CN109781622B - 便携式智能金属矿石种类快速分辨仪 - Google Patents
便携式智能金属矿石种类快速分辨仪 Download PDFInfo
- Publication number
- CN109781622B CN109781622B CN201910178935.1A CN201910178935A CN109781622B CN 109781622 B CN109781622 B CN 109781622B CN 201910178935 A CN201910178935 A CN 201910178935A CN 109781622 B CN109781622 B CN 109781622B
- Authority
- CN
- China
- Prior art keywords
- ore
- plane mirror
- spectrum
- singlechip
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 37
- 239000002184 metal Substances 0.000 title claims abstract description 26
- 238000001228 spectrum Methods 0.000 claims abstract description 45
- 230000003595 spectral effect Effects 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000013500 data storage Methods 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 239000000470 constituent Substances 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 28
- 230000005540 biological transmission Effects 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 15
- 239000000428 dust Substances 0.000 claims description 13
- 239000007787 solid Substances 0.000 claims description 13
- 101000694017 Homo sapiens Sodium channel protein type 5 subunit alpha Proteins 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 230000005855 radiation Effects 0.000 claims description 9
- 238000002536 laser-induced breakdown spectroscopy Methods 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 7
- 239000013307 optical fiber Substances 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000013499 data model Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 description 15
- 238000003723 Smelting Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000006378 damage Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 150000002500 ions Chemical class 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 208000012260 Accidental injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052951 chalcopyrite Inorganic materials 0.000 description 1
- DVRDHUBQLOKMHZ-UHFFFAOYSA-N chalcopyrite Chemical compound [S-2].[S-2].[Fe+2].[Cu+2] DVRDHUBQLOKMHZ-UHFFFAOYSA-N 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 229910052949 galena Inorganic materials 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 229910052745 lead Inorganic materials 0.000 description 1
- XCAUINMIESBTBL-UHFFFAOYSA-N lead(ii) sulfide Chemical compound [Pb]=S XCAUINMIESBTBL-UHFFFAOYSA-N 0.000 description 1
- 239000003058 plasma substitute Substances 0.000 description 1
- 229910052683 pyrite Inorganic materials 0.000 description 1
- NIFIFKQPDTWWGU-UHFFFAOYSA-N pyrite Chemical compound [Fe+2].[S-][S-] NIFIFKQPDTWWGU-UHFFFAOYSA-N 0.000 description 1
- 239000011028 pyrite Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013077 target material Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 231100001234 toxic pollutant Toxicity 0.000 description 1
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明设计便携式智能金属矿石种类快速分辨仪，包括单片机，还包括图像采集系统、数据存储系统和光谱测量系统，所述图像采集系统采集矿石样品图片，单片机对矿石图片进行色域等分析，得到矿石颜色、局部纹理结构形状等信息，将得到的信息和各种标准矿石的这些信息进行对比，初步得到矿石种类范围；所述光谱测量系统采集到矿石中组成元素的光谱，单片机对光谱中特定波长范围内的极大值与数据存储系统中的谱线数据库进行比对判断，谱线波长值相差不超过误差值时该谱线对应元素为对应的金属元素；本发明能便于在矿石被开采后迅速进行矿石的种类鉴别和品质初步鉴定，方便工作人员对矿石的简单分析和分类、识别。
Description
技术领域
本发明属于激光诱导击穿光谱技术领域，特别涉及便携式智能金属矿石种类快速分辨仪。
背景技术
矿石资源是一个国家和地区发展的重要资源，因此矿石的开采和利用得到了极大的重视。然而，矿石是天然形成的，不同矿石中元素种类和含量存在较大差异，同一种矿石中由于相关元素含量百分比的不同，其品质也存在较大差异，故形成了不同的利用价值。因而，在矿石开采出来以后，如何快速、高效地分析得到矿石中所含元素的种类和含量信息意义非凡。
虽然目前有很多分析样品中元素种类和含量的方法，但这些方法大多需要对样品做复杂预处理，而且检测持续较长，对检测环境要求较高。激光诱导击穿光谱技术作为一种新型的原子发射光谱检测技术，具有预处理简单、检测速度快、多元素同时分析、检测微损甚至无损等众多优点，满足于一般条件下矿石的相关检测要求，达到简单、快速判别矿石种类和评判不同矿石品质的效果。基于此，本申请提出一种便携式智能金属矿石种类快速分辨仪，通过本申请的技术方案可以很好地克服上述缺陷。
发明内容
本发明的主要目的是克服背景技术中指出的缺陷，提供一种便携式智能金属矿石种类快速分辨仪，能便于在矿石被开采后迅速进行矿石的种类鉴别和品质初步鉴定，方便工作人员对矿石的简单分析和分类、识别。
为实现上述技术目的，本发明采取的技术方案为：便携式智能金属矿石种类快速分辨仪，包括单片机，单片机内有数据处理程序，单片机通讯连接有显示器，单片机电性连接有电源，还包括图像采集系统、数据存储系统和光谱测量系统，所述单片机分别与图像采集系统、数据存储系统和光谱测量系统通讯连接，所述图像采集系统采集矿石样品图片，单片机对矿石图片进行色域等分析，得到矿石颜色、局部纹理结构形状等信息，将得到的信息和各种标准矿石的这些信息进行对比，初步得到矿石种类范围；所述光谱测量系统采集到矿石中组成元素的光谱，单片机对光谱中特定波长范围内的极大值与数据存储系统中的谱线数据库进行比对判断，谱线波长值相差不超过误差值时该谱线对应元素为对应的金属元素。
优选的，所述图像采集系统主要包括工业摄像头。
优选的，所述光谱测量系统主要包括固体激光器、聚焦透镜、探测头、光纤、光谱仪和ICCD探测器，探测头垂直于矿石样品表面，固体激光器产生的激光经过聚焦透镜传播到矿石样品表面产生辐射波，探测头获取辐射波通过光纤传送至光谱仪，光谱仪与ICCD探测器连接，ICCD探测器与单片机连接。
优选的，在所述固体激光器产生的激光通过聚焦透镜前的光路上设置第一平面镜、第二平面镜和第三平面镜，改变激光光路，在第一平面镜和第二平面镜之间设置一个扇形挡板，扇形挡板传动连接有舵机。
优选的，所述第一平面镜位于第二平面镜上方，第三平面镜在第一平面镜的水平右方，第一平面镜与第二平面镜相距10cm，第一平面镜到第三平面镜的距离为40cm。
优选的，所述探测头外安装有一个扇形挡尘板，扇形挡尘板与舵机传动连接。
优选的，述扇形挡尘板与舵机通过普通齿轮、锥齿轮和传动轴实现传动连接。
优选的，所述数据存储系统是在实验室中对常见矿石进行激光诱导击穿光谱分析得到相关谱线数据，建立不同种矿石的数据模型。
优选的，所述数据处理程序包括主体处理程序和函数处理包，函数包主要包括拟合函数，光谱测量系统采集到的光谱信号是由点状数据组成，通过拟合函数得到对应光谱，设置一个选择阈值，当光谱图中的峰值低于选择阈值时，主体处理程序将其判定为背景光谱，高于选择阈值时，主体处理程序读取峰的中心波长值及对应强度值，构成二维向量进行存储，根据存储的波长值到原子数据库内进行检索，根据光谱仪的分辨率自动设置误差范围，确定对应光谱图谱线对应的元素，对应每个中心波长值进行存储，重复执行上述操作，直到光谱图上所有被判定为有效特征峰的波长完成检索、识别与存储工作，根据预先建立的不同种矿石的数据模型，对采集并处理过的数据通过支持向量机方法进行匹配分析，最总确定矿石种类。
优选的，所述拟合函数包括Lorentz拟合函数。
优选的，所述单片机能对光谱测量系统获得的数据进行归一化处理，得出金属元素占总体的百分比，由高到低进行排序，根据出现金属元素种类及含量百分比高低确定矿石样品的种类。
优选的，所述分辨仪还安装有蓝牙等外部数据连接系统。
优选的，所述单片机的型号为：STM32F769。
优选的，所述光谱仪的型号为： Avaspec ULSi 2048光谱仪。
本发明的有益效果：本发明能快速检测矿石所含元素种类及不同元素含量百分比，迅速鉴别矿石的种类和其品质优劣。检测前不需要对矿石样品进行预处理，简单、方便、高效。检测时消耗靶材的质量大约只有数个微克，对原矿石造成的损耗极小，基本可以忽略不计。本发明能适应恶劣的环境，由于其通过分析激光诱导等离子体的辐射信号达到对样品的检测效果，故其可以胜任多种极端恶劣环境。既可根据NIST谱线数据库对矿石进行一般性分析，也能根据特殊需要预先存入有关矿石特定元素谱线参考数据范围，个性化快速鉴别与选择，可以通过蓝牙或接口等方式接入外部设备，对采集的光谱数据做进一步深入研究分析，检测间隙无需关闭激光器，减少由于重启激光器耗费的时间，同时更加安全，避免聚焦后激光带来的意外伤害。
附图说明
图1所示为本发明的基本组成图；
图2是本发明扇形挡板和挡尘板结构图；
图3是本发明扇形挡板、扇形挡尘板与舵机的传动示意图；
图4是本发明锥齿轮传动示意图。
1、固体激光器；2、第一平面镜；3、舵机；4、扇形挡板；5、第二平面镜；6、第三平面镜；7、聚焦透镜；8、扇形防尘板；9、探测头；10、光纤；11、光谱仪；12、ICCD探测器；13、单片机；14、电源；15、显示器；16、蓝牙；17、工业摄像头；18、普通齿轮；19、锥齿轮；A、旋转轴连接孔。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
不同矿石中元素种类和含量百分比存在区别，尤其是主量元素中的金属元素，可以作为区分矿石种类和初步鉴别矿石品质的依据。LIBS检测技术采用高功率脉冲激光激发样品产生等离子体，在等离子体膨胀和冷却过程中，激发态的原子和离子将发射特征谱线，即这些原子和离子的光谱指纹，通过谱线的波长和强度可以获得样品的元素组成和含量信息。故利用该技术可以快速分析得到矿石中含有元素的种类和含量信息。在对光谱数据分析之前通过机器视觉识别技术，通过对工业摄像头采集到的图片对矿石的颜色、纹理等信息进行分析，缩小矿石种类范围，和LIBS分析结果互相支撑检验，提高准确性。
对于金属矿石而言，其价值在于矿石中含量较高的、可供冶炼的某些金属元素，即主量元素。同时，通过对其它元素如S、Pb等含量进行分析，可以初步评判冶炼过程矿石中一些有毒污染物质对环境的影响。
便携式智能金属矿石种类快速分辨仪，包括单片机13，单片机13内有数据处理程序，单片机13通讯连接有显示器15，单片机13电性连接有电源14，还包括图像采集系统、数据存储系统和光谱测量系统，所述单片机分别与图像采集系统、数据存储系统和光谱测量系统通讯连接，所述图像采集系统采集矿石样品图片，单片机13对矿石图片进行色域等分析，得到矿石颜色、局部纹理结构形状等信息，将得到的信息和各种标准矿石的这些信息进行对比，初步得到矿石种类范围；所述光谱测量系统采集到矿石中组成元素的光谱，单片机13对光谱中特定波长范围内的极大值与数据存储系统中的谱线数据库进行比对判断，谱线波长值相差不超过误差值时该谱线对应元素为对应的金属元素。
具体为：首先，通过仪器上的工业摄像头17等传感器，采集矿石图片，对图片进行色域等分析，得到矿石颜色、局部纹理结构形状等信息，和各种标准矿石的这些信息进行对比，实现机器识别，初步得到矿石种类范围。通过该仪器采集到矿石中组成元素的光谱，由单片机和相关数据处理程序，首先进行筛选，自动删除一些空采信号，即对每个光谱中光谱信号强度先求最大值，当其低于某一强度（如200时，根据所有数据总体情况有所调整）时默认其为无用信号。接着通过数据处理程序，对光谱中特定波长范围内的极大值进行比对判断，当与存储在仪器中的根据NIST谱线数据库（由实验室调试调整过的某金属元素谱线）波长值相差不超过0.1nm（由不同检测要求拟定的一个误差范围），即所测出波长落在理论波长的邻域区间内时默认该谱线对应元素为该金属元素。接着对光谱数据进行归一化处理，同时得出这些元素占总体的百分比，由高到低进行排序，根据出现金属元素种类及含量百分比高低确定矿石种类。由某些特定金属元素含量百分比（如Fe、Cu等），即需要利用该矿石重点冶炼的金属元素含量评判该矿石品质。与此同时，光谱检测过程中也测得了Pb、S等冶炼过程中会出现严重污染影响的元素，由软件模拟冶炼过程进行仿真，对冶炼该矿石的污染影响作出初步评判。
数据存储系统为通过在实验室中对常见矿石（如方铅矿、黄铁矿、黄铜矿等）进行激光诱导击穿光谱分析得到相关谱线数据，分类存储在仪器中，建立不同种矿石的数据模型。实际使用时，只需要现场对矿石进行快速检测，通过数据处理单片机和仪器内存储的谱线数据进行比对分析处理，即可得到矿石种类信息。也可以根据不同矿石提炼金属物质占样品矿石含量百分比初步评定矿石品质。如果对矿石有特殊要求，可以根据需要，将仪器设置为标准采样模式，自行分析存入相关矿石谱线数据，再通过现场快速检测与匹对，初步鉴别与寻找需要的矿石。
所述光谱测量系统主要包括固体激光器1、聚焦透镜7、探测头9、光纤10、光谱仪11和ICCD探测器12，探测头9垂直于矿石样品表面，固体激光器1产生的激光经过聚焦透镜7传播到矿石样品表面产生辐射波，探测头9获取辐射波通过光纤10传送至光谱仪11，光谱仪11与ICCD探测器12连接，ICCD探测器12与单片机13连接；在所述固体激光器1产生的激光通过聚焦透镜7前的光路上设置第一平面镜2、第二平面镜5和第三平面镜6，改变激光光路，在第一平面镜2和第二平面镜5之间设置一个扇形挡板4，扇形挡板4通过旋转轴中心孔A传动连接有舵机3，所述第一平面镜2位于第二平面镜5上方，第三平面镜6在第一平面镜2的水平右方，第一平面镜2与第二平面镜5相距10cm，第一平面镜2到第三平面镜6的距离为40cm，通过平面镜改变激光光路，使仪器整体更加紧凑，减小空间体积。所述探测头9外安装有一个扇形挡尘板8，扇形挡尘板8与舵机3传动连接（此处舵机与扇形挡板4传动连接的舵机是同一个舵机，通过普通齿轮18、锥齿轮19与传动轴实现同一个舵机同时控制扇形挡板4和扇形挡尘板8的旋转，达到同时开启或闭合的效果）。
所述数据处理程序为：数据处理程序包括主体处理程序和一些函数处理包，函数包主要包括Lorentz拟合函数，光谱测量系统采集到的光谱信号是由点状数据组成，通过拟合函数得到对应光谱，设置一个选择阈值，当光谱图中的峰值低于选择阈值时，主体处理程序将其判定为背景光谱，高于选择阈值时，主体处理程序读取峰的中心波长值及对应强度值，构成二维向量进行存储，根据存储的波长值到原子数据库内进行检索，根据光谱仪的分辨率自动设置误差范围，确定对应光谱图谱线对应的元素，对应每个中心波长值进行存储，重复执行上述操作，直到光谱图上所有被判定为有效特征峰的波长完成检索、识别与存储工作，根据预先建立的不同种矿石的数据模型，对采集并处理过的数据通过支持向量机方法进行匹配分析，最总确定矿石种类。
所述单片机13的型号为：STM32F769；光谱仪11的型号为：Avaspec ULSi 2048光谱仪
该仪器中，采集光谱的探测头9垂直于矿石样品表面，可以达到较好的采集效果。考虑到一般用于LIBS检测的固体激光器1谐振腔有一定长度，所占体积较大，同时，在激光通过聚焦透镜前7的光路上设置一个扇形挡板4，通过舵机3旋转，可以在不关闭固体激光器1的情况下终止光路，避免聚焦后激光带来的意外伤害，同时减少因重启固体激光器1而耗费的时间。在探测头9外，装有一个扇形挡尘板8，通过普通齿轮18、锥齿轮19与传动轴（或斜齿轮）和舵机相连，可在扇形挡板4阻断激光光路后或关机状态下保护探测头9，防止灰尘进入，适应野外恶劣环境。由于相关谱线数据已经存入仪器，只需要现场对矿石简单采集相关光谱数据，不需要操作者有专业光谱分析能力，便可通过仪器的显示器15得知测试结果。由于仪器中装有蓝牙16等外部数据连接系统，若后期需要对采集到的光谱做进一步分析，可以和个人电脑等设备连接，实现数据传输功能。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.便携式智能金属矿石种类快速分辨仪，包括单片机（13），单片机（13）内有数据处理程序，单片机（13）通讯连接有显示器（15），单片机（13）电性连接有电源（14），其特征在于：还包括图像采集系统、数据存储系统和光谱测量系统，所述单片机分别与图像采集系统、数据存储系统和光谱测量系统通讯连接，所述图像采集系统采集矿石样品图片，单片机（13）对矿石图片进行色域分析，得到矿石颜色、局部纹理结构形状信息，将得到的信息和各种标准矿石的这些信息进行对比，初步得到矿石种类范围；所述光谱测量系统采集到矿石中组成元素的光谱，单片机（13）对光谱中特定波长范围内的极大值与数据存储系统中的谱线数据库进行比对判断，谱线波长值相差不超过误差值时该谱线对应元素为对应的金属元素；所述图像采集系统主要包括工业摄像头（17）；
所述数据处理程序包括主体处理程序和函数处理包，函数处理包包括拟合函数，光谱测量系统采集到的光谱信号是由点状数据组成，通过拟合函数得到对应光谱，设置一个选择阈值，当光谱图中的峰值低于选择阈值时，主体处理程序将其判定为背景光谱，高于选择阈值时，主体处理程序读取峰的中心波长值及对应强度值，构成二维向量进行存储，根据存储的波长值到原子数据库内进行检索，根据光谱仪的分辨率自动设置误差范围，确定对应光谱图谱线对应的元素，对应每个中心波长值进行存储，重复执行上述操作，直到光谱图上所有被判定为有效特征峰的波长完成检索、识别与存储工作，根据预先建立的不同种矿石的数据模型，对采集并处理过的数据通过支持向量机方法进行匹配分析，最终确定矿石种类；
所述光谱测量系统主要包括固体激光器（1）、聚焦透镜（7）、探测头（9）、光纤（10）、光谱仪（11）和ICCD探测器（12），探测头（9）垂直于矿石样品表面，固体激光器（1）产生的激光经过聚焦透镜（7）传播到矿石样品表面产生辐射波，探测头（9）获取辐射波通过光纤（10）传送至光谱仪（11），光谱仪（11）与ICCD探测器（12）连接，ICCD探测器（12）与单片机（13）连接；
在所述固体激光器（1）产生的激光通过聚焦透镜（7）前的光路上设置第一平面镜（2）、第二平面镜（5）和第三平面镜（6），改变激光光路，在第一平面镜（2）和第二平面镜（5）之间设置一个扇形挡板（4），扇形挡板（4）传动连接有舵机（3）；
所述第一平面镜（2）位于第二平面镜（5）上方，第三平面镜（6）在第一平面镜（2）的水平右方，第一平面镜（2）与第二平面镜（5）相距10cm，第一平面镜（2）到第三平面镜（6）的距离为40cm；
所述探测头（9）外安装有一个扇形挡尘板（8），扇形挡尘板（8）与舵机（3）传动连接。
2.根据权利要求1所述的便携式智能金属矿石种类快速分辨仪，其特征在于：所述扇形挡尘板（8）与舵机（3）通过普通齿轮、锥齿轮和传动轴实现传动连接。
3.根据权利要求2所述的便携式智能金属矿石种类快速分辨仪，其特征在于：所述数据存储系统是在实验室中对常见矿石进行激光诱导击穿光谱分析得到相关谱线数据，建立不同种矿石的数据模型。
4.根据权利要求3所述的便携式智能金属矿石种类快速分辨仪，其特征在于：所述拟合函数包括Lorentz拟合函数。
5.根据权利要求4所述的便携式智能金属矿石种类快速分辨仪，其特征在于：所述单片机（13）能对光谱测量系统获得的数据进行归一化处理，得出金属元素占总体的百分比，由高到低进行排序，根据出现金属元素种类及含量百分比高低确定矿石样品的种类。
6.根据权利要求5所述的便携式智能金属矿石种类快速分辨仪，其特征在于：所述分辨仪还安装有蓝牙（16）外部数据连接系统。
7.根据权利要求6所述的便携式智能金属矿石种类快速分辨仪，其特征在于：所述单片机（13）的型号为：STM32F769。
8.根据权利要求7所述的便携式智能金属矿石种类快速分辨仪，其特征在于：所述光谱仪（11）的型号为： Avaspec ULSi 2048光谱仪。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910178935.1A CN109781622B (zh) | 2019-03-11 | 2019-03-11 | 便携式智能金属矿石种类快速分辨仪 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910178935.1A CN109781622B (zh) | 2019-03-11 | 2019-03-11 | 便携式智能金属矿石种类快速分辨仪 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109781622A CN109781622A (zh) | 2019-05-21 |
| CN109781622B true CN109781622B (zh) | 2024-02-02 |
Family
ID=66488867
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910178935.1A Active CN109781622B (zh) | 2019-03-11 | 2019-03-11 | 便携式智能金属矿石种类快速分辨仪 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109781622B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113008873A (zh) * | 2019-12-20 | 2021-06-22 | 雄贝(上海)科技有限公司 | 一种激光智能识别矿物方法 |
| CN112033940A (zh) * | 2020-08-11 | 2020-12-04 | 江苏常宝普莱森钢管有限公司 | 一种组合图样式光谱分析系统及其分析方法 |
| CN112347280B (zh) * | 2020-10-15 | 2022-08-26 | 平和县鑫泰德远矿业有限公司 | 一种叶蜡石矿物综合数据采集与数据化管理系统 |
| CN113933323B (zh) * | 2021-10-15 | 2024-09-03 | 武汉联影生命科学仪器有限公司 | K-edge鉴别能力参数表的获取及应用方法 |
| CN114354514B (zh) * | 2021-12-24 | 2024-02-09 | 南昌大学 | 一种非接触式多模态材料感知与识别装置 |
| CN114558881B (zh) * | 2022-03-10 | 2022-12-09 | 广东省车汇莱再生物资回收有限公司 | 一种基于智能化的新能源报废汽车资源化回收系统 |
| CN118280475B (zh) * | 2024-05-31 | 2024-09-10 | 中国检验认证集团山东有限公司 | 一种基于人工智能的铁矿石评价方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1480721A (zh) * | 2003-07-16 | 2004-03-10 | 吉林大学 | 便携式近红外矿物分析仪 |
| CN104007090A (zh) * | 2014-05-27 | 2014-08-27 | 四川大学 | 基于激光诱导击穿光谱技术的便携式元素成分分析装置 |
| CN104730040A (zh) * | 2013-12-18 | 2015-06-24 | 王宏 | 一种便携化激光诱导光谱检测系统 |
| CN106018322A (zh) * | 2016-06-29 | 2016-10-12 | 浙江大学 | 能自动参比和暗场采集的水果内部品质光谱检测装置 |
| CN106404753A (zh) * | 2016-10-18 | 2017-02-15 | 中国大唐集团科学技术研究院有限公司西北分公司 | 一种对铁矿石的分类及验证方法 |
| CN106824825A (zh) * | 2016-12-26 | 2017-06-13 | 吉林大学 | 基于激光诱导击穿光谱的废旧矿石分选方法及装置 |
| CN106918596A (zh) * | 2017-04-23 | 2017-07-04 | 湖南军芃科技股份有限公司 | 一种基于可见光或红外线的矿石机器视觉识别装置及其识别方法 |
| CN107413679A (zh) * | 2016-05-24 | 2017-12-01 | 湖南军芃科技股份有限公司 | 一种基于机器视觉技术的智能选矿设备及方法 |
-
2019
- 2019-03-11 CN CN201910178935.1A patent/CN109781622B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1480721A (zh) * | 2003-07-16 | 2004-03-10 | 吉林大学 | 便携式近红外矿物分析仪 |
| CN104730040A (zh) * | 2013-12-18 | 2015-06-24 | 王宏 | 一种便携化激光诱导光谱检测系统 |
| CN104007090A (zh) * | 2014-05-27 | 2014-08-27 | 四川大学 | 基于激光诱导击穿光谱技术的便携式元素成分分析装置 |
| CN107413679A (zh) * | 2016-05-24 | 2017-12-01 | 湖南军芃科技股份有限公司 | 一种基于机器视觉技术的智能选矿设备及方法 |
| CN106018322A (zh) * | 2016-06-29 | 2016-10-12 | 浙江大学 | 能自动参比和暗场采集的水果内部品质光谱检测装置 |
| CN106404753A (zh) * | 2016-10-18 | 2017-02-15 | 中国大唐集团科学技术研究院有限公司西北分公司 | 一种对铁矿石的分类及验证方法 |
| CN106824825A (zh) * | 2016-12-26 | 2017-06-13 | 吉林大学 | 基于激光诱导击穿光谱的废旧矿石分选方法及装置 |
| CN106918596A (zh) * | 2017-04-23 | 2017-07-04 | 湖南军芃科技股份有限公司 | 一种基于可见光或红外线的矿石机器视觉识别装置及其识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于向量空间模型的岩屑LIBS光谱分类识别方法;朱元硕 等;《光谱学与光谱分析》;第37卷(第9期);2891-2895 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109781622A (zh) | 2019-05-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109781622B (zh) | 便携式智能金属矿石种类快速分辨仪 | |
| US9075015B2 (en) | Universal tool for automated gem and mineral identification and measurement | |
| CN101995395B (zh) | 一种激光诱导多种光谱联合指纹网络在线检测材料的方法 | |
| CN101308086B (zh) | 基于近红外光谱技术的水果内部品质在线检测装置 | |
| US10718713B2 (en) | Unknown sample determining method, unknown sample determining instrument, and unknown sample determining program | |
| CN113155809A (zh) | 一种矿石分类与实时定量分析的光谱检测新方法 | |
| CN211553759U (zh) | 一种拉曼-荧光-激光诱导击穿光谱联用系统 | |
| US20030122080A1 (en) | Method of processing data from a spectrophotometer | |
| CN108375546A (zh) | 基于可见/近红外光谱技术的化肥在线多点检测装置及其检测方法 | |
| Hodges et al. | Fourier transform Raman spectroscopy of illicit drugs | |
| CN109297952A (zh) | 基于激光诱导击穿光谱技术的宣纸优劣鉴别系统 | |
| CN102590157A (zh) | 元素光谱分析方法及采用该方法的激光元素勘探设备 | |
| CN113588597A (zh) | 一种提升炉渣分析精度的方法 | |
| CN109001182A (zh) | 封闭容器中酒精含量的拉曼光谱无损测定方法 | |
| CN106645041A (zh) | 一种钢样成分分析装置 | |
| CN209247636U (zh) | 基于激光诱导击穿光谱技术的宣纸优劣鉴别系统 | |
| CN114970164A (zh) | 一种精细化钢铁分类定量方法及便携式系统 | |
| CN211061423U (zh) | 一种爆炸物快速检测设备 | |
| JPS58143254A (ja) | 物質同定装置 | |
| AU2019100481A4 (en) | Quick and nondestructive cubilose authenticity discrimination method | |
| CN111795998A (zh) | 一种基于电磁波的水质检测装置 | |
| CN105319182A (zh) | 一种玉米安全检测分析仪 | |
| CN110567939A (zh) | 一种爆炸物快速检测设备及其检测方法 | |
| CN112683859B (zh) | 一种成分定量分析方法、测试系统及存储介质 | |
| Anderson et al. | Expanding Failure Analysis Using Fluorescence Combined with IR and Raman |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |