[发明专利]一种识别进口铁矿石品牌的方法

说明书

本发明公开了一种识别进口铁矿石品牌的方法。该方法包括：S1.取至少16个品牌，每个品牌至少10个批次的铁矿石，用激光诱导击穿光谱法进行检测，得到建模光谱数据；用建模光谱数据建立卷积神经网络模型；卷积神经网络模型包括依次进行的输入层、卷积层、池化层、全连接层和输出层；其中全连接层还包括依次进行的展平层和隐藏层；S2.将待测样品铁矿石用激光诱导击穿光谱法进行检测，得到待测光谱数据，将待测光谱数据代入卷积神经网络模型。本发明的品牌识别方法准确率高，模型建立操作简单。

技术领域

本发明涉及一种识别进口铁矿石品牌的方法。

背景技术

铁矿石是钢铁工业的重要原材料。进口铁矿石入境报关时会申报品名、原产地等信息，建立一种现场快速识别铁矿石原产地和品质状况的溯源分析，能有效筛查掺杂、掺假等现象，保障贸易便利化。

专利文献CN111239103A公开了一种识别铁矿石生产国家及品牌的方法，其采用激光诱导击穿光谱(LIBS)结合人工神经网络(ANN)模型实现了铁矿石生产国家和品牌的分类。该模型需要三种预处理方法(Savitzky-Golay多项式滤波、多元散射校正和二次拟合)去除光谱背景、色散和噪声，并利用主成分分析(PCA)对LIBS数据进行降维。这些做法有效地克服了铁矿石品牌分类中LIBS光谱质量低的问题。然而，复杂的光谱预处理和特征选择会延长分析时间，且有可能导致光谱失真和识别准确率降低。

因此，需要建立一种进口铁矿石品牌的技术，其识别准确率高。

发明内容

本发明为了解决现有技术中的识别进口铁矿石品牌的方法中存在识别准确率低的缺陷，而提供了一种识别进口铁矿石品牌的方法。本发明的品牌识别方法准确率高，模型建立操作简单。

本发明通过以下技术方案解决上述技术问题。

本发明提供了一种识别进口铁矿石品牌的方法，其步骤包括：

S1.取至少16个品牌，每个品牌至少10个批次的铁矿石，用激光诱导击穿光谱法进行检测，得到建模光谱数据，建立卷积神经网络模型；

其中，所述卷积神经网络模型包括依次进行的输入层、卷积层、池化层、全连接层和输出层；其中全连接层还包括依次进行的展平层和隐藏层；

所述输入层为所述建模光谱数据；

所述卷积层的卷积核的大小为10～90；所述卷积层的卷积核的数量为5～25；所述卷积层的激活函数为S型函数、双曲正切函数或修正线性单元函数；

所述隐藏层的激活函数为S型函数、双曲正切函数或修正线性单元函数；所述隐藏层的神经元的个数为100～160；

S2.将待测样品铁矿石用激光诱导击穿光谱法进行检测，得到待测光谱数据，将所述待测光谱数据代入所述卷积神经网络模型，确定所述待测样品铁矿石的品牌。

本发明中，本领域技术人员知晓，用于建立模型的品牌和批次的数据量为越多越好，因此对于品牌和批次的数据量上限不作特别限定，较佳地，每个品牌铁矿石的批次数为10～27。

本发明中，较佳地，所述建模光谱数据为建模光谱原数据，所述待测光谱数据为待测光谱原数据；或者，所述建模光谱数据为所述建模光谱原数据经过预处理过程得到的数据，所述待测光谱数据为所述待测光谱原数据经过所述预处理过程得到的数据。

其中，较佳地，所述建模光谱原数据或所述待测光谱原数据为波长范围为187～972nm内的12814个数据点。

其中，较佳地，所述预处理为特征线选择或小波变换，或者为Savitzky-Golay多项式滤波器、多元散射校正、二次拟合和主成分分析的组合。

较佳地，所述特征线选择为选择Fe、Mg、Mn、Si、Al、Ca、Na、K和Ti的元素特征发射线的周围连续5个数据点。