基于深度学习的花岗伟晶岩型锂铍矿物识别研究

虽然遥感技术在大宗型金属矿产资源勘查方面取得了非常卓越的成效,但将其应用于稀有金属矿物提取的成果较少,尤其是对硬岩型锂铍矿物识别,主要受光谱分辨率、含矿岩体与围岩物性差异小、锂铍矿物光谱区分差异小等因素限制.为此,本研究通过野外采集含锂铍矿物伟晶岩和围岩样品并测量其光谱数据,使用光谱增强技术凸显光谱特征,对比分析特征吸收参数相似度模型和深度神经网络模型对矿物识别精度的影响.结果表明:(1)结合包络线去除和混合高斯模型提取的光谱吸收特征参数更简洁且具有更强的地质内涵;(2)光谱增强技术可提高模型识别精度,对比原始光谱,基于对数一阶导数光谱构建的模型的总体精度提高了 0.05;(3)从总体精度看,深度卷积神经网络(总体精度=0.78)比浅层网络模型(反向传播模型总体精度=0.55和极限学习机模型总体精度=0.73)能够取得更好的效果.因此,结合高光谱技术和深度学习能够有效快速地识别花岗伟晶岩型矿物,为航空-航天成像高光谱影像直接提取锂铍矿物提供科学依据.