1. 引言
鐵礦石是支撐國民經濟發展的主要礦產資源之一，是鋼鐵工業發展的物質基礎，由於礦產資源短缺且不可再生，如何實現鐵礦石資源的合理、高效、精準開採成為亟待解決的問題。 露天開採是一項大型開挖工程，確定岩石和礦體的分布是露天礦山生產規劃的第一步，因此明確露天採場中礦物和岩石的分布，並準確提取此類資訊以供後續開採規劃使用尤為重要。 
然而，傳統的礦石和岩石鑑定方法（如礦山取樣、化學檢測等）耗費大量人力物力，效率低下，已不能滿足露天採場的生產需求。 高光譜遙感可以達到奈米級的光譜解像度，可以捕捉到不同岩石和礦物的診斷光譜特徵，使得利用巨集觀技術（高光譜遙感）檢測微觀資訊（岩石和礦物）成為可能。 目前，岩石和礦物分布資訊的提取和定量反演是高光譜遙感地質應用的重要方向，利用礦物光譜測繪、主成分變換和基於光譜特徵提取的帶比提取蝕變礦物資訊已取得很大進展。 成像光譜技術的發展極大地促進了地質勘探方法的改進，提高了識別的準確性。 然而，混合畫素的存在是傳統岩石和礦物分布識別方法難以滿足實際要求的主要原因。 混合畫素分解技術是解釋畫素的重要手段，它可以從混合畫素中分解所需的岩石和礦物資訊，實現岩石和礦物的準確識別和定量反演。 
目前，隨著現代資訊科技、人工智慧、大資料等新技術的不斷湧現和快速發展，傳統礦山正朝著無人採礦、智慧型採礦和智慧型採礦的方向發展。 本研究以露天採場為試驗場，研究基於無人機成像光譜的露天鐵礦石檢測技術，為露天開採中礦石和岩石的分布和邊界確定提供了新技術，也為露天無人開採中礦石和岩石的智慧型感知提供了新的思路。
2. 現場測試
2.1 研究區域概況
啞巴嶺露天採場是礦石原料的重要產區，位於遼寧省鞍山市。 礦型為典型鞍山型鐵礦，以赤鐵礦為主，多為貧鐵礦石，鐵品位多在20%-35%之間，圍岩主要包括千枚岩、綠泥石片岩、角閃石、混合花崗岩和雲母片巖。
2.2. 資料收集和預處理
目前，大部分遙感地質研究資料主要來自衛星平台。 近年來，無人機高光譜技術逐漸成熟和完善，與其他感測器平台相比，無人機操作簡單，可以調整航線和飛行高度，資料採集方式方便。 此外，由於無人機遙感的低海拔和高空間解像度，大大提高了地面目標識別的精度，適用於小型礦區的地面調查。
並且由於資料採集周期短，保證了採場監測資料採集的靈活性和及時性。 因此，本研究採用搭載高光譜成像儀的無人機採集採場遙感資料，對無人機採集的高光譜影象進行大氣校正、影象校正、影象拼接等一系列預處理。 由於900和1000nm波段的雜訊嚴重，掩蓋了地面物體本身的光譜資訊，因此本研究消除了該波段的光譜資訊，0空間解像度為 5 m 和 245 波段的高光譜影象，如圖 1 所示。
圖1 無人機獲取的研究區域光譜資料
對整個影象進行裁剪以獲得目標研究區域，如圖 2 所示。 圖2中的白線是礦山地質部門根據實驗室檢測結果標出的礦體分布邊界，白線圈劃定的區域為礦體，周圍區域為圍岩。
圖2：研究區礦體分布
2.3. 礦石遙感識別及礦體劃界
本研究採用混合畫素分解法對露天採場礦石和岩石的分布進行識別和提取。 由於礦體和圍岩中礦物種類多、礦物種類複雜，粒徑小，採用礦種作為端件較為複雜。 礦體中的礦型以赤鐵礦為主，品位比較集中（約30%），礦體附近的圍岩以千枚岩為主。 因此，為了簡化工藝，在礦體中採用赤鐵礦作為端元，在礦區內除少量積水、車輛和陰影特徵外，還採用千枚岩作為圍岩的端元。 最後，選取赤鐵礦、千枚岩、積水、載體和陰影5種特徵作為混合畫素分解的端元。 手動選擇感興趣區域ROI的方法準確、可靠、簡單、快速，但需要操作人員對研究區域有高度的了解。
圖3 各端元的光譜曲線
5個端段的光譜曲線如圖3所示，通過對比可以發現，圍岩與礦體的光譜曲線存在一定差異，千枚岩在400 900nm波段內無明顯的光譜特徵，反射率值均較低， 分布集中，多在010~0.15 間隔。 由於Fe3+的電子跳躍，礦體的光譜在750 nm（紅色波段）附近形成弱反射峰特徵。 車輛整體反射率較高，陰影反射率較低且柔和，在可見光波段600nm之前吸水率較小，反射率較低，在700nm處達到峰值。 因此，混合畫素分解技術可以根據光譜差異有效地區分不同的端元。 本研究採用全約束最小二乘演算法程式設計執行，以研究區影像和5個端元譜作為輸入資料，測試結果如圖4所示，為礦體、圍岩、陰影、積水、車輛豐度圖。
將圖4（a）與圖2進行比較，發現混合畫素分解技術提取的礦體與實驗室測試劃定的礦體分布基本一致。 然而，圖2中人工劃定的礦岩邊界清晰，而混合畫素分解技術劃定的礦體邊界模糊，可能在一定程度上反映了真實的礦體分布。 為了定量評價提取礦體的分布精度，對兩種方法的結果進行了比較。 基於線性混合模型原理，利用礦體對應的豐度資訊，按照以下公式計算其在露天採場中的分布面積。
圖4 各端元豐度分布
其中 習 是第 i 個畫素中礦物的豐度; r 是影象的空間解像度 m; n 是單元格總數; s 是採場中某種礦物的分布面積，m2。 由式（7）計算得出，本研究試驗提取的礦體分布面積為6236547m2，圖3中礦體的劃定面積為6785925m2，面積相對精度為9190%，提取結果理想。
3. 本章摘要
1）目前採場礦岩鑑別方法主要以傳統的實驗室方法為主，存在取樣密度低、試驗周期長、效率低、品位試驗結果滯後等缺點，導致礦體邊界劃定不準確，嚴重影響後續生產。採用混合畫素分解技術，利用無人機（UAV）採集研究區的成像光譜資料，研究了露天鐵礦採場礦石和岩石的識別和自動提取方法。 現場試驗結果表明，基於無人機高光譜技術的露天鐵礦石劃定技術能夠有效勾勒鐵礦體，精度高於現有室內實驗室劃定礦體區域，為實現礦石和岩石的智慧型感知提供了新的途徑。
2）基於高光譜遙感技術，本研究僅進行礦石和岩石識別分析，未來將進行礦石品位反演研究。
推薦：
無人機機載高光譜成像系統iSPEChyper-VM100
基於小型多旋翼無人機的高光譜成像系統由高光譜成像相機、穩定雲台、機載控制和資料採集模組、機載電源模組組成。 無人機機載高光譜成像系統通過獨特的內建或外部掃瞄穩定控制，有效解決了微型無人機配備推掃式高光譜相機時因振動引起的影象質量差的問題，具有較高的光譜解像度和良好的成像效能。