一种基于实时光谱信息的充填料浆浓度监测系统及方法技术方案

本发明专利技术提供一种基于实时光谱信息的充填料浆浓度监测系统与方法，属于矿山充填技术领域。该系统包括可视化模块、搅拌槽、高光谱扫描装置、图像处理模块和神经网络学习模块，其中，高光谱扫描装置设置于搅拌槽上方，高光谱扫描装置对充填料浆中的光谱数据采集，并传输至图像处理模块，对光谱图像进行处理，处理后数据在神经网络学习模块通过和充填料浆光谱数据库常规实测数据对比，建立光谱数据与浓度间的联系从而进一步获得料浆浓度检测模型，最终实现充填料浆浓度监测。该系统结构简单、自动化程度高，可实现充填料浆浓度的非接触式测定，为实现充填料浆搅拌过程中浓度的实时反馈提供了有效装置与方法，为金属矿充填采矿技术发展提供重要支撑。展提供重要支撑。展提供重要支撑。

【技术实现步骤摘要】
一种基于实时光谱信息的充填料浆浓度监测系统及方法


[0001]本专利技术涉及矿山充填
，特别是指一种基于实时光谱信息的充填料浆浓度监测系统与方法。

技术介绍

[0002]矿产资源在保障国民经济持续发展的同时，由资源开采引发的环境污染问题日益凸显，随着资源开采力度的加大，传统粗放式矿业开发模式呈现“高开采、低利用、高排放”的特征，不仅占用大量土地，而且导致矿区环境污染持续恶化，固废、水体及重金属污染严重，矿山安全事故频发，影响我国金属矿业的可持续健康发展。
[0003]充填技术可以最大限度地减少固废(全尾砂、炉渣、废石)排放，利用率可提高至50％～100％；井下不脱水，地表不扬尘，有害金属离子被胶结封存于充填采场而不析出，实现矿山固废与废水零排放，矿区不建或少建尾矿库与废石场，实现资源开发与生态保护的协调发展。同时，充填开采能有效防治采空区塌陷、消除尾矿库灾害，实现“一废治两害”的灾害治理新模式。
[0004]充填采矿技术是实现金属矿绿色开发的重要途径。浓度是影响料浆搅拌制备、管道输送、采场充填三大工艺环节的核心要素，然而，充填料浆浓度精准测量及控制十分困难，导致输送过程中料浆浓度波动幅度大，出现堵管、爆管、充填体失稳等严重问题。
[0005]料浆浓度测试方法一般有直接烘干法、浓度壶测定法、在线浓度测量法等。烘干法和浓度壶法测试周期长、过程复杂，目前仅在少数矿山或充填系统调试期间采用。在线浓度检测仪可分为侵入式和非侵入式两种，其中侵入式常见的有光电式浓度仪、压差式浓度计、U型管式浓度计、振动式浓度计等，非侵入式浓度仪大多基于射线衰减法、超声波法、微波法、电导率法、电容法等。但是考虑到监测精度、监测介质条件、监测成本及对输送的扰动程度等条件，前述几种在线浓度监测手段均不适用于充填料浆浓度的实时监测。
[0006]综上，受到便捷性、精确性、安全性、适用性等方面的制约，传统的料浆浓度测量方法无法满足现代充填开采技术精准化、自动化、智能化的要求，导致充填料浆浓度精准测量难以实现，成为制约充填料浆制备过程浓度智能化控制的瓶颈问题。

技术实现思路

[0007]本专利技术要解决的技术问题是提供一种基于实时光谱信息的充填料浆浓度监测系统与方法，实现充填料浆搅拌过程中浓度的实时监测，进而推动充填料浆制备过程智能化的进程。
[0008]该系统包括可视化模块、搅拌槽、高光谱扫描装置、图像处理模块、充填料浆光谱数据库和神经网络学习模块，其中，高光谱扫描装置设置于搅拌槽上方，高光谱扫描装置连接图像处理模块，图像梳理模块连接神经网络学习模块，充填料浆光谱数据库中数据由神经网络学习模块调用，神经网络学习模块连接可视化模块。
[0009]高光谱扫描装置通过钢制支架安装于开放式搅拌槽的正上方距离液面30 cm～
40cm处，便于数据获取。
[0010]高光谱扫描装置包括光谱仪、面阵相机，光谱仪置于面阵相机前端，正对搅拌槽内，且在高光谱扫描装置两侧设置卤素灯光源。
[0011]图像处理模块采用化学计量学光谱分析法对高光谱扫描装置获得的光谱信息进行光谱匹配，用于识别分析样品成分。同时实现矿物组分和浓度的定量计算。
[0012]神经网络学习模块中引入迁移学习和零次学习机制，随着充填料浆光谱数据库的丰富，能够不断完善反演模型，提高浓度测定的精度。
[0013]充填料浆光谱数据库建立过程如下：通过对搅拌槽中料浆取样、进行X 射线荧光光谱分析得到矿物及元素成分和比例，并采用烘干法对充填料浆浓度进行测量和标定，得到测量结果作为基准值，基准值集合作为数据库。
[0014]神经网络学习模块的数据来源为图像处理模块定量计算所得矿物组分、粒径分布和浓度。
[0015]该系统中高光谱扫描装置负责充填料浆中光谱数据的采集(高光谱图像和反射光谱)，并传输至计算机，装置采用非接触式监测，无需破坏料浆内部结构。图像处理模块负责光谱图像的处理，该模块采用专用的图像处理软件利用内置反演模型，将高光谱图像识别为料浆特征参数。神经网络学习模块负责对比常规实测数据，建立光谱数据与浓度间的联系从而进一步获得充填料浆浓度监测模型，最终实现充填料浆浓度高精度监测。
[0016]该监测系统的应用方法，包括步骤如下：
[0017]S1：建立充填料浆光谱数据库：
[0018]在搅拌槽中取样，采用X射线荧光光谱分析充填料浆的矿物及元素成分和比例，并采用烘干法对充填料浆浓度进行测量和标定，测量所得浓度值及对应的矿物组分作为基准值，基准值集合作为充填料浆光谱数据库，并在搅拌过程中不断取样，完善数据库；
[0019]S2：安装高光谱扫描装置：
[0020]采用支架将高光谱扫描装置垂直放置于搅拌槽的上方，并采用半导体制冷与高压空气双重冷却装置以及高压空气气幕技术对高光谱扫描装置的镜头进行保护，以减少搅拌槽内泥浆飞溅、灰尘、水汽等对数据提取过程的干扰，提升装置的适应能力；
[0021]S3：充填料浆成分获取：
[0022]充填料浆中各矿物组分在高光谱扫描装置照射下发出不同波长的辐射，分光仪将宽波长的混合光分散为不同频率的单波长光，并把分散光投射到面阵相机上，再通过面阵相机进行光电转换，最终获得按波长或频率排列的光谱线，并将吸收谱线的谱线强度作为矿物成分的特征向量，构成充填料浆成分检测的学习样本集合；
[0023]S4：建立矿物成分含量及料浆浓度的关系模型：
[0024]采用神经网络学习模块对S3中得到的矿物成分检测的学习样本集合进行训练，拟合特征向量和充填料浆光谱数据库中数据，建立矿物成分含量和吸收谱线强度关系以及料浆浓度和吸收谱线强度关系；
[0025]S5：可视化输出：
[0026]建立好S4中模型后，采用充填过程中搅拌槽内光谱数据对充填料浆浓度进行分析，并通过可视化模块输出浓度监测结果；
[0027]S6：充填料浆浓度调控：
[0028]根据可视化模块输出的浓度值，按需求调整搅拌槽的前端进料，从而实现对搅拌过程中充填料浆浓度的精准控制。
[0029]本专利技术的上述技术方案的有益效果如下：
[0030]上述方案中，通过高光谱扫描装置实现充填料浆中矿物成分的在线分析和光谱信息的提取，结合化学计量学、深度学习等光谱分析方法对被测充填料浆进行光谱匹配，用于识别分析样品成分，实现基于光谱数据的浓度分析，是基于光谱识别模式的充填料浆浓度有效的监测系统与方法。该基于实时光谱信息的充填料浆浓度监测系统结构简单、自动化程度高，可实现充填料浆浓度的非接触式测定，为实现充填过程中浓度的实时反馈提供了有效装置与方法，为金属矿充填采矿技术的发展提供重要支撑。
附图说明
[0031]图1为本专利技术的基于实时光谱信息的充填料浆浓度监测系统结构示意图；
[0032]图2为本专利技术的高光谱扫描装置设置的基本结构图。
[0033]其中：1
‑
可视化模块；2
‑
搅拌槽；3
‑<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于实时光谱信息的充填料浆浓度监测系统，其特征在于，包括可视化模块、搅拌槽、高光谱扫描装置、图像处理模块、充填料浆光谱数据库和神经网络学习模块，其中，高光谱扫描装置设置于搅拌槽上方，高光谱扫描装置连接图像处理模块，图像梳理模块连接神经网络学习模块，充填料浆光谱数据库中数据由神经网络学习模块调用，神经网络学习模块连接可视化模块。2.根据权利要求1所述的基于实时光谱信息的充填料浆浓度监测系统，其特征在于，所述高光谱扫描装置通过钢制支架安装于开放式搅拌槽的正上方距离液面30cm～40cm处，便于数据获取。3.根据权利要求1所述的基于实时光谱信息的充填料浆浓度监测系统，其特征在于，所述高光谱扫描装置包括光谱仪、面阵相机，光谱仪置于面阵相机前端，正对搅拌槽内，且在高光谱扫描装置两侧设置卤素灯光源。4.根据权利要求1所述的基于实时光谱信息的充填料浆浓度监测系统，其特征在于，所述图像处理模块采用化学计量学光谱分析法对高光谱扫描装置获得的光谱信息进行光谱匹配，用于识别分析样品成分，实现矿物组分和浓度的定量计算。5.根据权利要求1所述的基于实时光谱信息的充填料浆浓度监测系统，其特征在于，所述神经网络学习模块中引入迁移学习和零次学习机制，随着充填料浆光谱数据库的丰富，能够不断完善反演模型，提高浓度测定的精度。6.根据权利要求1所述的基于实时光谱信息的充填料浆浓度监测系统，其特征在于，所述充填料浆光谱数据库建立过程如下：通过对搅拌槽中料浆取样、进行X射线荧光光谱分析得到矿物及元素成分和比例，并采用烘干法对充填料浆浓度进行测量和标定，得到测量结果作为基准值，基准值集合作为数据库。7.根据权利要求1所述的基于实时光谱信息的充填...

【专利技术属性】
技术研发人员：尹升华，闫泽鹏，王雷鸣，陈勋，严荣富，陈大鹏，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：