引言

鐵礦是支撐國民經(jīng)濟發(fā)展的主要礦產(chǎn)資源之一，是發(fā)展鋼鐵工業(yè)的物質(zhì)基礎(chǔ)，由于礦產(chǎn)資源的緊缺性及不可再生性，如何做到合理、高效、精準開采鐵礦資源已成為亟待解決的問題。露天采礦工程是一種大規(guī)模的開挖工程，巖石與礦體分布的確定是露天礦生產(chǎn)規(guī)劃的第一步，因此明確露天采場中礦物與巖石的分布并精確提取該類信息對后續(xù)開采規(guī)劃尤為重要。

但傳統(tǒng)的礦巖識別方法（如礦山采樣、化學化驗等）耗費較大的人力物力且效率不高，已無法滿足露天采場的生產(chǎn)需求。高光譜遙感其光譜分辨率可達到納米級，進而能夠捕捉到不同巖石與礦物的診斷性光譜特征，使利用宏觀技術(shù)（高光譜遙感）進行微觀信息（巖石與礦物）探測成為可能。巖礦分布信息提取及定量反演是高光譜遙感地質(zhì)應(yīng)用的重要方向，目前多采用礦物光譜填圖、主成分變換、基于光譜特征提取的波段比值等方法提取蝕變礦物信息，已取得了很大進展。成像光譜技術(shù)的發(fā)展極大地促進了地質(zhì)找礦方法的完善，提高了識別的精度。但混合像元的存在是傳統(tǒng)的巖礦分布識別方法難以達到實用要求的主要原因。混合像元分解技術(shù)是解譯像元的重要手段，可從混合像元中分解出所需的巖石、礦物信息，實現(xiàn)對巖石與礦物的精確識別和定量反演。

目前，隨著現(xiàn)代信息技術(shù)、人工智能、大數(shù)據(jù)等新技術(shù)的不斷涌現(xiàn)和快速發(fā)展，傳統(tǒng)的礦山正在向無人采礦、智能采礦和智慧礦山邁進和發(fā)展，其中必備的兩項技術(shù)“現(xiàn)代通訊技術(shù)、采掘自動化技術(shù)”已經(jīng)實現(xiàn)或部分實現(xiàn)，而與其同等重要的第3種技術(shù)——礦巖智能感知技術(shù)則發(fā)展緩慢 ，亟待突破。本研究選取露天采場為試驗場，研究基于無人機成像光譜的露天鐵礦探測技術(shù)，為露天采礦的礦巖分布及邊界確定提供一種新的技術(shù)，也為實現(xiàn)露天無人采礦的礦巖智能感知提供新的思路。

現(xiàn)場試驗

2.1 研究區(qū)概況

啞巴嶺露天采場是礦石原料的重要生產(chǎn)地，位于遼寧省鞍山市。礦石類型為典型的鞍山式鐵礦，主要為赤鐵礦，多為貧鐵礦，鐵品位多位于20%~35%區(qū)間，圍巖主要有千枚巖、綠泥石片巖、斜長角閃巖、混合花崗巖、云母片巖。

2.2 數(shù)據(jù)采集及預(yù)處理

目前多數(shù)遙感地質(zhì)的研究數(shù)據(jù)主要來自衛(wèi)星平臺。近年來無人機高光譜技術(shù)逐漸趨于成熟與完善，與其他傳感器平臺相比，無人機操作簡單、航線及飛行高度可調(diào)整、數(shù)據(jù)獲取方式便捷。并且，由于無人機遙感探測高度低，空間分辨率較高使得地物識別精度大幅提高，適合于小面積礦區(qū)的地面調(diào)查。

且由于數(shù)據(jù)獲取周期短，保障了采場監(jiān)測數(shù)據(jù)獲取的靈活性與時效性。因此，本研究利用無人機搭載高光譜成像儀進行采場遙感數(shù)據(jù)采集，對無人機采集的高光譜影像進行大氣校正以及影像校正、圖像拼接等一系列預(yù)處理。由于900~1000nm波段噪聲較為嚴重，掩蓋了地物自身的光譜信息，因此本研究剔除了該波段的光譜信息，得到0.5m空間分辨率和245波段的高光譜影像，如圖1所示。

圖 1 無人機采集的研究區(qū)成像光譜數(shù)據(jù)

對采集的整幅影像進行裁剪處理，得到目標研究區(qū)域如圖2所示。圖2中的白線為礦山地質(zhì)部門根據(jù)室內(nèi)化驗結(jié)果標出的礦體分布邊界，白線圈定區(qū)域為礦體，周圍區(qū)域為圍巖。

圖2研究區(qū)礦體分布

2.3 礦巖遙感識別與礦體圈定

本研究應(yīng)用混合像元分解方法對露天采場進行礦巖分布識別提取。由于礦體和圍巖的礦物種類多、復(fù)雜，且顆粒度較小，使用礦物種類作為端元處理流程比較復(fù)雜。礦體中的礦石類型主要為赤鐵礦，品位比較集中（30%左右），且近礦圍巖主要為千枚巖。因此，為簡化流程，將赤鐵礦作為礦體中的端元，千枚巖作為圍巖的端元，此外在采區(qū)還存在少量積水、車輛和陰影地物。最終選擇5種地物作為混合像元分解的端元，分別是赤鐵礦、千枚巖、積水、車輛和陰影。通過應(yīng)用軟件在目標研究區(qū)的影像上建立感興趣區(qū)ROI，提取各種端元地物的反射率光譜曲線作為端元光譜，這種手工選取端元光譜的方法準確可靠且簡單快速，但需要操作者對研究區(qū)具有較高的認識水平。

圖3 各端元的光譜曲線

5種端元的光譜曲線如圖3所示，根據(jù)對比可發(fā)現(xiàn)，圍巖與礦體的光譜曲線具有一定差異，千枚巖在400~900nm波段范圍內(nèi)無明顯的光譜特征，反射率值均較低，且分布集中，多位于0.10~0.15區(qū)間。由于Fe3+的電子躍升，礦體的光譜在750nm（紅光波段）附近形成了一個微弱的反射峰特征。車輛的整體反射率較高，陰影的反射率較低且平緩，積水在可見光波段600nm之前，水的吸收少，反射率較低，在700nm處達到一個峰值。因此混合像元分解技術(shù)可基于不同端元的光譜差異將其進行有效區(qū)分。本研究通過編程實現(xiàn)了全約束最小二乘算法運算，將研究區(qū)影像及5種端元光譜作為輸入數(shù)據(jù)，試驗結(jié)果如圖4所示，依次為礦體、圍巖、陰影、積水、車輛的豐度圖。

將圖4（a）與圖2進行對比，發(fā)現(xiàn)應(yīng)用混合像元分解技術(shù)提取的礦體與室內(nèi)化驗圈定的礦體分布基本一致。但圖2中人工圈定的礦巖界線分明，而使用混合像元分解技術(shù)圈定的礦體界線比較模糊，但這在一定程度上可能反映了真實的礦體分布情況。為定量評價提取出的礦體分布精度，本研究將兩種方法提取的結(jié)果進行了對比。基于線性混合模型原理，使用礦體對應(yīng)的豐度信息，按照下式計算其在露天采場中的分布面積。

圖4 各端元對應(yīng)的豐度分布

式中，Xi為第i個像元中礦物的豐度；R為圖像的空間分辨率m；n為像元總數(shù)；S為采場中某種礦物的分布面積，m2。經(jīng)過式（7）計算得出，本研究試驗提取的礦體分布面積為62365.47m2，圖3中礦體圈定面積為67859.25m2，面積相對精度為91.90%，提取結(jié)果較為理想。

3、本章小結(jié)

（1）目前采場礦巖識別方法以傳統(tǒng)的化驗方法為主，存在采樣密度低、化驗周期長、效率低、品位測試結(jié)果滯后等不足，導(dǎo)致礦體邊界圈定不準，嚴重影響了后續(xù)生產(chǎn)。應(yīng)用混合像元分解技術(shù)，利用無人機采集研究區(qū)的成像光譜數(shù)據(jù)，研究了露天鐵礦采場中礦巖識別與自動提取方法。現(xiàn)場試驗結(jié)果表明，基于無人機高光譜技術(shù)的露天鐵礦圈定技術(shù)可 對鐵礦體進行有效圈定，與現(xiàn)有的室內(nèi)化驗圈定的礦體面積相比，精度較高，為實現(xiàn)礦巖智能感知提供了新的方法。

（2）本研究基于高光譜遙感技術(shù)只進行了礦巖識別分析，后續(xù)將進行礦石品位的反演研究。

推薦：

無人機機載高光譜成像系統(tǒng)iSpecHyper-VM100

一款基于小型多旋翼無人機高光譜成像系統(tǒng)，該系統(tǒng)由高光譜成像相機、穩(wěn)定云臺、機載控制與數(shù)據(jù)采集模塊、機載供電模塊等部分組成。無人機機載高光譜成像系統(tǒng)通過獨特的內(nèi)置式或外部掃描和穩(wěn)定控制，有效地解決了在微型無人機搭載推掃式高光譜照相機時，由于振動引起的圖像質(zhì)量較差的問題，并具備較高的光譜分辨率和良好的成像性能。

審核編輯 黃宇