法，先进行分类，再进行降维：利用支持向量机对模型分类，将预处理后的全部光谱数据采用主成分分析法降维，在降维之后，随机选择了训练集和预测集，提取训练集的前10个主成分构造特征空间，在特征空间下采用小样本的5-折交叉验证来对训练集训练，然后对建模集和预测集进行分类正确率达到100％，可以对矿石样品进行准确分类；

步骤4：利用步骤3所述的方法进行分类后，对光谱数据建立相关性变量筛选偏最小二乘回归法的预测模型，将全部光谱强度作为输入数据，Fe的含量作为回归目标变量，模型的回归效果、定标精度、预测精度、预测误差分别用决定系数R2、校正集的均方根误差RMSEC、预测集的均方根误差RMSEP、平均相对误差ARE来综合衡量；具体步骤为：

从矿石样品中的光谱数据中获取贡献度满足预设标准时所在波长点对应的光谱数据，并输入训练后的所述相关性变量筛选偏最小二乘回归法的预测模型得到矿石样品中各个成分的预测含量；

将矿石样品中的光谱数据输入训练后的支持向量机回归模型得到矿石样品中各个成分对应的残差；

最后，将矿石样品中各个成分的预测含量减去对应残差得到各个成分的含量；

步骤5：对矿石样品分类后再进行相关性变量筛选偏最小二乘回归法，最终得到矿石样品中Fe的含量，其正确率相比未进行分类直接进行相关性变量筛选偏最小二乘回归法以及分类后再进行相关性变量筛选偏最小二乘回归法有了很大的提高。

2.根据权利要求1所述的方法，其特征在于：步骤2中矿石样品的全部光谱数据：首先对其进行异常光谱数据的筛选与剔除降低谱线的波动性，然后将光谱背景积分强度归一化、峰位漂移修正和缺失峰补全。

3.根据权利要求1所述的方法，其特征在于：先用支持向量机进行准确分类后，再对光谱数据建立相关性变量筛选偏最小二乘回归法的预测模型，将全部光谱强度作为输入数据，Fe的含量作为回归目标变量。

4.一种测试系统，其特征在于：包括：主动调Q的Nd：YAG 1064nm脉冲激光器、三维电动平台、四通道光纤光谱仪；

其中，所述Nd：YAG1064nm脉冲激光器作为激发光源，激光光束聚焦于物体表面；

所述四通道光纤光谱仪用于采集矿石样品被激发产生的等离子体的光谱数据，所述光谱数据被用于按照权利要求1-3任一项所述方法来获取矿石样品中Fe元素的含量。