开云优惠体育网页版入口

专利名称：一种基于光谱数据的铁矿含量测量方法及系统

专利类型：实用新型专利

专利申请号：CN202410994944.9

专利申请（专利权）人：本溪钢铁(集团)矿业辽阳贾家堡铁矿有限责任公司
权利人地址：辽宁省辽阳市辽阳县寒岭镇二道村

专利发明（设计）人：张春田,孙长生,邓庆超,王长成

专利摘要：本申请涉及光谱检测分析技术领域，具体涉及一种基于光谱数据的铁矿含量测量方法及系统，该方法包括：获取各铁矿石样本在不同水分含量下的光谱数据，确定各样本在各水分含量下的铁元素信噪比，进而确定各样本的最优水分含量；分析各样本的铁元素波动程度，结合当前水分含量与最优水分含量差异以及对应铁元素信噪比之间的差异确定各样本的水分影响程度；分析各样本中铁元素与其他任一元素的差异指数，进而确定不同样本之间铁元素相对其他任一元素的变化程度，结合水分影响程度以及不同样本之间铁元素相对所有其他任一元素的变化程度的平均水平，确定样本中铁元素基体校正后的实际含量。本申请实现了对铁矿含量的精确检测。

主权利要求：
1.一种基于光谱数据的铁矿含量测量方法，其特征在于，该方法包括以下步骤：获取各铁矿石样本在不同水分含量下的光谱数据；
基于各个样本的光谱数据中铁元素对应各谱线强度的平均水平以及谱线强度的最大值、最小值，结合各样本在不同水分含量下的噪声强度，确定各样本在各水分含量下的铁元素信噪比，进而确定各样本的最优水分含量；
基于当前水分含量下与最优水分含量下各样本光谱数据中铁元素谱线强度的变化差异，以及对应铁元素的谱线强度最大值之间的差异，结合当前水分含量和最优水分含量下各样本光谱数据中铁元素的含量占比，确定各样本的铁元素波动程度；
基于当前水分含量与最优水分含量差异以及对应铁元素信噪比之间的差异，并结合各样本的铁元素波动程度，确定各样本的水分影响程度；
基于各样本中铁元素与其他任一元素的谱线强度离散情况的差异，以及各样本中铁元素与其他任一元素的谱线强度值的差异，确定各样本中铁元素与其他任一元素的差异指数；
基于最优水分含量下不同样本中铁元素与其他任一元素的差异指数之间的差异，结合铁元素在不同样本中的谱线强度的整体差异以及所述其他任一元素在不同样本中的谱线强度的整体差异，确定不同样本之间铁元素相对其他任一元素的变化程度；
分析所有样本的光谱数据中铁元素含量及谱线强度的最大值间的线性关系，结合所述水分影响程度以及不同样本之间铁元素相对所有其他任一元素的变化程度的平均水平，确定样本中铁元素在进行基体校正后的实际含量；
所述各样本在各水分含量下的铁元素信噪比的确定过程为：
统计各样本在各水分含量下的光谱数据中铁元素的谱线强度的最大值、最小值以及各样本在各水分含量下的噪声强度；
将最大值与噪声强度的比值记为第一比值，将最小值与噪声强度的比值记为第二比值，第一比值与第二比值求和得到各样本在各水分含量下的铁元素信噪比；
所述各样本的最优水分含量为各样本的所述铁元素信噪比的最大值所对应的水分含量；
所述各样本的铁元素波动程度：
将各样本在最优水分含量下的光谱数据中每个元素在不同波长的谱线强度，组成各样本中每个元素的强度数据序列，将各样本在当前水分含量下铁元素在不同波长的谱线强度，组成铁元素的当前强度序列；
统计铁元素的当前强度序列与强度数据序列的元素个数的差异C1，分析铁元素的当前强度序列的一阶差分序列与强度数据序列的一阶差分序列之间大于零的元素个数的差异C2；
样本中的铁元素波动程度C表达式为：C=C1+C2+C3；C3为样本在当前水分含量与最优水分含量对应铁元素特征谱线的最大强度的差值绝对值；
所述各样本的水分影响程度的计算公式为： ；其中，Y为样本的水分影响程度；
C为样本的铁元素波动程度；E1为样本在当前水分含量与最优水分含量下铁元素信噪比的差值绝对值；E2为当前水分含量与最优水分含量的差值绝对值，t为大于零的预设数值；
所述各样本中铁元素与其他任一元素的差异指数的获取过程为：
分析最优水分含量下各样本中铁元素的所有谱线强度的离散程度以及各样本中其他任一元素的所有谱线强度的离散程度；
分析各样本中铁元素的强度数据序列与其他任一元素的强度数据序列的距离；
将两个离散程度的差异与所述距离进行融合，得到各样本中铁元素与其他任一元素的差异指数。
2.如权利要求1所述的一种基于光谱数据的铁矿含量测量方法，其特征在于，所述不同样本之间铁元素相对其他任一元素的变化程度的表达式为：；
其中， 为在第i个样本与第j个样本之间铁元素相对元素v的变化程度； 分别为第i个样本、第j个样本中铁元素与第v种元素的差异指数； 为第v种元素在第i个样本与第j个样本中谱线强度均值的差值绝对值； 为铁元素在第i个样本与第j个样本中谱线强度均值的差值绝对值；norm()为归一化函数。
3.如权利要求2所述的一种基于光谱数据的铁矿含量测量方法，其特征在于，所述样本中铁元素在进行基体校正后的实际含量进一步包括：拟合所有样本的光谱数据中铁元素含量及谱线强度的最大值间的线性关系，得到样本中铁元素未进行基体校正时的含量X，表达式为 ，a为斜率，b为截距，I为样本中铁元素谱线强度最大值；
基于不同样本之间铁元素相对所有其他任一元素的变化程度的平均水平以及大小关系，确定铁元素的各影响元素及对应的影响权重；
样本中铁元素在进行基体校 正后的实际含量W，对应计算公式 为：；其中， 为第t种影响元素的含量， 为第t种
影响元素的影响权重，n为影响元素的个数；d为当前样本中水分含量与最优水分含量的差值；Y为样本的水分影响程度；b为截距。
4.如权利要求3所述的一种基于光谱数据的铁矿含量测量方法，其特征在于，所述铁元素的各影响元素及对应的影响权重的确定包括：分析各样本与其他所有样本之间的所述铁元素相对其他任一元素的变化程度的平均值，记为所述其他任一元素的变化均值，将所有样本的所有其他任一元素的所述变化均值进行阈值分割，将所述变化均值小于等于阈值所对应的元素，作为铁元素的影响元素；
所述各影响元素的所述影响权重为各影响元素的所述变化均值在所有影响元素的变化均值中的占比。
5.一种基于光谱数据的铁矿含量测量系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1?4任意一项所述方法的步骤。 说明书 : 一种基于光谱数据的铁矿含量测量方法及系统技术领域[0001] 本申请涉及光谱检测分析技术领域，具体涉及一种基于光谱数据的铁矿含量测量方法及系统。背景技术[0002] 钢铁作为全球消耗最大的金属材料之一，其产量和质量是对国家工业以及开云优惠体育网页版入口水平衡量的重要指标。钢铁生产的主要原材料是铁矿石，铁矿石的品位即为铁矿石的含铁量（铁元素的总量，TFe），以TFe%表示。铁矿石中的TFe决定了铁矿石品位以及是否可以直接用于冶炼。工业生产中使用的铁矿石要求其TFe范围大约为23%?70%，炼钢厂所使用的铁矿石要求其TFe需要在55%以上。[0003] 目前用于检测铁矿石中铁含量的方法主要有化学分析法与仪器分析法。化学分析法中的重铬酸钾滴定法虽然可以精确地检测铁矿石中的TFe，但是该方法容易造成环境污染且处理过程繁杂，流程长，不能及时的得到检测结果；仪器分析法中激光诱导击穿光谱（LIBS）技术具有快速、实时、多元素分析等特点，被广泛应用于多个领域。然而，在对铁矿石中铁元素进行定量分析时，传统的LIBS定量分析方法在进行含量测量时，通常会忽视基体效应的影响，导致定量分析的效果不好，影响检测精度。发明内容[0004] 为了解决上述技术问题，本申请的目的在于提供一种基于光谱数据的铁矿含量测量方法及系统，所采用的技术方案具体如下：[0005] 本申请实施例提供了一种基于光谱数据的铁矿含量测量方法，该方法包括以下步骤：[0006] 获取各铁矿石样本在不同水分含量下的光谱数据；[0007] 基于各个样本的光谱数据中铁元素对应各谱线强度的平均水平以及谱线强度的最大值、最小值，结合各样本在不同水分含量下的噪声强度，确定各样本在各水分含量下的铁元素信噪比，进而确定各样本的最优水分含量；[0008] 基于当前水分含量下与最优水分含量下各样本光谱数据中铁元素谱线强度的变化差异，以及对应铁元素的谱线强度最大值之间的差异，结合当前水分含量和最优水分含量下各样本光谱数据中铁元素的含量占比，确定各样本的铁元素波动程度；[0009] 基于当前水分含量与最优水分含量差异以及对应铁元素信噪比之间的差异，并结合各样本的铁元素波动程度，确定各样本的水分影响程度；[0010] 基于各样本中铁元素与其他任一元素的谱线强度离散情况的差异，以及各样本中铁元素与其他任一元素的谱线强度值的差异，确定各样本中铁元素与其他任一元素的差异指数；[0011] 基于最优水分含量下不同样本中铁元素与其他任一元素的差异指数之间的差异，结合铁元素在不同样本中的谱线强度的整体差异以及所述其他任一元素在不同样本中的谱线强度的整体差异，确定不同样本之间铁元素相对其他任一元素的变化程度；[0012] 分析所有样本的光谱数据中铁元素含量及谱线强度的最大值间的线性关系，结合所述水分影响程度以及不同样本之间铁元素相对所有其他任一元素的变化程度的平均水平，确定样本中铁元素在进行基体校正后的实际含量。[0013] 可选地，所述各样本在各水分含量下的铁元素信噪比的确定过程为：[0014] 统计各样本在各水分含量下的光谱数据中铁元素的谱线强度的最大值、最小值以及各样本在各水分含量下的噪声强度；[0015] 将最大值与噪声强度的比值记为第一比值，将最小值与噪声强度的比值记为第二比值，第一比值与第二比值求和得到各样本在各水分含量下的铁元素信噪比。[0016] 可选地，所述各样本的最优水分含量为各样本的所述铁元素信噪比的最大值所对应的水分含量。[0017] 可选地，所述各样本的铁元素波动程度：[0018] 将各样本在最优水分含量下的光谱数据中每个元素在不同波长的谱线强度，组成各样本中每个元素的强度数据序列，将各样本在当前水分含量下铁元素在不同波长的谱线强度，组成铁元素的当前强度序列；[0019] 统计铁元素的当前强度序列与强度数据序列的元素个数的差异C1，分析铁元素的当前强度序列的一阶差分序列与强度数据序列的一阶差分序列之间大于零的元素个数的差异C2；[0020] 样本中的铁元素波动程度C表达式为：C=C1+C2+C3；C3为样本在当前水分含量与最优水分含量对应铁元素特征谱线的最大强度的差值绝对值。[0021] 请参阅图3，图3为本实施例样本中铁元素波动程度分析流程示意图。[0022] 可选地，所述各样本的水分影响程度的计算公式为： ；其中，Y为样本的水分影响程度；C为样本的铁元素波动程度；E1为样本在当前水分含量与最优水分含量下铁元素信噪比的差值绝对值；E2为当前水分含量与最优水分含量的差值绝对值，t为大于零的预设数值。[0023] 可选地，所述各样本中铁元素与其他任一元素的差异指数的获取过程为：[0024] 分析最优水分含量下各样本中铁元素的所有谱线强度的离散程度以及各样本中其他任一元素的所有谱线强度的离散程度；[0025] 分析各样本中铁元素的强度数据序列与其他任一元素的强度数据序列的距离；[0026] 将两个离散程度的差异与所述距离进行融合，得到各样本中铁元素与其他任一元素的差异指数。[0027] 可选地，所述不同样本之间铁元素相对其他任一元素的变化程度的表达式为：[0028] ；[0029] 其中， 为在第i个样本与第j个样本之间铁元素相对元素v的变化程度；分别为第i个样本、第j个样本中铁元素与第v种元素的差异指数； 为第v种元素在第i个样本与第j个样本中谱线强度均值的差值绝对值； 为铁元素在第i个样本与第j个样本中谱线强度均值的差值绝对值；norm()为归一化函数。[0030] 可选地，所述样本中铁元素在进行基体校正后的实际含量进一步包括：[0031] 拟合所有样本的光谱数据中铁元素含量及谱线强度的最大值间的线性关系，得到样本中铁元素未进行基体校正时的含量X，表达式为 ，a为斜率，b为截距，I为样本中铁元素谱线强度最大值；[0032] 基于不同样本之间铁元素相对所有其他任一元素的变化程度的平均水平以及大小关系，确定铁元素的各影响元素及对应的影响权重；[0033] 样本中铁元素在进行基体校正后的实际含量W，对应计算公式为：；其中， 为第t种影响元素的含量， 为第t种影响元素的影响权重，n为影响元素的个数；d为当前样本中水分含量与最优水分含量的差值；Y为样本的水分影响程度；b为截距。[0034] 可选地，所述铁元素的各影响元素及对应的影响权重的确定包括：[0035] 分析各样本与其他所有样本之间的所述铁元素相对其他任一元素的变化程度的平均值，记为所述其他任一元素的变化均值，将所有样本的所有其他任一元素的所述变化均值进行阈值分割，将所述变化均值小于等于阈值所对应的元素，作为铁元素的影响元素；[0036] 所述各影响元素的所述影响权重为各影响元素的所述变化均值在所有影响元素的变化均值中的占比。[0037] 本申请实施例还提供了一种基于光谱数据的铁矿含量测量系统，所述系统包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。[0038] 由以上可见，本申请提供的一种基于光谱数据的铁矿含量测量方法及系统，至少具有如下有益效果：[0039] 本申请通过对检测样本的特征进行分析，考虑到水分含量造成的基体效应程度，通过信噪比成功找寻到最优水分含量，并通过构建水分影响程度，以评估水分含量差异对于铁元素谱线强度的影响程度，从而优化光谱数据在不同水分条件下的处理，减弱水分基体效应对铁元素含量检测的干扰；进一步的，考虑到不同基体元素对于铁元素的影响，通过评估铁元素谱线强度与基体元素在不同样本中的变化差异，构建变化程度，以实现对影响元素的筛选与影响程度的评估。有益效果在于：考虑到基体效应对于LIBS定量分析时的影响，通过对水分含量、基体元素影响程度的评估，对传统LIBS定量分析方法的校准曲线进行了优化，降低了基体效应带来的测量误差，提高了含量检测的准确性。附图说明[0040] 为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。[0041] 图1为本申请一个实施例提供的一种基于光谱数据的铁矿含量测量方法的步骤流程图；[0042] 图2为本申请一个实施例提供的铁矿石光谱数据的采集示意图；[0043] 图3为本申请一个实施例提供的样本中铁元素波动程度分析流程示意图；[0044] 图4为本申请一个实施例提供的各样本中铁元素与其他任一元素的差异指数分析流程示意图；[0045] 图5为本申请一个实施例提供的样本中铁元素在进行基体校正后的实际含量检测流程示意图。具体实施方式[0046] 为了更进一步阐述本申请为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本申请提出的一种基于光谱数据的铁矿含量测量方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。[0047] 除非另有规定和限定，诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的电路结构、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种物品或者设备所固有的要素。在没有更多限制的情况下，有语句“包括一个……”限定的要素，并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。另外，本文使用的术语“和\或”包括一个或多个相关的所列项目的任一的和所有的组合。本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。[0048] 下面结合附图具体的说明本申请所提供的一种基于光谱数据的铁矿含量测量方法及系统的具体方案。[0049] 请参阅图1，其示出了本申请一个实施例提供的一种基于光谱数据的铁矿含量测量方法的步骤流程图，该方法包括以下步骤：[0050] 步骤一：获取各铁矿石样本在不同水分含量下的光谱数据。[0051] 本实施例在铁矿石光谱数据的采集过程中，采用单脉冲激光器作为等离子体激发光源，激光器的输出波长为1064nm，激光器的输出能量均为60mJ，脉冲间隔为1us。光谱探测装置采用AvaSpec?2048光谱仪，波长范围为227nm?784nm，分辨率为0.1?0.2nm之间。[0052] 所检测的铁矿石样本经过了破碎筛分处理，破碎筛分后铁矿石样本的颗粒大小维持3mm左右，一组样本数据的体积为1L，共获取50组铁矿石样本。采集数据时，将样本倒入托盘中，由电机带动托盘旋转，从而使激光打在不同的位置上，电机的转速本实施例中为1500r/min。采集过程中，采集到200张光谱后便根据3 原则对异常谱进行剔除，而后将剩余光谱求平均生成一张平均谱，将平均谱作为该样本的对应光谱数据。由于直接通过光谱仪采集得到的光谱会存在一定的噪声与产生基线漂移现象，故本实施例采用小波去噪算法对采集得到的所有样本的平均谱进行去噪，并使用基线校正法进行校准，之后对光谱数据进行Z?score归一化。3 原则、小波去噪算法、基线校正与Z?score归一化为公知技术，此处不再赘述。[0053] 需要说明的是，本申请在对铁矿含量测量过程中考虑了水分对元素测量结果的影响，因此，本实施例将采集不同水分含量下的各样本的光谱数据，以第i个样本为例进行分析，通过烘干机与水分测量仪对第i个样本进行水分含量的控制，本实施例中控制在4%、5%、6%、7%、8%五种程度，将其分别记为1、2、3、4、5种水分程度，以检测铁矿石的最优水分含量。[0054] 在实际应用场景中，实施者根据实际情况自行设置光谱数据采集过程中的激光器参数，以及自行设定水分含量，本实施例对此不做特殊限制。[0055] 至此，根据本实施例上述过程完成对样本光谱数据的获取与处理，采集示意图如图2所示，图2中，编号1为镜头，编号2为二向色镜。[0056] 步骤二：基于各个样本的光谱数据中铁元素对应各谱线强度的平均水平以及谱线强度的最大值、最小值，结合各样本在不同水分含量下的噪声强度，确定各样本在各水分含量下的铁元素信噪比，进而确定各样本的最优水分含量。[0057] 传统的LIBS铁元素定量分析方法，首先是制作标准样本，然后从标准样本中的铁元素的特征谱线中选取一条合适的谱线（需要说明的是：LIBS检测后，一个元素会对应多条特征谱线，横坐标为波长，纵坐标为谱线强度），并以这条谱线在各个标准样本中的信号强度为纵坐标，对应标准样本中的铁元素含量为横坐标，描绘出所有的数据点并拟合成一条校准曲线，最后根据待检测样本中相同铁元素特征谱线的信号强度，在校准曲线中找到对应的铁元素的含量。[0058] 然而，此种方法未考虑不同样本间基体效应的影响程度，例如不同样本间水分影响、基体元素（样本中除去铁元素外的其它元素）对铁元素的影响，从而使得LIBS定量分析的效果不好，故可以通过评估不同样本间水分含量、基体元素对铁元素的影响，从而对校准曲线进行优化，减弱基体效应的影响，以提高通过LIBS对铁矿石中铁元素含量的检测精度。[0059] 通过对检测样本的分析，发现在经过破碎、筛分、配料、混合等一系列操作之后，铁矿石样本中会含有一定的水分，通过采用水分测量仪对样本的水分含量进行检测，发现通常情况下，水分含量在7%左右。水分含量不同也会对LIBS得到的光谱数据结果产生影响（例如同一样本在潮湿或干燥环境下的结果会有一定差异），这是因为激光在烧灼样本表面时，会使样本表面的水分蒸发，从而带走一部分激光能量致使谱线强度变弱，因此需要根据不同水分区间下铁元素的检测结果，以评估水分含量所造成的基体效应程度。[0060] 在进行LIBS光谱检测后，可以获得铁矿石内部多种元素的特征谱线，通过对比NIST数据库中元素的特征谱线信息，可以定位出光谱数据中的多种元素；但是由于在一个样本中，每种元素的特征谱线不止一条，故本实施例将铁元素在一个样本中所有特征谱线的强度均值记为平均谱线强度。[0061] 进一步的：构建信噪比，根据信噪比找到最优水分含量，并根据最优水分含量构建水分影响系数。[0062] 具体的，以第1种水分程度下的第i个样本为例，计算第i个样本在第1种水分程度下的信噪比，统计各样本在各水分含量下的光谱数据中铁元素的谱线强度的最大值、最小值以及各样本在各水分含量下的噪声强度；将最大值与噪声强度的比值记为第一比值，将最小值与噪声强度的比值记为第二比值，第一比值与第二比值求和得到各样本在各水分含量下的铁元素信噪比。[0063] 优选的，本实施例中， ；其中， 为第一比值；A为第i个样本在第1种水分程度下铁元素谱线强度的最大值，B为第i个样本在第1种水分程度下的噪声强度，噪声强度通过现有技术检测获取。[0064] 以同样方式，计算第二比值，将第i个样本在第1种水分程度下铁元素的谱线强度的最小值与第i个样本在第1种水分程度下的噪声强度的比值记为第二比值，将第一比值与第二比值之和记为铁元素信噪比。[0065] 进一步的，计算在不同水分程度下第i个样本的铁元素信噪比，铁元素信噪比越大，样本在该水分程度下的噪声影响程度越。杂诘趇个样本，铁元素信噪比的最大值所对应的水分程度记为最优水分含量。[0066] 步骤三：基于当前水分含量下与最优水分含量下各样本光谱数据中铁元素谱线强度的变化差异，以及对应铁元素的谱线强度最大值之间的差异，结合当前水分含量和最优水分含量下各样本光谱数据中铁元素的含量占比，确定各样本的铁元素波动程度。[0067] 由于同一个样本在不同的水分含量程度下，其获得的光谱数据是不一致的，故可以通过检测同一个样本中铁元素在不同水分程度下的变化程度，以检测水分含量对铁元素的影响。以第i个样本在当前水分含量下得到的光谱数据为例，将铁元素在不同波长的谱线强度组成的序列作为铁元素的当前强度序列。需要说明的是，对于序列中元素的位置以及序列的构建本实施例不做特殊限定，为方便理解，本实施例中，按照波长由小到大的顺序，以0.5nm的波长间隔，通过铁元素的波长对应的谱线强度，构建数据序列，并记为铁元素的当前强度序列。同样的，将各样本在最优水分含量下的光谱数据中每个元素在不同波长的谱线强度，组成各样本中每个元素的强度数据序列。[0068] 分别计算铁元素的当前强度数据序列与铁元素的强度数据序列的一阶差分序列，分别统计两个一阶差分序列中元素值大于0的元素个数，记为C1，将铁元素的当前强度数据序列与强度数据序列的元素总个数之间的差异记为C2，需要说明的是，本实施例上述差异采用两个数值的差值取绝对值进行计算，实施者也可采用其他计算方式，本实施例对此不做特殊限制。[0069] 计算第i个样本中的铁元素，在当前水分含量与最优水分含量之间的铁元素波动程度。[0070] 具体的：令C=C1+C2+C3。其中，C为铁元素波动程度；C3为样本在当前水分含量与最优水分含量对应铁元素特征谱线的最大强度的差值绝对值。[0071] 若在不同水分含量下，其铁元素的变化程度较。布瓷鲜鯟1和C2越。蛱夭ǘ潭仍叫∫布碈较。蝗羰艿剿钟跋，铁元素对应谱线强度发生了较大的变化，C3越大，则C越大，说明受到水分含量影响的程度就越大。[0072] 步骤四：基于当前水分含量与最优水分含量差异以及对应铁元素信噪比之间的差异，并结合各样本的铁元素波动程度，确定各样本的水分影响程度。[0073] 进一步的，对于各样本，样本的水分影响程度的计算公式为： 。其中，Y为样本的水分影响程度；C为样本的铁元素波动程度；E1为样本在当前水分含量与最优水分含量下铁元素信噪比的差值绝对值；E2为当前水分含量与最优水分含量的差值绝对值，t为大于零的预设数值，为避免分母为零，本实施例中取值为0.01。[0074] 可以理解的是，若Y越大，说明该样本因水分含量而造成的铁元素波动程度越大，信噪比差异越大，样本中水分含量所造成的基体效应的影响程度就越大。[0075] 有益效果在于：考虑到铁矿石的水分含量也会对LIBS的检测结果产生影响，通过构建信噪比找到最优水分含量，并构建水分影响程度，以评估样本中水分含量差异所造成的基体效应的影响程度。[0076] 步骤五：基于各样本中铁元素与其他任一元素的谱线强度离散情况的差异，以及各样本中铁元素与其他任一元素的谱线强度值的差异，确定各样本中铁元素与其他任一元素的差异指数。[0077] 在水分含量一致的情况下，即使是同一类型的铁矿石样本，也会因为铁矿石中基体元素含量的差异而导致铁元素的谱线强度发生变化，因此可以根据铁元素与基体元素谱线强度之间的变化特征来评估其他基体元素对铁元素的影响程度。[0078] 分析最优水分含量下各样本中铁元素的所有谱线强度的离散程度，以及各样本中其他任一元素的所有谱线强度的离散程度，分析各样本中铁元素的强度数据序列与其他任一元素的强度数据序列的距离，将两个离散程度的差异与所述距离进行融合，得到各样本中铁元素与其他任一元素的差异指数。[0079] 需要说明的是，本实施例中的融合为两个指标的正向融合，可以是相加关系或者相乘关系，具体的关系本实施例不做特殊限定，实施者根据实际应用场景自行设定。[0080] 优选的，本实施例中，以最优水分含量下第i个样本中的第v种元素为例，分析第i个样本的光谱数据中第v种元素所有谱线强度的离散程度，为便于理解，记为第一离散程度；分析第i个样本光谱数据中铁元素所有谱线强度的离散程度，记为第二离散程度，需要说明的是，所述离散程度可由标准差、方差、变异系数等方式获。臼凳├型ü讲罾捶治隼肷⒊潭龋籟0081] 进一步的，根据第i个样本在最优水分含量下获取的光谱数据，按照波长由小到大的顺序，以0.5nm的波长间隔，通过第v种元素的波长对应的谱线强度，构建数据序列，并记为检测数据序列；[0082] 计算在最优水分含量下的第i个样本中，铁元素与第v种元素之间的差异指数，本实施例中，计算公式为： ；其中， 为第i个样本中铁元素与第v种元素的差异指数；D为第一离散程度与第二离散程度的差值取绝对值；H为检测数据序列与最优含量数据序列之间的DTW距离，距离越大，则第v种元素与铁元素的特征谱线变化程度的差异越大； 越。硎镜趘种元素与铁元素在第i个样本中的谱线强度离散差异越。卣髌紫叩谋浠潭仍揭恢。[0083] 请参阅图4，图4为本实施例中各样本中铁元素与其他任一元素的差异指数分析流程示意图。[0084] 步骤六：基于最优水分含量下不同样本中铁元素与其他任一元素的差异指数之间的差异，结合铁元素在不同样本中的谱线强度的整体差异以及所述其他任一元素在不同样本中的谱线强度的整体差异，确定不同样本之间铁元素相对其他任一元素的变化程度。[0085] 进一步，均在最优水分含量下的情况下，计算在第i个样本与第j个样本之间，铁元素相对第v种元素的变化程度，具体计算公式为：。其中， 为在第i个样本与第j个样本之间铁元素相对元素v的变化程度； 分别为第i个样本、第j个样本中铁元素与第v种元素的差异指数； 为第v种元素在第i个样本与第j个样本中谱线强度均值的差值绝对值； 为铁元素在第i个样本与第j个样本中谱线强度均值的差值绝对值；norm()为归一化函数，归一化的处理方法有很多，实施者可自行选。臼凳├胁捎肸?score归一化法，具体归一化过程为现有技术，在此不做赘述。[0086] 可以理解的是， 越大，说明在第i个样本与第j个样本中，第v种元素的变化程度远大于铁元素的变化程度，则说明当第v种基体元素的谱线强度发生显著变化时，铁元素的谱线强度变化不大，故铁元素受到第v种元素影响的程度就越小。 越。得鞯趘种元素的变化程度与铁元素的变化较为一致，且差异指数仍较。蛩得魈厥艿降趘种元素影响的程度就越大。[0087] 步骤七：分析所有样本的光谱数据中铁元素含量及谱线强度的最大值间的线性关系，结合所述水分影响程度以及不同样本之间铁元素相对所有其他任一元素的变化程度的平均水平，确定样本中铁元素在进行基体校正后的实际含量。[0088] 进一步的，在最优水分含量下，分析各样本与其他所有样本之间的所述铁元素相对其他任一元素的变化程度的平均值，记为所述其他任一元素的变化均值，将所有样本的所有其他任一元素的所述变化均值进行阈值分割，将所述变化均值小于等于阈值所对应的元素，作为铁元素的影响元素，各影响元素的所述变化均值在所有影响元素的变化均值中的占比，记为各影响元素的影响权重。[0089] 优选的，本实施例中，以第i个样本以及第v中元素为例，将第i个样本与所有其他样本之间的铁元素相对元素v的变化程度的平均值，记为第v种元素的变化均值；将所有样本的所有其他任一元素的所述变化均值作为大津阈值法的输入，大津阈值法可输出分割阈值，将所有小于等于阈值的变化均值对应的元素，记为铁元素的影响元素。[0090] 进一步，若第v种元素为铁元素的影响元素，以其为例，将第v种元素的变化均值与所有影响元素的变化均值之和的比值记为第v种元素的影响权重。大津阈值法为公知技术，此处不再赘述。[0091] 至此，可以得到铁矿石中对铁元素会产生较为显著影响的影响元素以及各影响元素的影响权重。[0092] 在获取到会对铁元素产生重要影响的基体元素以及影响权重之后，根据影响程度（即为基体效应）对传统的校准曲线获取元素含量的方式进行优化。具体的：仍以传统的LIBS定量分析方法，从所有样本中获取铁元素含量与铁元素谱线强度的最大值之间的校准曲线，记为 。其中，X为样本中铁元素未进行基体校正时的含量；I为样本中铁元素谱线强度最大值；a为斜率；b为截距（即铁元素为0时的光谱强度）。校准曲线以及a、b的获取为公知技术，此处不再赘述。[0093] 进一步的，考虑到不同因素间基体效应的影响程度，对校准曲线进行优化，根据样本中铁元素未进行基体校正时的含量，结合各影响元素及影响权重，分析样本中铁元素在进行基体校正后的实际含量。本实施例中令 ；其中，W为样本中铁元素在进行基体校正后的实际含量；X为样本中铁元素未进行基体校正时的含量； 为第t种影响元素的含量， 为第t种影响元素的影响权重，n为影响元素的个数；d为当前样本中水分含量与最优水分含量的差值；Y为样本的水分影响程度；b为截距。需要说明的是，对于光谱数据中各元素的含量的初步获取可采用LIBS仪器进行检测。[0094] 请参阅图5，图5为本实施例样本中铁元素在进行基体校正后的实际含量检测流程示意图。[0095] 至此，考虑到水分含量、影响元素等方面的基体效应，对传统LIBS的校准曲线进行优化，当从样本处采集到光谱数据之后，将光谱数据上传至含量检测系统，完成铁矿石中铁元素含量的检测。[0096] 基于与上述方法相同的发明构思，本申请实施例还提供了一种基于光谱数据的铁矿含量测量系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种基于光谱数据的铁矿含量测量方法中任意一项所述方法的步骤。[0097] 可以理解的是：上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。[0098] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。[0099] 以上内容，仅为本申请的实施方式，并非用于限制本申请的范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的保护范围内。

专利地区：辽宁

专利申请日期：2024-07-24

专利公开日期：2024-09-24

专利公告号：2024-09-24