CN113125374B - 检测碳酸岩型稀土矿床样品中ree含量的方法、装置和设备 - Google Patents
检测碳酸岩型稀土矿床样品中ree含量的方法、装置和设备 Download PDFInfo
- Publication number
- CN113125374B CN113125374B CN202110408845.4A CN202110408845A CN113125374B CN 113125374 B CN113125374 B CN 113125374B CN 202110408845 A CN202110408845 A CN 202110408845A CN 113125374 B CN113125374 B CN 113125374B
- Authority
- CN
- China
- Prior art keywords
- sample
- rare earth
- content
- mathematical model
- spectrum
- 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
- 229910052761 rare earth metal Inorganic materials 0.000 title claims abstract description 166
- 238000000034 method Methods 0.000 title claims abstract description 48
- 150000002910 rare earth metals Chemical class 0.000 title claims abstract description 42
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 title abstract description 27
- 238000010521 absorption reaction Methods 0.000 claims abstract description 88
- 238000013178 mathematical model Methods 0.000 claims abstract description 60
- 238000001228 spectrum Methods 0.000 claims abstract description 59
- 239000011435 rock Substances 0.000 claims abstract description 33
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 14
- 238000001095 inductively coupled plasma mass spectrometry Methods 0.000 claims abstract description 11
- 238000012417 linear regression Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 19
- 230000003595 spectral effect Effects 0.000 description 15
- 238000011160 research Methods 0.000 description 11
- 229910052500 inorganic mineral Inorganic materials 0.000 description 8
- 235000010755 mineral Nutrition 0.000 description 8
- 239000011707 mineral Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000011158 quantitative evaluation Methods 0.000 description 5
- -1 rare earth carbonate Chemical class 0.000 description 5
- 238000001179 sorption measurement Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 229910052684 Cerium Inorganic materials 0.000 description 1
- 238000004468 VIS-NIR spectroscopy Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000005587 carbonate group Chemical group 0.000 description 1
- 229910001748 carbonate mineral Inorganic materials 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 229910052746 lanthanum Inorganic materials 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000011573 trace mineral Substances 0.000 description 1
- 235000013619 trace mineral Nutrition 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/20—Recycling
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Electrochemistry (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请涉及一种检测碳酸岩型稀土矿床样品中REE含量的方法、装置和设备。首先获取样品的光谱数据并导入地质光谱解译软件进行解译，分析获得光谱数据中的特征吸收峰的位置，并应用相关算法获取相对吸收深度；然后获取通过全岩电感耦合等离子体质谱法对样品进行测定得到的REE含量；之后基于相对吸收深度和稀土元素含量建立数学模型；再获取待检测样品的光谱数据并进行解译，得到相对吸收深度，最后将待检测样品的相对吸收深度代入数学模型，即可得到待检测样品的REE含量。如此，建立了利用可见光‑近红外光谱方法快速无损检测碳酸岩型稀土矿床样品中REE含量的方法，填补了利用可见光‑近红外光谱对碳酸岩型稀土矿床REE定量评价的空白。
Description
技术领域
本申请涉及检测技术领域，尤其涉及一种检测碳酸岩型稀土矿床样品中REE含量的方法、装置和设备。
背景技术
碳酸岩型(包括碳酸岩-碱性岩型，以下简称碳酸岩型)稀土矿床拥有全球一半以上的稀土资源，而稀土元素(rare earth elements,REE)被誉为现代工业的“维生素”，同时也作为关键金属元素的重要组成部分，是21世纪全球竞相争夺的战略性资源，被广泛应用于航空航天、国防科技、核能清洁能源和新型材料等领域。基于此，针对矿床中REE含量检测的研究很有必要。
目前，前人利用可见光-近红外光谱对离子吸附型稀土矿的原岩、矿石和配制的稀土溶液的REE定量评价有所探索，对沉积型稀土矿La元素含量的定量评价有所研究，但是碳酸岩型REE矿床的岩石成分与离子吸附型稀土矿床、沉积型稀土矿床的岩石成分差异较大，碳酸岩型REE矿床的矿石REE整体含量远远高于离子吸附型、沉积型矿床的REE含量(前者的REE含量比后者高2～3个数量级)，碳酸岩型REE矿床是轻稀土(LREE)矿床，离子吸附型REE矿床是重稀土(HREE)矿床，两者差别较大，前人对离子吸附型矿床REE定量评价方法、对沉积型矿床中REE的定量评价适用范围有限，而利用可见光-近红外光谱无损检测碳酸岩型稀土矿床样品中的REE含量有待进一步研究。
发明内容
本申请提供一种利用可见光-近红外光谱检测碳酸岩型稀土矿床样品中REE含量的方法、装置和设备，以解决目前没有利用可见光-近红外光谱无损检测碳酸岩型稀土矿床REE含量的检测方法的问题。
本申请的上述目的是通过以下技术方案实现的：
第一方面，本申请实施例提供一种利用可见光-近红外光谱检测碳酸岩型稀土矿床样品中REE含量的方法，其包括：
获取利用光谱扫描仪对预先挑选的样品进行扫描后采集的光谱数据，并参考前人的研究成果以及本次样品的光谱数据，总结获取特征吸收峰的位置，利用地质光谱解译软件中相关算法获取各特征吸收峰的相对吸收深度；
获取输入的所述样品中的稀土元素的含量；所述样品中的稀土元素的含量为利用电感耦合等离子体质谱法测定得到；
基于所述相对吸收深度和测定的稀土元素的含量，建立数学模型；
获取待检测样品的光谱数据，并进行解译，得到待检测样品对应的各特征吸收峰的相对吸收深度；
将待检测样品对应的相对吸收深度代入所述数学模型，得到待检测样品中稀土元素的含量。
可选的，所述数学模型为多元线性回归模型。
可选的，所述样品包括矿石样品和岩石样品；
所述基于所述相对吸收深度和测定的稀土元素的含量，建立数学模型，包括：
基于所述相对吸收深度和对应的稀土元素的含量，针对矿石样品和岩石样品，分别建立数学模型。
可选的，所述基于所述相对吸收深度和测定的稀土元素的含量，建立数学模型，之后还包括：
利用所述数学模型得到各稀土元素的含量的预测值，并与预先测试得到的各稀土元素的含量值进行比对，以对所述数学模型进行验证，并根据验证结果对所述数学模型进行优化。
可选的，所述光谱扫描仪为HyLogger型岩心光谱扫描仪，采用的光谱为可见光-近红外光谱。
第二方面，本申请实施例还提供一种检测碳酸岩型稀土矿床样品中REE含量的装置，其包括：
第一获取模块，用于获取利用光谱扫描仪对预先挑选的样品进行扫描后采集的光谱数据，并参考前人的研究成果以及本次样品的光谱数据，总结获取特征吸收峰的位置，利用地质光谱解译软件中相关算法获取各特征吸收峰的相对吸收深度；
第二获取模块，用于获取输入的所述样品中的稀土元素的含量；所述样品中的稀土元素的含量为利用电感耦合等离子体质谱法测定得到；
模型建立模块，用于基于所述相对吸收深度和测定的稀土元素的含量，建立数学模型；
第三获取模块，用于获取待检测样品的光谱数据，并进行解译，得到待检测样品对应的各特征吸收峰的相对吸收深度；
处理模块，用于将待检测样品对应的相对吸收深度代入所述数学模型，得到待检测样品中稀土元素的含量。
可选的，所述数学模型为多元线性回归模型。
可选的，所述样品包括矿石样品和岩石样品；
所述模型建立模块具体用于：
基于所述相对吸收深度和对应的稀土元素的含量，针对矿石样品和岩石样品，分别建立数学模型。
可选的，所述装置还包括：
模型优化模块，用于利用所述数学模型得到各稀土元素的含量的预测值，并与预先测试得到的各稀土元素的含量值进行比对，以对所述数学模型进行验证，并根据验证结果对所述数学模型进行优化。
第三方面，本申请实施例还提供一种检测碳酸岩型稀土矿床样品中REE含量的设备，其包括：
存储器和与所述存储器相连接的处理器；
所述存储器，用于存储程序，所述程序至少用于实现如第一方面任一项所述的检测碳酸岩型稀土矿床样品中REE含量的方法；
所述处理器，用于调用并执行所述存储器存储的所述程序。
本申请的实施例提供的技术方案可以包括以下有益效果：
本申请的实施例提供的技术方案中，首先获取样品的光谱数据，并导入地质光谱解译软件进行解译，得到样品光谱数据中的特征吸收峰的位置和各相对吸收深度；然后获取用户通过电感耦合等离子体质谱法对样品进行测定得到的稀土元素的含量；之后，基于相对吸收深度和测定的稀土元素的含量，建立数学模型；再获取待检测样品的光谱数据并进行解译，得到相对吸收深度，最后将待检测样品对应的相对吸收深度代入数学模型，即可得到待检测样品中稀土元素的含量。如此，建立了一种利用光谱方法快速无损检测碳酸岩矿床中REE含量的方法，填补了利用可见光-近红外光谱对碳酸岩型稀土矿床REE定量评价的空白。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的一种检测碳酸岩型稀土矿床样品中REE含量的方法的流程示意图；
图2为本申请实施例提供的一种检测碳酸岩型稀土矿床样品中REE含量的装置的结构示意图；
图3为本申请实施例提供的一种检测碳酸岩型稀土矿床样品中REE含量的设备的结构示意图；
图4为大陆槽碳酸岩型REE矿床各矿石、围岩样品的光谱反射率曲线图；
图5为大陆槽碳酸岩型REE矿床典型矿石、典型围岩样品光谱反射率曲线图；
图6为矿石样品15种稀土元素和REE+Y总稀土含量实测值与预测值散点图；
图7为围岩样品15种稀土元素和REE+Y总含量实测值与预测值散点图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
本申请提供一种基于光谱法检测碳酸岩型稀土矿床样品中REE含量的方法以及用于执行该方法的装置和设备，填补了利用可见光-近红外光谱对碳酸岩型稀土矿床REE定量评价的空白。以下通过实施例进行详细说明。
实施例
参照图1，图1为本申请实施例提供的一种检测碳酸岩型稀土矿床样品中REE含量的方法的流程示意图。
如图1所示，该方法至少包括如下流程：
S101：获取利用光谱扫描仪对预先挑选的样品进行扫描后采集的光谱数据，并参考前人的研究成果以及本次样品的光谱数据，总结获取特征吸收峰的位置，利用地质光谱解译软件中相关算法获取各特征吸收峰的相对吸收深度；
本实施例中，以四川省冕宁-德昌稀土成矿带大陆槽大型REE矿床为研究对象，也即预先挑选的样品为从上述矿床中挑选的典型样品。挑选样品后利用光谱扫描仪进行扫描，比如利用HyLogger型岩心光谱扫描仪进行可见光-近红外光谱扫描，得到光谱数据，然后将原始图像和光谱数据导入到专业的地质光谱解译软件中进行处理解译，参考前人的研究成果以及本次样品的实际光谱数据，总结获取特征吸收峰的位置，用TSG软件中相关算法获取各特征吸收峰的相对吸收深度。其中，光谱图像参见图4和图5。
其中，本实施例中，地质光谱解译软件可以选用TSG(The Spectral Geologist，光谱地质专家)，该软件集合了各种地质光谱数据的分析算法及澳大利亚CSIRO(Commonwealth Scientific and Industrial Research Organisation，联邦科学与工业研究组织)专门测试的一套矿物光谱数据库。
结合前人研究成果以及本次样品的实际光谱数据，利用上述方法和软件工具，总结获得样品在TSG软件中明显的几个特征吸收峰位置，分别为512,524,580,676,740,800,864,892nm(参见图5)。应用TSG软件中的相关算法可以求得这些特征峰位置的相对吸收深度。
S102：获取输入的所述样品中的稀土元素的含量；所述样品中的稀土元素的含量为利用电感耦合等离子体质谱法测定得到；
其中，电感耦合等离子体质谱法是常用的现有技术，其具体过程不再详述。需要说明的是，采用电感耦合等离子体质谱法测定稀土元素含量时，会对样品造成损坏，因此，测定稀土元素含量必须在进行光谱数据采集之后进行。
把步骤S101中的相关的吸收深度、步骤S102得到的样品微量元素含量等归纳总结，详见表1和表2，其中，表1为大陆槽碳酸岩型REE矿床典型矿石在可见光-近红外波段特征波峰相对吸收深度以及稀土元素含量，表2为大陆槽碳酸岩型REE矿床典型岩石(围岩)在可见光-近红外波段特征波峰相对吸收深度以及稀土元素含量(也即，表1是针对矿石样品的相关数据，表2是针对岩石样品的相关数据)。
表1
表2
表1和表2中，(1)d1,d2,d3,d4,d5,d6,d7,d8分别为样品光谱波段为512,524,580,676,740,800,864,892nm波段处的相对吸收深度；(2)稀土元素含量单位为ppm(10-6)，REE+Y为15种稀土元素含量之和。
S103：基于所述相对吸收深度和测定的稀土元素的含量，建立数学模型；
具体的，本实施例中，对大陆槽矿床的矿石、岩石样品可见光-近红外波段特征吸收峰相对吸收深度与REE含量之间，采用多元线性回归分析的方法，通过数学模型来定量描述光谱特征与元素含量之间相关关系，也即采用的数学模型为多元线性回归模型。
通过研究发现，当把表1中的10个矿石样品和表2中的6个岩石(围岩)样品一起建模时，得到的反演模型虽然相关性很好，但是残差比较大，这样的模型误差较大。并且，考虑到矿石样品的REE含量较高(以大陆槽重要的稀土矿物氟碳铈矿主要的稀土元素La和Ce为代表，La≥2000ppm；Ce≥2000ppm)，而围岩REE含量较低(La<2000ppm；Ce<2000ppm)，两者相差2～4个数量级不等，同时，矿石在可见光-近红外波段特征吸收峰相对吸收深度总体上比岩石的相对吸收深度大1～3个数量级。可见，矿石和岩石数据放在一起做线性回归问题较大。因此，本发明将矿石和岩石样品光谱数据与REE含量数据的多元线性回归分开处理，也即，基于相对吸收深度和对应的稀土元素的含量建立数学模型时，针对矿石样品和岩石样品，分别建立数学模型，这样得到的多元线性相关方程，不仅相关系数高，而且残差较小。基于此，得到线性模型如下表3和表4。其中，10种矿石样品单一稀土元素含量、REE+Y含量与可见光-近红外波段典型吸收峰相对吸收深度之间的线性模型详见表3，6种矿石样品单一稀土元素含量、REE+Y含量与可见光-近红外波段典型吸收峰相对吸收深度之间的线性模型详见表4。
表3
表4
表3和表4中，R2为相关系数，取值范围为0-1，R2越大则表示数学模型越准确。
得到上述数学模型后，即可用于检测碳酸岩型稀土矿床样品中的稀土元素的含量。
S104：获取待检测样品的光谱数据，并进行解译，得到待检测样品对应的各特征吸收峰的相对吸收深度；
具体的，对于待检测样品的光谱数据的采集、解译的具体方法与步骤S101中对样品数据的相关操作一致，因此不再详述。
S105：将待检测样品对应的相对吸收深度代入所述数学模型，得到待检测样品中稀土元素的含量。
上述步骤S104中得到待检测样品对应的各特征吸收峰的相对吸收深度后，对应代入步骤S103建立的数学模型，即可得到稀土元素的含量。
本申请的实施例提供的技术方案中，首先获取样品的光谱数据，参考前人的研究成果以及本次样品的光谱数据，总结获取特征吸收峰的位置，利用地质光谱解译软件中相关算法获取各特征吸收峰的相对吸收深度；然后获取用户通过电感耦合等离子体质谱法对样品进行测定得到的稀土元素的含量；之后，基于相对吸收深度和测定的稀土元素的含量，建立数学模型；再获取待检测样品的光谱数据并进行解译，得到相对吸收深度，最后将待检测样品对应的相对吸收深度代入数学模型，即可得到待检测样品中稀土元素的含量。如此，建立了一种利用可见光-近红外光谱方法快速无损检测碳酸岩矿床样品中REE含量的方法，填补了利用可见光-近红外光谱方法对碳酸岩型稀土矿床样品REE定量评价的空白。
此外，一些实施例中，在步骤S203：基于所述相对吸收深度和测定的稀土元素的含量，建立数学模型之后，所述方法还包括：
利用所述数学模型得到各稀土元素的含量的预测值，并与预先测试得到的各稀土元素的含量值进行比对，以对所述数学模型进行验证，并根据验证结果对所述数学模型进行优化。如此设置，建立数学模型后，通过与实验室测得的各稀土元素的含量值进行比对，可以验证数学模型是否准确，如果模型误差较大，可以进一步优化，从而提高模型的准确性。其中，验证结果如图6和图7所示，图6为矿石样品15种稀土元素和REE+Y总稀土含量实测值与预测值散点图；图7为围岩样品15种稀土元素和REE+Y总含量实测值与预测值散点图，由图6和图7可以看到，模型具有很高的准确性。
此外，基于同样的发明构思，对应于上述实施例提供的检测碳酸岩型稀土矿床样品中REE含量的方法，本申请实施例还提供一种检测碳酸岩型稀土矿床样品中REE含量的装置，该装置为用于执行上述方法的设备中的基于软件、硬件或其结合的功能模块。
参照图2，图2为本申请实施例提供的一种检测碳酸岩型稀土矿床样品中REE含量的装置的结构示意图。如图2所示，该装置包括：
第一获取模块21，用于获取利用光谱扫描仪对预先挑选的样品进行扫描后采集的光谱数据，并参考前人的研究成果以及本次样品的光谱数据，总结获取特征吸收峰的位置，利用地质光谱解译软件中相关算法获取各特征吸收峰的相对吸收深度；
第二获取模块22，用于获取输入的所述样品中的稀土元素的含量；所述样品中的稀土元素的含量为利用电感耦合等离子体质谱法测定得到；
模型建立模块23，用于基于所述相对吸收深度和测定的稀土元素的含量，建立数学模型；
第三获取模块24，用于获取待检测样品的光谱数据，并进行解译，得到待检测样品对应的各特征吸收峰的相对吸收深度；
处理模块25，用于将待检测样品对应的相对吸收深度代入所述数学模型，得到待检测样品中稀土元素的含量。
可选的，所述数学模型为多元线性回归模型。
可选的，所述样品包括矿石样品和岩石样品；
所述模型建立模块23具体用于：
基于所述相对吸收深度和对应的稀土元素的含量，针对矿石样品和岩石样品，分别建立数学模型。
可选的，所述装置还包括：
模型优化模块，用于利用所述数学模型得到各稀土元素的含量的预测值，并与预先测试得到的各稀土元素的含量值进行比对，以对所述数学模型进行验证，并根据验证结果对所述数学模型进行优化。
具体的，上述每个功能模块的功能的具体实现方式可以参照上述方法实施例中的相应内容来实现，此处不再详述。
此外，基于同样的发明构思，对应于上述实施例提供的检测碳酸岩型稀土矿床样品中REE含量的方法，本申请实施例还提供一种检测碳酸岩型稀土矿床样品中REE含量的设备，该设备也即用于执行上述方法的设备，比如PC或其他类似的智能设备。
参照图3，图3为本申请实施例提供的一种检测碳酸岩型稀土矿床样品中REE含量的设备的结构示意图。
如图3所示，该设备至少包括：
存储器31和与所述存储器31相连接的处理器32；
存储器31用于存储程序，所述程序至少用于实现上述的检测碳酸岩型稀土矿床样品中REE含量的方法；
处理器32用于调用并执行存储器31存储的所述程序。
其中，所述程序的功能的具体实现方式可以参照上述方法实施例中的相应内容来实现，对此不再详述。
通过上述方案，建立了一种利用光谱方法快速无损检测碳酸岩矿床中REE含量的方法，填补了利用可见光-近红外光谱对碳酸岩型稀土矿床REE定量评价的空白，并且，本发明表明，应用可见光-近红外等光谱技术对碳酸岩型REE矿床的勘查具有巨大潜力。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (6)
1.一种检测碳酸岩型稀土矿床样品中REE含量的方法，其特征在于，包括：
获取利用光谱扫描仪对预先挑选的样品进行扫描后采集的光谱数据，并根据光谱数据，总结获取特征吸收峰的位置，利用地质光谱解译软件中相关算法获取各特征吸收峰的相对吸收深度；
获取输入的所述样品中的稀土元素的含量；所述样品中的稀土元素的含量为利用电感耦合等离子体质谱法测定得到；所述样品包括矿石样品和岩石样品；其中，岩石样品也即该矿床的围岩样品；
基于所述相对吸收深度和测定的稀土元素的含量，建立数学模型，包括：基于所述相对吸收深度和对应的稀土元素的含量，针对矿石样品和岩石样品，分别建立数学模型；
利用所述数学模型得到各稀土元素的含量的预测值，并与预先测试得到的各稀土元素的含量值进行比对，以对所述数学模型进行验证，并根据验证结果对所述数学模型进行优化；
获取待检测样品的光谱数据，并进行解译，得到待检测样品对应的各特征吸收峰的相对吸收深度；
将待检测样品对应的相对吸收深度代入所述数学模型，得到待检测样品中稀土元素的含量。
2.根据权利要求1所述的方法，其特征在于，所述数学模型为多元线性回归模型。
3.根据权利要求1所述的方法，其特征在于，所述光谱扫描仪为HyLogger型岩心光谱扫描仪，采用的光谱为可见光-近红外光谱。
4.一种检测碳酸岩型稀土矿床样品中REE含量的装置，其特征在于，包括：
第一获取模块，用于获取利用光谱扫描仪对预先挑选的样品进行扫描后采集的光谱数据，并根据光谱数据，总结获取特征吸收峰的位置，利用地质光谱解译软件中相关算法获取各特征吸收峰的相对吸收深度；
第二获取模块，用于获取输入的所述样品中的稀土元素的含量；所述样品中的稀土元素的含量为利用电感耦合等离子体质谱法测定得到；所述样品包括矿石样品和岩石样品；其中，岩石样品也即该矿床的围岩样品；
模型建立模块，用于基于所述相对吸收深度和测定的稀土元素的含量，建立数学模型，包括：基于所述相对吸收深度和对应的稀土元素的含量，针对矿石样品和岩石样品，分别建立数学模型；
模型优化模块，用于利用所述数学模型得到各稀土元素的含量的预测值，并与预先测试得到的各稀土元素的含量值进行比对，以对所述数学模型进行验证，并根据验证结果对所述数学模型进行优化；
第三获取模块，用于获取待检测样品的光谱数据，并进行解译，得到待检测样品对应的各特征吸收峰的相对吸收深度；
处理模块，用于将待检测样品对应的相对吸收深度代入所述数学模型，得到待检测样品中稀土元素的含量。
5.根据权利要求4所述的装置，其特征在于，所述数学模型为多元线性回归模型。
6.一种检测碳酸岩型稀土矿床样品中REE含量的设备，其特征在于，包括：
存储器和与所述存储器相连接的处理器；
所述存储器，用于存储程序，所述程序至少用于实现如权利要求1-3任一项所述的检测碳酸岩型稀土矿床样品中REE含量的方法；
所述处理器，用于调用并执行所述存储器存储的所述程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110408845.4A CN113125374B (zh) | 2021-04-16 | 2021-04-16 | 检测碳酸岩型稀土矿床样品中ree含量的方法、装置和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110408845.4A CN113125374B (zh) | 2021-04-16 | 2021-04-16 | 检测碳酸岩型稀土矿床样品中ree含量的方法、装置和设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113125374A CN113125374A (zh) | 2021-07-16 |
| CN113125374B true CN113125374B (zh) | 2023-05-26 |
Family
ID=76776890
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110408845.4A Active CN113125374B (zh) | 2021-04-16 | 2021-04-16 | 检测碳酸岩型稀土矿床样品中ree含量的方法、装置和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113125374B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114062350A (zh) * | 2021-11-11 | 2022-02-18 | 四川江铜稀土有限责任公司 | 电感耦合等离子体光谱测定氟碳铈原矿稀土总量的方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9329122B2 (en) * | 2011-08-15 | 2016-05-03 | Schlumberger Technology Corporation | Diffuse reflectance infrared fourier transform spectroscopy for characterization of earth materials |
| CN103076292B (zh) * | 2012-12-27 | 2015-09-30 | 中国地质科学院矿产资源研究所 | 基于地面反射光谱的水体中稀土浓度定量评估系统和方法 |
| CN109283148A (zh) * | 2018-09-30 | 2019-01-29 | 核工业北京地质研究院 | 一种基于光谱信息自动识别岩石矿物的方法 |
| CN109813665A (zh) * | 2019-01-29 | 2019-05-28 | 中国科学院广州地球化学研究所 | 利用可见光-近红外反射光谱快速分析岩石风化壳稀土含量的方法 |
| CN110032762A (zh) * | 2019-03-07 | 2019-07-19 | 三峡大学 | 土壤重金属含量检测建模方法及装置、检测方法及装置 |
| CN110596028B (zh) * | 2019-10-22 | 2022-06-21 | 中国地质科学院矿产综合利用研究所 | 一种沉积型稀土La元素含量的高光谱反演方法 |
-
2021
- 2021-04-16 CN CN202110408845.4A patent/CN113125374B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113125374A (zh) | 2021-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2018201960B2 (en) | Multi-Sensor Analysis of Complex Geologic Materials | |
| Selsing et al. | An X-Shooter composite of bright 1< z< 2 quasars from UV to infrared | |
| EP3333360A1 (en) | Method of acquiring rock component content of stratum | |
| JP6091493B2 (ja) | 試料に存在する成分を決定するための分光装置と分光法 | |
| Cheng | A new model for quantifying anisotropic scale invariance and for decomposition of mixing patterns | |
| CN108122066B (zh) | 储层岩性的确定方法和装置 | |
| Bricklemyer et al. | Comparing vis–NIRS, LIBS, and combined vis–NIRS‐LIBS for intact soil core soil carbon measurement | |
| CN107478595B (zh) | 一种快速鉴别珍珠粉真伪及定量预测掺伪贝壳粉含量的方法 | |
| CN113125374B (zh) | 检测碳酸岩型稀土矿床样品中ree含量的方法、装置和设备 | |
| Yang et al. | Mapping the chemical composition of nickel laterites with reflectance spectroscopy at Koniambo, New Caledonia | |
| CN105092436A (zh) | 一种沉积物粒度光谱分析方法及装置 | |
| Fongaro et al. | Application of the angle measure technique as image texture analysis method for the identification of uranium ore concentrate samples: New perspective in nuclear forensics | |
| US9874619B2 (en) | Methods for performing NMR measurements on porous media | |
| CN115146976A (zh) | 影响待勘测区块评价的主要地质参数的选取方法及设备 | |
| CN115618282A (zh) | 一种合成宝石的鉴定方法、装置及存储介质 | |
| CN117332240B (zh) | 岩爆预测模型构建方法、存储介质、岩爆预测方法及系统 | |
| CN113567605A (zh) | 质量色谱图的自动化解释模型构建方法、装置和电子设备 | |
| Lassnig et al. | Impact of grain size on the Cerchar abrasiveness test | |
| CN113818867B (zh) | 一种构建伪毛管压力曲线方法、系统、介质、设备及应用 | |
| CN111580179A (zh) | 一种有机碳含量确定方法、装置及系统 | |
| CN105653854A (zh) | 计算碳酸盐岩烃源岩有机碳含量的方法和装置 | |
| CN115101135A (zh) | 岩石物理参数敏感度分析方法及装置 | |
| CN110579467B (zh) | 一种时间分辨激光诱导击穿光谱定量方法 | |
| Banks et al. | The role of carbon in red giant spectro-seismology | |
| CN112147711A (zh) | 野外快速获取海相页岩总有机碳方法及系统 |
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 |