本测试共涉及四类矿石，类别标识分别为 ABCD。 每类矿石样本包含3-7块不等，要求通过高光谱技术进行识别和分类。

测试方案设计：

部分样本作为训练集，用于构建分类模型。

使用该类别剩余的样本作为独立测试集，进行真实场景下的预测验证。

本次测试采用高光谱设备进行测量

• 高光谱相机覆盖900~1700nm波长范围

• 线性推扫成像方案

• 照明光源采用卤素光源

• 样品放置在水平位移台上

矿石分类--训练集划分

获取4种矿石红外高光谱数据（900-1700nm），将每类矿石其中约2/3作为训练集训练模型，观察光谱曲线，肉眼观察四类光谱曲线的趋势和形状明显差异，1400nm波段存在明显吸收峰。

矿石分类--分类结果

将4类矿石红外高光谱（900-1700nm）训练集数据使用算法1，2进行建模分类。 从分类结果来看，算法2分类效果整体上较为良好，其中模型对矿石边缘分类效果稍差，与矿石存在高度差以及光照阴影有关。

算法1

算法2

总结：

目视观察矿石光谱曲线的趋势和形状，可以看出在1400nm波段存在明显吸收峰。利用反射率图像，结合机器学习算法能够有效分类四类矿石。综上，900-1700nm的HX-17S近红外高光谱相机可以实现对这四类矿石的有效分类，该方案应用可行性较高。

获取更多实验报告或了解高光谱产品，可电话联系13588435456（微信同号）。