[发明专利]一种大理岩的筛选方法

说明书

本发明公开了一种大理岩的筛选方法，属于数据识别领域，本发明通过采用X射线照射待测大理岩，经过待测大理岩衍射后，测得能量色散数据序列，能量色散数据序列表征各元素的含量，采用氧化钙含量预测模型对能量色散数据序列进行处理，得到大理岩中氧化钙含量，采集待测大理岩图像，对其平滑处理，滤除个别噪点和异常值的影响，得到平滑图像，计算平滑图像的白度，将氧化钙含量大于氧化钙含量阈值，白度大于白度阈值的大理岩筛选出来，从而实现一种自动筛选出合格大理岩的方法，解决现有筛选方法准确率不高，且效率不高的问题。

技术领域

本发明涉及数据识别领域，具体涉及一种大理岩的筛选方法。

背景技术

矿山有用矿石为氧化钙含量大于52%，白度大于85的大理岩。矿山中的夹石包括板岩、绢云母片岩、白云石大理岩和白度达不到85的大理岩，开采过程中需要快速、准确的对夹石进行剔除以保证矿石质量。

现有采用X射线源发射X射线，照射在矿石上，再通过X射线的探测器测得能量色散数据，从而确定矿石中各元素的含量，但是这种检测方式无法直接得到氧化钙的含量，仅能获取矿石中各元素的含量，同时白度通常是通过肉眼进行评估，具备很强的主观性，因此，对于开采过程筛选出白度大于85和氧化钙含量大于52%的大理岩，存在筛选准确率不高，且效率不高的问题。

发明内容

针对现有技术中的上述不足，本发明提供的一种大理岩的筛选方法解决了现有筛选方法存在筛选准确率不高，且效率不高的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种大理岩的筛选方法，包括以下步骤：

S1、采用X射线照射待测大理岩，经待测大理岩衍射后，由探测器探测得到能量色散数据序列；

S2、构建氧化钙含量预测模型；

S3、将能量色散数据序列输入氧化钙含量预测模型，得到大理岩中氧化钙含量；

S4、采集待测大理岩图像，对待测大理岩图像进行平滑处理，得到平滑图像；

S5、对平滑图像计算白度；

S6、将氧化钙含量大于氧化钙含量阈值，白度大于白度阈值的大理岩筛选出来。

进一步地，所述S2包括以下步骤：

S21、通过实验测得大理岩样品的氧化钙含量，得到标签数据；

S22、采用X射线照射大理岩样品，经大理岩样品衍射后，由探测器探测能量色散数据序列，得到样本数据；

S23、将样本数据和标签数据构建为训练集；

S24、采用训练集训练BP神经网络，得到训练完成的BP神经网络，即氧化钙含量预测模型。

上述进一步地方案的有益效果为：先通过实验实际测得大理岩样品的氧化钙含量，得到标签数据，再通过X射线照射，得到能量色散数据序列，构建训练集，通过BP神经网络建立标签数据与能量色散数据序列之间的映射关系，即建立元素的能量色散数据与氧化钙含量之间的关系，实现根据元素的能量色散数据进行氧化钙含量预测。

进一步地，所述S24包括以下分步骤：

S241、设置BP神经网络中的权重和阈值；

S242、将训练集中样本数据输入当前的BP神经网络中，得到BP神经网络的输出；

S243、根据BP神经网络的输出和对应标签数据，计算参数合适度；

S244、判断参数合适度是否大于适应度阈值，若是，得到训练完成的BP神经网络，若否，则更新BP神经网络中的权重和阈值，并跳转至步骤S242。