文献类型：期刊文章

作　　者：杨彦伟[1,2] 张丽丽[1,2] 郝晓剑[2] 张瑞忠[3]

Yang Yanwei;Zhang Lili;Hao Xiaojian;Zhang Ruizhong(Department of Physics,Luliang University,Lvliang 033000,China;Key Laboratory of Instrumentation Science and Dynamic Measurement,North University of China,Taiyuan 030051,China;Shanxi Huaxing Aluminum Industry Co.Ltd.,Lvliang 033603,China)

机构地区：[1]吕梁学院物理系,山西吕梁033000 [2]中北大学仪器科学与动态测试教育部重点实验室,山西太原030051 [3]山西华兴铝业有限公司,山西吕梁033603

出　　处：《红外与激光工程》

基　　金：国家自然科学基金(6147326);山西省自然科学基金(201901D111162);2020年山西省高等学校科技创新项目(2020L0677);山西省“1331工程”重点学科建设计划经费资助。

年　　份：2021

卷　　号：50

期　　号：5

起止页码：265-272

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：铁矿石是非常重要的矿产资源,它的开发利用对钢铁产业的发展有很大的影响,铁矿石的选检与分类是冶金行业必不可少的环节,不同种类的铁矿石及其品质会直接影响与其他物质的配比,因此对铁矿石的选检分类研究在冶金行业具有重要意义。激光诱导击穿光谱技术(LIBS)是近年来发展起来的一项成分检测技术,具有无损、快速、原位在线检测等优点,在化学成分检测及样品分类领域有一定的优势。为了提高铁矿石的分类精度,提出将激光诱导击穿光谱技术与机器学习相结合对赤铁矿、褐铁矿、菱铁矿、云母赤铁矿、磁铁矿、磁赤铁矿、鲕状赤铁矿、黄铁矿、钴磁铁矿、磁黄铁矿等10种天然铁矿石进行分类研究。在研究中,首先通过激光诱导击穿光谱技术烧蚀10种天然铁矿石样品获得其对应的光谱数据;然后通过设定阈值的方法选定最大光谱强度对应的10个光谱特征;最后通过KNN、RF、SVM机器学习模型对选定的特征光谱进行分类训练及测试。结果表明:KNN、RF、SVM三种机器学习模型的分类准确度分别为83.0%、80.7%、90.3%。从分类准确度可以看出,激光诱导击穿光谱技术与机器学习相结合可以实现对铁矿石的快速、精确分类,这将为冶金行业的铁矿石选检分类提供一种全新的方法。

关 键 词：激光诱导击穿光谱 机器学习  矿石分类  随机森林  支持向量机

分 类 号：O433.4]