一种基于拉曼光谱和PCA-HCA的不同品位磷矿的鉴别和分类方法技术

本发明专利技术公开了一种拉曼光谱技术结合PCA‑HCA的不同品位磷矿鉴别和分类的方法，属于光谱应用技术领域。包括：取不同品位的磷矿样品，采用拉曼光谱仪获取各个样本的拉曼光谱原始信息；对采集的拉曼光谱原始信息进行预处理，并对经过预处理后的拉曼光谱结合主成分分析(PCA)和层次聚类分析(HCA)建立判别模型，实现待测磷矿样品的分类。该方法简化了样品的预处理步骤，避免了繁琐的化学过程，缩短了检测时间，具有快速，准确度高，无损等优点，对鉴别不同品位的磷矿有重要的推动作用，为矿井下快速、实时和在线检测提供了新思路，对提高磷矿的开采效率，降低开采成本及环境保护有重要意义。

【技术实现步骤摘要】
一种基于拉曼光谱和PCA-HCA的不同品位磷矿的鉴别和分类方法
本专利技术涉及光谱应用
，尤其涉及一种基于拉曼光谱和PCA-HCA的不同品位磷矿的鉴别和分类方法。
技术介绍
磷矿是我国重要的战略资源，它既是多种磷制品的重要矿物原料，同时也是食品安全和精细磷化工的物质基础。我国磷矿总储量丰富，但富矿少，90％的磷矿品位低于26％，平均品位仅为16.85％，大部分矿石需要经过选矿才能利用。评价磷矿石的品位是选矿过程中的一个重要环节，在我国，磷矿石品位是指磷矿石中P2O5的含量，通过有效P2O5含量的测定对磷矿进行初筛，可以预测磷矿的工业开采价值和开采难度。当前测定磷矿石品位的方法有物理方法和化学方法，包括常规化学分析法、红外光谱法、核磁共振法、X射线、等离子体质谱法(ICP-MS)、离子交换法、色谱法、质谱法等。但其中大多数方法需要在实验室中进行，且检测过程相对繁琐，有的方法需要对样品进行复杂的前处理，不能很好的适应当今对大量样品快速检测，尤其是矿下现场检测分析的需要。寻找一种快速有效的磷矿品位鉴别和分类方法，提高磷矿资源利用效率，对我国工业和农业可持续发展具有重要意义。拉曼光谱是一种新兴的分子指纹技术，可得到样品内部的物理、化学和深层结构信息，对物质进行表征，检测过程迅速且不破坏样品。与红外光谱相比，拉曼光谱振动叠加效应较小，谱带更清晰，更易通过矿石光谱信息中特征峰的归属对矿石结构信息进行判断。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种基于拉曼光谱和PCA-HCA的不同品位磷矿的鉴别和分类方法。本专利技术解决其技术问题所采用的技术方案是：本专利技术提供一种基于拉曼光谱和PCA-HCA的不同品位磷矿的鉴别和分类方法，该方法包括以下步骤:S1、取多种已知品位的磷矿粉末样品，对其进行压片处理，得到不同品位对应的压片样品；S2、对各个压片样品选取若干个测量点，进行激光拉曼光谱测量，分别得各测量点的拉曼光谱；S3、对各测量点的拉曼光谱的原始信息进行预处理，包括平滑、基线校正和一阶导数处理，得到对应的预处理谱图；S4、采用步骤S1-S3得到的各种不同品位的磷矿样品预处理谱图，建立数据库；S5、编写主成分分析与系统聚类分析MATLAB程序，对步骤S4中得到的数据库进行主成分分析-系统聚类分析，建立PCA-HCA判别模型；S6、对待测品位磷矿样品进行鉴别和分类：在相同条件下测量待测品位磷矿样品，将测量的光谱经过预处理后导入PCA-HCA判别模型中，实现待测磷矿样品的分类判别。进一步地，本专利技术的步骤S2中采用共聚焦激光拉曼光谱测量方法，得到各测量点的拉曼光谱。进一步地，本专利技术的步骤S2中对各个压片样品选取的测量点数量不小于50个。进一步地，本专利技术的步骤S3中进行预处理中的基线校正方法采用airPLS法基线校正。进一步地，本专利技术的步骤S5中主成分分析-系统聚类分析PCA-HCA判别模型的建立：判别距离采用欧式距离，其定义式为：其中，Dik，Euclidean表示n维空间两点Xi和Xk之间的欧式距离，n表示空间维数，j表示点坐标维数，Xij表示点Xi的第j维坐标，Xkj表示Xk的第j维坐标；判别准则采用最短距离法，即待测品位磷矿样品与哪一类已知品位磷矿样品的欧式距离最小，则归为同一类。进一步地，本专利技术的步骤S5中进行主成分分析后，还包括对样品的均匀性信息进行分析的方法：分析样品的主成分，建立主成分分析PCA模型，样品各测量点到其中心点的欧式距离代表每个测试点的差异程度，对样品中含量排在前三位的主成分，分别计算其各测量点到其中心点的欧式距离，欧式距离分布越分散，表明磷矿样品品位的均匀性越差。进一步地，本专利技术的该方法中进行平滑处理、airPLS法基线校正和一阶导数处理的方法具体为：首先，采用Savitzky-Golay卷积法对光谱进行多项式阶数为2阶的8点平滑处理；其次，采用自适应迭代重加权惩罚最小二乘法airPLS进行基线校正，去除荧光干扰；第三，采用一阶导数对平滑和基线校正后的光谱进行处理，得到一阶导数光谱。进一步地，本专利技术的该方法中建立的PCA-HCA判别模型的方法具体为：首先进行PCA分析，通过训练集得到保留磷矿原始光谱信息，并且分类完成后的主成分，根据协方差矩阵将样本进行降维；其次，进行HCA分析，运用离差平方和法，结合欧式距离把磷矿样品分为不同种类的集群。本专利技术产生的有益效果是：本专利技术的基于拉曼光谱和PCA-HCA的不同品位磷矿的鉴别和分类方法，1)本专利技术涉及的测量方法操作简单、实现了基于拉曼光谱技术的不同品位的磷矿快速准确鉴别和分类，同时可以测量磷矿样品均匀性，对检测磷矿品位有重要的推动作用，对提高磷矿的开采效率，降低开采成本及环境保护有重要意义。本专利技术不需要配制任何溶液以及化学测定，大大简化了操作步骤，缩短了检测时间，未来可以用于矿井下快速、实时和在线检测，也避免了由于操作人员操作不熟练或者主观因素带来的测量结果不准确等后果。2)采用预处理后的拉曼光谱结合PCA-HCA建立分类模型，具有分类准确，快速便捷的特点。2)采用平均特征拉曼峰信号强度对磷矿品位进行表征，削弱了由于样品不均等其他影响因素对激光拉曼光谱测量结果的影响，提高了本专利技术所述测量方法的可靠性和准确度。4)采用样本检测点到样本中心点的欧式距离的分布对磷矿品位均匀性进行表征，提高了本专利技术所述测量方法的应用范围。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1为本专利技术实施例中所述4种品位的磷矿样品A、B、C和D随机5个测量点的拉曼光谱图。图2为本专利技术实施例中所述4种品位的磷矿样品A、B、C和D共80组平均光谱(每种品位样品测量100个点，5个点取平均，得到20组平均光谱)进行主成分分析，前两个主成分PC1和PC2的得分图。图3为本专利技术实施例中所述已知的4种磷矿样品A、B、C和D80组平均光谱的PCA得分进行系统聚类分析(HCA)得到的聚类树图。图4为本专利技术实施例中所述已知的4种品位磷矿样品A、B、C和D的均匀性(采用欧式距离)。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。本专利技术的一个具体实施例中，共计测量4种品位的磷矿样品，分别为高品位样品A(P2O5：31.25％)与B(P2O5：29.06％)、中品位样品C(P2O5：22.08％)和低品位样品D(P2O5：3.29％)。其中，样品A来自贵州瓮安地区，样品B、C和D来自于云南晋宁地区，所有样品的品位值通过《磷矿石中五氧化二磷含量的测定磷钼酸喹啉容量法》(GB/T1871.1-1995)测定。测量采用NanobaseXperRam200共聚焦显微拉曼光谱系统，激光器波长为532nm，功率为100mW，光谱扫描范围为200～1950cm-1。具体步骤如下：1)取磷矿样品A粉末进行压片；2)对步骤1)中的磷矿样品放置在共聚焦显微拉曼光谱仪的载物台上，选取100个测量点，利用激光强度为100mv的激光束，并通过40X的物镜聚焦到样本的表面，曝光时间20s，分别得各测量点的原始拉曼光谱；3)对步骤2)采集的拉曼光谱原始信息进行预处本文档来自技高网...

【技术保护点】
1.一种基于拉曼光谱和PCA‑HCA的不同品位磷矿的鉴别和分类方法，其特征在于，该方法包括以下步骤:S1、取多种已知品位的磷矿粉末样品，对其进行压片处理，得到不同品位对应的压片样品；S2、对各个压片样品选取若干个测量点，进行激光拉曼光谱测量，分别得各测量点的拉曼光谱；S3、对各测量点的拉曼光谱的原始信息进行预处理，包括平滑、基线校正和一阶导数处理，得到对应的预处理谱图；S4、采用步骤S1‑S3得到的各种不同品位的磷矿样品预处理谱图，建立数据库；S5、编写主成分分析与系统聚类分析MATLAB程序，对步骤S4中得到的数据库进行主成分分析‑系统聚类分析，建立PCA‑HCA判别模型；S6、对待测品位磷矿样品进行鉴别和分类：在相同条件下测量待测品位磷矿样品，将测量的光谱经过预处理后导入PCA‑HCA判别模型中，实现待测磷矿样品的分类判别。

【技术特征摘要】
1.一种基于拉曼光谱和PCA-HCA的不同品位磷矿的鉴别和分类方法，其特征在于，该方法包括以下步骤:S1、取多种已知品位的磷矿粉末样品，对其进行压片处理，得到不同品位对应的压片样品；S2、对各个压片样品选取若干个测量点，进行激光拉曼光谱测量，分别得各测量点的拉曼光谱；S3、对各测量点的拉曼光谱的原始信息进行预处理，包括平滑、基线校正和一阶导数处理，得到对应的预处理谱图；S4、采用步骤S1-S3得到的各种不同品位的磷矿样品预处理谱图，建立数据库；S5、编写主成分分析与系统聚类分析MATLAB程序，对步骤S4中得到的数据库进行主成分分析-系统聚类分析，建立PCA-HCA判别模型；S6、对待测品位磷矿样品进行鉴别和分类：在相同条件下测量待测品位磷矿样品，将测量的光谱经过预处理后导入PCA-HCA判别模型中，实现待测磷矿样品的分类判别。2.根据权利要求1所述的基于拉曼光谱和PCA-HCA的不同品位磷矿的鉴别和分类方法，其特征在于，步骤S2中采用共聚焦激光拉曼光谱测量方法，得到各测量点的拉曼光谱。3.根据权利要求1所述的基于拉曼光谱和PCA-HCA的不同品位磷矿的鉴别和分类方法，其特征在于，步骤S2中对各个压片样品选取的测量点数量不小于50个。4.根据权利要求1所述的基于拉曼光谱和PCA-HCA的不同品位磷矿的鉴别和分类方法，其特征在于，步骤S3中进行预处理中的基线校正方法采用airPLS法基线校正。5.根据权利要求1所述的基于拉曼光谱和PCA-HCA的不同品位磷矿的鉴别和分类方法，其特征在于，步骤S5中主成分分析-系统聚类分析PCA-HCA判别模型的建立：判别距离采用欧式距离，其定义...

【专利技术属性】
技术研发人员：陈相柏，候华毅，梁欢，姚曦煜，彭恒，杨鑫，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：湖北,42