全谱段光谱分析的块状商品煤种类鉴别

作者：任淯; 孙雪剑; 戴晓爱; 岑奕; 田亚铭; 王楠; 张立福

来源：光谱学与光谱分析, 2018, 38(02): 352-357.

• 全谱段
• 块状商品煤种类鉴别
• 多层感知器
• 主成分分析

常规的煤炭鉴别方法需进行繁琐的制样过程,且需结合多种化学参数指标进行综合判定,以得到较为准确的分析结果。提出一种基于5002 350nm的可见-近红外全谱段光谱分析技术与多层感知器(multilayer perceptron,MLP)分类方法相结合的块状商品煤鉴别方法。该方法具有非接触、无前期制样、无化学分析的优势,可快速高效的获取煤炭的分类信息。采用地物光谱仪采集煤炭原始光谱数据,对噪声过大、影响后续处理的谱段进行删除,剩余部分采用小波阈值去噪法进行噪声去除。将去噪后的数据分成三个数据集:可见-近红外光谱(500900nm)数据集、短波红外光谱(1 0002 350nm)数据集、全谱段光谱(5002 350nm)数据集。对以上三个数据集进行主成分分析,将提取出的25个主成分输入多层感知器分类模型。多层感知器模型由输入层、隐藏层(两层)、softmax分类器构成。对三个数据集进行分类精度的对比,并采用随机森林(random forest,RF)与支持向量机(support vector machine,SVM)两种分类算法进行进一步的验证分析。结果表明:对块状商品煤分类,全谱段光谱分析技术由于数据信息量丰富,能够得到更优的分类效果,在训练样本数为132时,采用MLP分类器的分类精度最高,为98.03%;随机森林与SVM的分类结果验证了全谱段数据集的优越性与普适性。该研究为煤炭的在线分析、便携式煤炭检测仪器的研发提供了可靠的技术支持。

• 单位
  成都理工大学; 遥感科学国家重点实验室; 中国科学院遥感与数字地球研究所