[发明专利]一种大理岩的筛选方法

权利要求书

1.一种大理岩的筛选方法，其特征在于，包括以下步骤：

S1、采用X射线照射待测大理岩，经待测大理岩衍射后，由探测器探测得到能量色散数据序列；

S2、构建氧化钙含量预测模型；

S3、将能量色散数据序列输入氧化钙含量预测模型，得到大理岩中氧化钙含量；

S4、采集待测大理岩图像，对待测大理岩图像进行平滑处理，得到平滑图像；

S5、对平滑图像计算白度；

S6、将氧化钙含量大于氧化钙含量阈值，白度大于白度阈值的大理岩筛选出来；

所述S2包括以下步骤：

S21、通过实验测得大理岩样品的氧化钙含量，得到标签数据；

S22、采用X射线照射大理岩样品，经大理岩样品衍射后，由探测器探测能量色散数据序列，得到样本数据；

S23、将样本数据和标签数据构建为训练集；

S24、采用训练集训练BP神经网络，得到训练完成的BP神经网络，即氧化钙含量预测模型；

所述S24包括以下分步骤：

S241、设置BP神经网络中的权重和阈值；

S242、将训练集中样本数据输入当前的BP神经网络中，得到BP神经网络的输出；

S243、根据BP神经网络的输出和对应标签数据，计算参数合适度；

S244、判断参数合适度是否大于适应度阈值，若是，得到训练完成的BP神经网络，若否，则更新BP神经网络中的权重和阈值，并跳转至步骤S242；

所述S243中计算参数合适度的公式为：

，

其中，为第次训练时的参数合适度，为第次训练时BP神经网络的输出，为第次训练时的标签数据，为比例系数；

所述比例系数的公式为：

，

其中，为第次训练时BP神经网络的输出，为第次训练时的标签数据，为当前训练次数编号，为临近训练次数的编号，为临近训练总次数；

所述S244中更新BP神经网络中的权重的公式为：

，

其中，为第次训练时的权重，为第次训练时的权重，为第次训练时的参数合适度，为偏导运算；

所述S244中更新BP神经网络中的阈值的公式为：

，

其中，为第次训练时的阈值，为第次训练时的阈值，为第次训练时的参数合适度，为偏导运算；

所述BP神经网络中输入层的表达式为：

，

其中，为输入层的第个输入，为第种元素的能量色散数据，为待测大理岩中元素的种类数；

所述S4中平滑处理的公式为：

，

，

其中，为平滑处理后第个像素值，为自然常数，为平滑因子，为待测大理岩图像上第个像素值，为待测大理岩图像上第个像素值的邻域范围内的第个像素值，为待测大理岩图像上第个像素值的邻域范围内像素值的数量，为个和的平均值，为平滑处理后第个像素值；

所述S5包括以下分步骤：

S51、将平滑图像划分成多块；

S52、根据每块图像上像素平均值，计算白度；

所述S52计算白度的公式为：

，

其中，为白度，为白度系数，为分块数量，为第个像素平均值。