一种基于光谱信息自动识别岩石矿物的方法技术

本发明专利技术属于高光谱遥感应用领域，具体公开一种基于光谱信息自动识别岩石矿物的方法，该方法包括：使用高光谱扫描仪扫描待分类岩石矿物，获取矿物光谱数据；将获取的数据存储到待检测数据库中；从数据库中抽取部分数据；利用人工解译，根据矿物光谱数据特征识别出抽取的光谱数据对应的矿物种类信息，并将抽取的光谱数据与对应的矿物种类信息存储为学习样本库；搭建人工智能学习系统，利用学习样本库进行学习训练；使用训练学习优化后的人工智能学习系统对待检测数据库中的光谱数据进行检测，识别矿物种类信息；将识别结果存储识别结果数据库中。该方法能够减少人力资源消耗，提高工作自动化程度，提高光谱扫描数据处理效率，提高经济效益。

A Method of Automatic Recognition of Rocks and Minerals Based on Spectral Information

The invention belongs to the application field of hyperspectral remote sensing, and specifically discloses a method for automatically identifying rocks and minerals based on spectral information. The method includes: scanning rocks and minerals to be classified by Hyperspectral scanner to obtain mineral spectral data; storing the acquired data into the database to be detected; extracting part of the data from the database; using manual interpretation to obtain mineral spectral data. The features identify the mineral species information corresponding to the extracted spectral data, and store the extracted spectral data and the corresponding mineral species information as the learning sample database; build an artificial intelligence learning system and use the learning sample database for learning and training; use the optimized artificial intelligence learning system after training and learning to detect the spectral data in the detection database and identify mineral species. Class information; the recognition result is stored in the recognition result database. This method can reduce the consumption of human resources, improve the degree of automation, improve the efficiency of spectral scanning data processing, and improve economic benefits.

【技术实现步骤摘要】
一种基于光谱信息自动识别岩石矿物的方法
本专利技术属于高光谱遥感应用领域，具体公开一种基于光谱信息自动识别岩石矿物的方法。
技术介绍
岩石矿物由于独特的化学组分和物理结构，导致其具有独特的诊断性特征吸收谱带，这些特征谱带中具有较稳定的波长位置和独特波形，其特性包括光谱吸收峰位置、吸收峰深度、吸收峰宽度等特征参数，通过这些特征或其组合，能够实现对矿物的识别。传统的基于光谱信息识别矿物，通常是采用人工识别，速度慢，效率低，耗费人工。虽然目前ENVI等软件也有一些基于光谱信息自动识别物质的方法，但识别精度不高，效率低下，难以自动处理大量数据。
技术实现思路
本专利技术的目的在于提供一种基于光谱信息自动识别岩石矿物的方法，该方法有助于减少人力资源消耗，提高工作自动化程度，提高光谱扫描数据处理效率，提升经济效益。实现本专利技术目的的技术方案：一种基于光谱信息自动识别岩石矿物的方法，该方法包括如下步骤：步骤1、使用高光谱扫描仪扫描待分类岩石矿物，获取待分类岩石矿物光谱数据；步骤2、对步骤1中获取的待分类岩石矿物光谱数据进行存储，存储到待检测数据库中；步骤3、从步骤2的待检测数据库中采用随机抽样方法抽取一部分待分类岩石矿物的光谱数据；利用人工解译，根据各种矿物的光谱数据特征识别出抽取的待分类岩石矿物光谱数据对应的矿物种类信息，并将抽取的待分类岩石矿物的光谱数据与对应的矿物种类信息存储为一个学习样本库；步骤4、搭建一个人工智能学习系统，利用步骤3中得到的学习样本库进行学习训练；步骤5、使用步骤4中训练学习优化后的人工智能学习系统对步骤2中待检测数据库中的待分类岩石矿物光谱数据的数据特征进行检测，分析检测结果，识别岩石矿物种类信息；步骤6、将步骤5中识别出的结果存储识别结果数据库中。所述步骤1具体包括如下步骤：将待分类岩芯样品表面清洁干净，放置于岩芯高光谱扫描仪检测样品放置位置上，打开岩心高光谱扫描仪对待分类岩芯样品进行扫描，获取待分类样品在400nm～1600nm的光谱数据，重复此操作，直至所有待分类矿物岩石样品扫描完毕。所述的步骤1中待分类岩石矿物样本必须干燥清洁，表面无其他附着物；扫描现场为自然光或人工光源；扫描的待分类岩石矿物为钻井岩芯样本、天然块状岩石样本、或者人工合成的类似岩石的固体样本；高光谱扫描仪为岩芯高光谱扫描仪、手持高光谱扫描仪或者机载高光谱扫描仪中的一种；高光谱扫描仪的光谱范围在350nm～16000nm之间。所述的步骤2中的存储介质为机械硬盘、固态硬盘、移动硬盘、移动U盘中的一种或几种；数据库类型为本地数据库或云端数据库；所述的步骤3中的随机抽样方法包括但不限于简单随机抽样、等距抽样、分层抽样、整体抽样、双重随机抽样、两级随机抽样中的一种；光谱数据的特征包括吸收峰的深度、吸收峰对应的波长、吸收峰的面积、吸收峰的肩宽、吸收峰的偏度、光谱曲线的去包络线特征、光谱曲线倒数特征、光谱曲线对数特征、光谱曲线一阶导数特征、光谱曲线二阶导数特征；人工解译时使用的方法包括但不限于基于特征谱带的光谱微分技术、光谱吸收指数技术、相对吸收深度图技术和连续插值波段算法技术，以及基于完全波形特征的光谱匹配技术、交叉相关光谱匹配技术，基于相关系数测度的光谱匹配技术、光谱角匹配技术，还有基于统计分析方法的主成分分析、典范变量分析、基于混合像元的分析方法，以及其他的模糊模型、修正高斯模型技术中的一种；学习样本库为本地数据库或云端数据库，存储介质为机械硬盘、固态硬盘、移动硬盘、移动U盘中的一种或几种。所述的步骤4中所搭建的人工智能学习系统，是基于光谱信息专门识别矿物光谱种类的人工智能系统；所使用的人工智能，包括但不限于机器学习、神经网络、深度神经网络、前馈深度网络、反馈深度网络、双向深度网络、卷积神经网络、BP神经网络、支持向量机、多层感知器、反向传播算法、径向基函数网络、自适应共振理论、自组织图、遗传算法、最大熵方法、反卷积网络、玻尔兹曼机中的一种。所述的步骤5中光谱数据的数据特征包括吸收峰的深度、吸收峰对应的波长、吸收峰的面积、吸收峰的肩宽、吸收峰的偏度、光谱曲线的去包络线特征、光谱曲线倒数特征、光谱曲线对数特征、光谱曲线一阶导数特征、光谱曲线二阶导数特征。所述的步骤6中将检测识别出的光谱对应的岩石矿物种类信息存储到识别结果数据库中。所述的步骤6中的识别结果数据库为本地数据库或云端数据库；存储介质为机械硬盘、固态硬盘、移动硬盘、移动U盘中的一种或几种。本专利技术的有益技术效果在于：(1)节省人力：本专利技术可以处理海量数据，以机器劳动代替人工劳动；(2)识别系统具备自我提高能力：通过不断学习样本的光谱特征提升系统的识别效果；(3)节省时间：本专利技术处理速度快，可以极大的节省时间；(4)提高工作效率：。自动化处理数据识别样本对象，速度快，精度高，效果好，极大的提高了工作效率。(5)提高经济效益：快速自动化处理识别，节省时间，节省人力资源，节省能源，快捷高效，提升经济效益。附图说明图1为本专利技术所提供的一种基于光谱信息自动识别岩石矿物的方法的流程图。具体实施方式下面结合实施例对本专利技术作进一步详细说明。如图1所示，本专利技术所提供的一种基于光谱信息自动识别岩石矿物的方法，该方法包括如下步骤：步骤1、使用高光谱扫描仪扫描待分类岩石矿物，获取待分类岩石矿物光谱数据；具体包括如下步骤：将待分类岩芯样品表面清洁干净，放置于岩芯高光谱扫描仪检测样品放置位置上，打开岩心高光谱扫描仪对待分类岩芯样品进行扫描，获取待分类样品在400nm～1600nm的光谱数据，重复此操作，直至所有待分类矿物岩石样品扫描完毕。待分类岩石矿物样本必须干燥清洁，表面无其他附着物；扫描现场必须有稳定充足光照条件，可以为自然光或人工光源；扫描的待分类岩石矿物，可以是钻井岩芯样本，也可以是采集的天然块状岩石样本，还可以是通过人工合成的类似岩石的固体样本；所使用的高光谱扫描仪包含多种类型，包括但不限于岩芯高光谱扫描仪，也可以使用手持高光谱扫描仪，机载高光谱扫描仪等；高光谱扫描仪的光谱范围在350nm～16000nm之间。步骤2、对步骤1中获取的待分类岩石矿物光谱数据进行存储，存储到待检测数据库中；具体包括如下步骤：将步骤1中获取的待分类样品数据存储到云端工作站上的待检测数据库中；存储介质为机械硬盘、固态硬盘、移动硬盘、移动U盘中的一种或几种；数据库类型包括本地数据库或云端数据库。步骤3、从步骤2的待检测数据库中采用随机抽样方法抽取一部分待分类岩石矿物的光谱数据；利用人工解译，根据各种矿物的光谱数据特征识别出抽取的待分类岩石矿物光谱数据对应的矿物种类信息，并将抽取的待分类岩石矿物的光谱数据与对应的矿物种类信息存储为一个学习样本库；随机抽样方法包含多种类型，包括但不限于简单随机抽样、等距抽样、分层抽样、整体抽样、双重随机抽样、两级随机抽样中的任何一种。光谱数据的特征包括：吸收峰的深度、吸收峰对应的波长、吸收峰的面积、吸收峰的肩宽、吸收峰的偏度、光谱曲线的去包络线特征、光谱曲线倒数特征、光谱曲线对数特征、光谱曲线一阶导数特征、光谱曲线二阶导数特征。人工解译时使用的方法包括但不限于基于特征谱带的光谱微分技术(SpectralDerivative)、光谱吸收指数(SAI)技术、相对吸收深度图(RBD)技本文档来自技高网...

【技术保护点】
1.一种基于光谱信息自动识别岩石矿物的方法，该方法包括如下步骤：步骤1、使用高光谱扫描仪扫描待分类岩石矿物，获取待分类岩石矿物光谱数据；步骤2、对步骤1中获取的待分类岩石矿物光谱数据进行存储，存储到待检测数据库中；步骤3、从步骤2的待检测数据库中采用随机抽样方法抽取一部分待分类岩石矿物的光谱数据；利用人工解译，根据各种矿物的光谱数据特征识别出抽取的待分类岩石矿物光谱数据对应的矿物种类信息，并将抽取的待分类岩石矿物的光谱数据与对应的矿物种类信息存储为一个学习样本库；步骤4、搭建一个人工智能学习系统，利用步骤3中得到的学习样本库进行学习训练；步骤5、使用步骤4中训练学习优化后的人工智能学习系统对步骤2中待检测数据库中的待分类岩石矿物光谱数据的数据特征进行检测，分析检测结果，识别岩石矿物种类信息；步骤6、将步骤5中识别出的结果存储识别结果数据库中。

【技术特征摘要】
1.一种基于光谱信息自动识别岩石矿物的方法，该方法包括如下步骤：步骤1、使用高光谱扫描仪扫描待分类岩石矿物，获取待分类岩石矿物光谱数据；步骤2、对步骤1中获取的待分类岩石矿物光谱数据进行存储，存储到待检测数据库中；步骤3、从步骤2的待检测数据库中采用随机抽样方法抽取一部分待分类岩石矿物的光谱数据；利用人工解译，根据各种矿物的光谱数据特征识别出抽取的待分类岩石矿物光谱数据对应的矿物种类信息，并将抽取的待分类岩石矿物的光谱数据与对应的矿物种类信息存储为一个学习样本库；步骤4、搭建一个人工智能学习系统，利用步骤3中得到的学习样本库进行学习训练；步骤5、使用步骤4中训练学习优化后的人工智能学习系统对步骤2中待检测数据库中的待分类岩石矿物光谱数据的数据特征进行检测，分析检测结果，识别岩石矿物种类信息；步骤6、将步骤5中识别出的结果存储识别结果数据库中。2.如权利要求1所述的一种基于光谱信息自动识别岩石矿物的方法，其特征在于，所述步骤1具体包括如下步骤：将待分类岩芯样品表面清洁干净，放置于岩芯高光谱扫描仪检测样品放置位置上，打开岩芯高光谱扫描仪对待分类岩芯样品进行扫描，获取待分类样品在400nm～1600nm的光谱数据，重复此操作，直至所有待分类矿物岩石样品扫描完毕。3.如权利要求2所述的一种基于光谱信息自动识别岩石矿物的方法，其特征在于：所述步骤1中，待分类岩石矿物样本干燥清洁，表面无其他附着物；扫描现场为自然光或人工光源；待分类岩石矿物为钻井岩芯样本或者天然块状岩石样本、或者人工合成的类似岩石的固体样本；高光谱扫描仪为岩芯高光谱扫描仪、或者手持高光谱扫描仪、或者机载高光谱扫描仪中的一种；高光谱扫描仪的光谱范围在350nm～16000nm之间。4.如权利要求3所述的一种基于光谱信息自动识别岩石矿物的方法，其特征在于：所述步骤2中的存储介质为机械硬盘、固态硬盘、移动硬盘、移动U盘中的一种或几种；数据库类型为本地数据库或云端数据库。5.如权利要求4所述的一种基于光谱信息自动识别岩石矿物的方法，其特征在于：所述的步骤3中随机抽样方法包括但不限于简单随机抽样、等距抽样、分层抽样、整体抽样、双重随机抽样、两级随机抽样中的一种；光谱数据的...

【专利技术属性】
技术研发人员：王建刚，邱骏挺，叶发旺，张川，刘洪成，孟树，
申请(专利权)人：核工业北京地质研究院，
类型：发明
国别省市：北京,11