CN113779341A - 基于数据库的矿物种类确定方法、装置、终端及介质 - Google Patents
基于数据库的矿物种类确定方法、装置、终端及介质 Download PDFInfo
- Publication number
- CN113779341A CN113779341A CN202110653964.6A CN202110653964A CN113779341A CN 113779341 A CN113779341 A CN 113779341A CN 202110653964 A CN202110653964 A CN 202110653964A CN 113779341 A CN113779341 A CN 113779341A
- Authority
- CN
- China
- Prior art keywords
- mineral
- determining
- primary
- component
- type
- 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.)
- Granted
Links
- 229910052500 inorganic mineral Inorganic materials 0.000 title claims abstract description 495
- 239000011707 mineral Substances 0.000 title claims abstract description 495
- 238000000034 method Methods 0.000 title claims abstract description 87
- 238000001228 spectrum Methods 0.000 claims abstract description 96
- 238000012795 verification Methods 0.000 claims abstract description 95
- 230000003595 spectral effect Effects 0.000 claims abstract description 90
- 239000011435 rock Substances 0.000 claims abstract description 59
- 238000010200 validation analysis Methods 0.000 claims description 32
- 238000005259 measurement Methods 0.000 claims description 28
- 239000012535 impurity Substances 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 15
- 238000012419 revalidation Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 36
- 241000894007 species Species 0.000 description 50
- 238000004458 analytical method Methods 0.000 description 20
- 239000010433 feldspar Substances 0.000 description 17
- 239000000203 mixture Substances 0.000 description 13
- 239000013078 crystal Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 239000010453 quartz Substances 0.000 description 8
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 8
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N titanium dioxide Inorganic materials O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 229910021536 Zeolite Inorganic materials 0.000 description 5
- 229910052619 chlorite group Inorganic materials 0.000 description 5
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 description 5
- HNPSIPDUKPIQMN-UHFFFAOYSA-N dioxosilane;oxo(oxoalumanyloxy)alumane Chemical compound O=[Si]=O.O=[Al]O[Al]=O HNPSIPDUKPIQMN-UHFFFAOYSA-N 0.000 description 5
- 229910052613 tourmaline Inorganic materials 0.000 description 5
- 239000011032 tourmaline Substances 0.000 description 5
- 229940070527 tourmaline Drugs 0.000 description 5
- 239000010457 zeolite Substances 0.000 description 5
- 229910001919 chlorite Inorganic materials 0.000 description 4
- 241000446313 Lamella Species 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010905 molecular spectroscopy Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- HBMJWWWQQXIZIP-UHFFFAOYSA-N silicon carbide Chemical group [Si+]#[C-] HBMJWWWQQXIZIP-UHFFFAOYSA-N 0.000 description 3
- 229910010271 silicon carbide Inorganic materials 0.000 description 3
- 239000011343 solid material Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 229910052656 albite Inorganic materials 0.000 description 2
- 239000000956 alloy Substances 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- DLHONNLASJQAHX-UHFFFAOYSA-N aluminum;potassium;oxygen(2-);silicon(4+) Chemical compound [O-2].[O-2].[O-2].[O-2].[O-2].[O-2].[O-2].[O-2].[Al+3].[Si+4].[Si+4].[Si+4].[K+] DLHONNLASJQAHX-UHFFFAOYSA-N 0.000 description 2
- 229910052661 anorthite Inorganic materials 0.000 description 2
- GWWPLLOVYSCJIO-UHFFFAOYSA-N dialuminum;calcium;disilicate Chemical compound [Al+3].[Al+3].[Ca+2].[O-][Si]([O-])([O-])[O-].[O-][Si]([O-])([O-])[O-] GWWPLLOVYSCJIO-UHFFFAOYSA-N 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 239000010459 dolomite Substances 0.000 description 2
- 229910000514 dolomite Inorganic materials 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 229910052647 feldspar group Inorganic materials 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 229910052652 orthoclase Inorganic materials 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 229910021646 siderite Inorganic materials 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XYQHCDPZBXIAGW-UHFFFAOYSA-N Andesine Natural products COC(=O)C1=Cc2ccc3c(CCN(C)C)cc(OC)c(O)c3c2C(=O)O1 XYQHCDPZBXIAGW-UHFFFAOYSA-N 0.000 description 1
- 229910021532 Calcite Inorganic materials 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 229910052908 analcime Inorganic materials 0.000 description 1
- 229910052658 andesine Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910052626 biotite Inorganic materials 0.000 description 1
- 229910052797 bismuth Inorganic materials 0.000 description 1
- JCXGWMGPZLAOME-UHFFFAOYSA-N bismuth atom Chemical compound [Bi] JCXGWMGPZLAOME-UHFFFAOYSA-N 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 1
- WUKWITHWXAAZEY-UHFFFAOYSA-L calcium difluoride Chemical compound [F-].[F-].[Ca+2] WUKWITHWXAAZEY-UHFFFAOYSA-L 0.000 description 1
- 229910001597 celsian Inorganic materials 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- GUJOJGAPFQRJSV-UHFFFAOYSA-N dialuminum;dioxosilane;oxygen(2-);hydrate Chemical compound O.[O-2].[O-2].[O-2].[Al+3].[Al+3].O=[Si]=O.O=[Si]=O.O=[Si]=O.O=[Si]=O GUJOJGAPFQRJSV-UHFFFAOYSA-N 0.000 description 1
- YGANSGVIUGARFR-UHFFFAOYSA-N dipotassium dioxosilane oxo(oxoalumanyloxy)alumane oxygen(2-) Chemical compound [O--].[K+].[K+].O=[Si]=O.O=[Al]O[Al]=O YGANSGVIUGARFR-UHFFFAOYSA-N 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000010436 fluorite Substances 0.000 description 1
- 229910052631 glauconite Inorganic materials 0.000 description 1
- 229910052677 heulandite Inorganic materials 0.000 description 1
- 229910052900 illite Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- NLYAJNPCOHFWQQ-UHFFFAOYSA-N kaolin Chemical compound O.O.O=[Al]O[Si](=O)O[Si](=O)O[Al]=O NLYAJNPCOHFWQQ-UHFFFAOYSA-N 0.000 description 1
- 229910052622 kaolinite Inorganic materials 0.000 description 1
- 229910052629 lepidolite Inorganic materials 0.000 description 1
- XMWCXZJXESXBBY-UHFFFAOYSA-L manganese(ii) carbonate Chemical compound [Mn+2].[O-]C([O-])=O XMWCXZJXESXBBY-UHFFFAOYSA-L 0.000 description 1
- 229910052651 microcline Inorganic materials 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 229910052901 montmorillonite Inorganic materials 0.000 description 1
- 229910052627 muscovite Inorganic materials 0.000 description 1
- VGIBGUSAECPPNB-UHFFFAOYSA-L nonaaluminum;magnesium;tripotassium;1,3-dioxido-2,4,5-trioxa-1,3-disilabicyclo[1.1.1]pentane;iron(2+);oxygen(2-);fluoride;hydroxide Chemical compound [OH-].[O-2].[O-2].[O-2].[O-2].[O-2].[F-].[Mg+2].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[K+].[K+].[K+].[Fe+2].O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2 VGIBGUSAECPPNB-UHFFFAOYSA-L 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 229910052628 phlogopite Inorganic materials 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000013102 re-test Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 229910052718 tin Inorganic materials 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/908—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Marine Sciences & Fisheries (AREA)
- Strategic Management (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Pathology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请关于一种基于数据库的矿物种类确定方法、装置、终端及介质，涉及岩石鉴定技术领域，该方法包括：获取与组分区域对应的光谱数据；基于光谱数据，在矿物光谱数据数据库中确定与组分区域对应的初选矿物种类；确定与初选矿物种类对应的矿物种类验证规则；基于矿物种类验证规则以及初选矿物种类确定组分区域对应的矿物种类。在结合验证规则的基础上，确定与组分区域对应的矿物种类。在进行与组分区域对应的矿物种类的确定过程中，在基于数据库确定其初选种类的基础上，对应每种初选种类，确定相关的验证规则，进一步得到其细分矿物种类，提高了矿物种类鉴定的准确率。
Description
技术领域
本申请涉及岩石鉴定技术领域，特别涉及一种基于数据库的矿物种类确定方法、装置、终端及介质。
背景技术
将岩石制成薄片，对其中的矿物组分进行系统鉴定，是矿物学、岩石学、矿床学、地球化学、构造地质学、某些材料科学和环境科学研究中不可取代的基本方法。
众多的矿物鉴定方法中，分子光谱鉴定是一种非常有效的方法。当矿物受电磁辐射照射时，其内部的分子会产生量子化的能级之间的跃迁，进而导致发射、吸收或散射、辐射现象的产生，而分子振动能级的大小与原子的质量、种类有关，因此不同矿物具有不同的振动能级，分子光谱对于矿物鉴定具有指纹识别的意义。由于自然界绝大多数矿物都属于晶体，晶体内部质点(原子、离子或分子)在三维空间周期性重复排列构成特殊的内部结构，使晶体具有均一性，即各个部分的物理性质与化学性质都相同，故当采用分子光谱对薄片矿物进行鉴定时，单点上的分析结果即可代表整个矿物晶体的分析结果。
然而，相关技术中在采用单点分子光谱分析结果作为实际的矿物晶体的分析结果，以对矿物晶体进行鉴定时，由于存在诸如矿物内部含有杂质、矿物在生长过程中发生变化、分子光谱敏感矿物、样品制作过程引入了杂质等问题，矿物种类鉴定准确率较低。
发明内容
本申请关于一种基于数据库的岩石种类确定方法、装置、终端及介质，能够提高利用分子光谱对于岩石中矿物晶体进行种类鉴定的准确率。该技术方案如下：
一方面，提供了一种基于数据库的矿物种类确定方法，该方法包括：
获取与组分区域对应的光谱数据，组分区域为从岩石薄片中提取得到的区域，组分区域中包括一种组分；
基于光谱数据，在矿物光谱数据数据库中确定与组分区域对应的初选矿物种类；
确定与初选矿物种类对应的矿物种类验证规则；
基于矿物种类验证规则以及初选矿物种类确定组分区域对应的矿物种类。
另一方面，提供了一种基于数据库的矿物种类确定装置，该装置包括：
获取模块，用于获取与组分区域对应的光谱数据，组分区域为从岩石薄片中提取得到的区域，组分区域中包括一种组分；
确定模块，用于基于光谱数据，在矿物光谱数据数据库中确定与组分区域对应的初选矿物种类；
确定与初选矿物种类对应的矿物种类验证规则；
基于矿物种类验证规则以及初选矿物种类确定组分区域对应的矿物种类。
另一方面，提供了一种计算机设备，计算机设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，处理器可加载并执行至少一条指令、至少一段程序、代码集或指令集，以实现上述本申请实施例中提供的基于数据库的矿物种类确定方法。
另一方面，提供了一种计算机可读存储介质，可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，处理器可加载并执行至少一条指令、至少一段程序、代码集或指令集，以实现上述本申请实施例中提供的基于数据库的矿物种类确定方法。
另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机程序指令，该计算机程序指令存储于计算机可读存储介质中。处理器从计算机可读存储介质读取该计算机指令，并执行该计算机指令，使得该计算机设备执行如本申请实施例中提供的基于数据库的矿物种类确定方法。
本申请提供的技术方案带来的有益效果至少包括：
在获取与组分区域对应的光谱数据后，对应数据库进行与组分区域的矿物种类的初步确定，并对应确定验证规则，在结合验证规则的基础上，最终确定与组分区域对应的矿物种类。在进行与组分区域对应的矿物种类的确定过程中，在基于数据库确定其初选种类的基础上，对应每种初选种类，确定相关的验证规则，进一步得到其细分矿物种类，提高了矿物种类鉴定的准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本申请一个示例性实施例提供的一种基于数据库的矿物种类确定方法的流程图；
图2示出了本申请一个示例性实施例提供的另一种基于数据库的矿物种类确定方法的流程图；
图3示出了本申请一个示例性实施例提供的一种矿物光谱数据数据库的结构示意图；
图4示出了本申请一个示例性实施例提供的一种基于数据库的矿物种类确定方法的过程示意图；
图5示出了本申请一个示例性实施例提供的一种基于数据库的矿物种类确定装置的结构框图；
图6示出了本申请一个示例性实施例提供的另一种基于数据库的矿物种类确定装置的结构框图；
图7示出了本申请一个示例性实施例提供的一种基于数据库的矿物种类确定方法的计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
首先，对于本申请各个实施例中涉及的名词进行解释：
组分，指混合物中的各个成分。在本申请中，组分是指固态材料的成分。由于固态材料为混合物，在该混合物中，即会包括至少两种相互分离的组分。该固态材料也即被称为固态多组分混合材料。在一个示例中，混合物实现为合金，则合金的组分包括铅、镉、铋、锡中的至少两种；在另一个示例中，混合物实现为岩石，则岩石的组分包括但不限于陆源碎屑组分、非陆源碎屑组分、胶结物组分和杂基组分中的至少两种。
光谱，是复色光经过色散系统分光后，被色散开的单色光按波长大小二而一次排列的图案。光谱的全称为光学频谱。在本申请实施例中，光谱是光谱数据采集设备针对组分区域中的测量点进行采集得到的。以组分为矿物组分为例，当矿物受电磁辐射照射时，其内部的分子会产生量子化的能级之间的跃迁，进而导致发射、吸收或散射、辐射现象的产生，从而生成光谱。光谱实现为光谱数据的可视化表征。也即，在生成光谱的同时，光谱数据采集设备也会同时生成对应的光谱数据，并将此类光谱数据发送至其他计算机设备当中。
相关技术中，在对于材料薄片进行面扫描进行的过程中，通常通过逐点扫描的方法，对于材料薄片的表面进行完整且全面的扫描并存储。在一个示例中，利用XRF对半径为25mm的圆形材料薄片样本的表面进行扫描，该扫描过程持续时间可达10小时，在获取扫描结果后，方可基于扫描结果对于材料薄片的组分进行确定。该过程对于碎屑岩组分的确定效率较低。
数据库，是按照数据结构来组织、存储和管理数据的虚拟仓库，是一个长期存储在计算机内的、有组织的、可共享的、统一管理的大量数据的集合。在本申请实施例中，对应分子光谱，则计算机设备可以调取光谱数据数据库，以对于光谱数据进行确认以及解析。
本申请提供了一种材料组分的确定方法，基于自建的矿物光谱数据数据库对于矿物中的组分区域进行分析，并对应不同矿物种类确定进一步的验证规则，以得到更加精确的组分区域的矿物种类鉴定。
图1示出了本申请一个示例性实施例提供的一种基于数据库的矿物种类确定方法的流程图，以该方法应用于计算机设备中为例进行说明，该方法包括：
步骤101，获取与组分区域对应的光谱数据，组分区域为从岩石薄片中提取得到的区域，组分区域中包括一种组分。
在本申请实施例中，计算机设备为具有数据发送、数据接收与数据处理功能的终端设备。可选地，计算机设备中存储有光谱数据。
岩石薄片为对岩石样本进行切割，并基于标准制成的薄片样本。组分区域为岩石薄片中，指示单个组分的区域。在通过显微设备对于岩石薄片进行观察时，即可观察到其中包括的多个组分区域。根据岩石薄片的性质可得，每个组分区域中的组分类型相同，相邻两个组分区域中的组分类型可能相同，也可能不同。
在本申请实施例中，获取薄片的光谱数据的装置为光谱测量装置，该光谱测量装置通过点扫描的方式获取与组分区域对应的光谱数据，也即，光谱测量装置针对组分区域内的一个点进行扫描，并且获取相应的光谱数据。在本申请实施例中，光谱数据为基于分子光谱的光谱数据。
步骤102，基于光谱数据，在矿物光谱数据数据库中确定与组分区域对应的初选矿物种类。
在本申请实施例中，矿物光谱数据数据库中包括了至少两种光谱数据与矿物种类之间的对应关系。由于不同种类的矿物的化学成分与成分结构组成不同。不同矿物种类对应的光谱数据类型也不同。故在本申请实施例中，可以根据矿物光谱数据数据库中存储的光谱数据与组分区域对应的光谱数据的相似程度，对于组分区域所指示的矿物种类进行初选。在一个示例中，通过光谱数据中体现的峰形特征，对于与组分区域对应的初选矿物种类进行确定。
初选矿物种类为基于矿物的稀有程度，以及矿物的代表性性质进行划分得到的种类。可选地，在一个初选矿物种类的划分下，还包括至少两个细分矿物种类。
步骤103，确定与初选矿物种类对应的矿物种类验证规则。
在本申请实施例中，计算机设备对应不同的初选矿物种类，存储有不同的矿物种类验证规则。如本申请中所述，验证规则可以包括分类验证规则、直接验证规则以及选点重验规则。可选地，在获取与组分区域对应的初选矿物种类时，计算机设备即调取与初选矿物种类对应的验证规则，对于与组分区域对应的矿物种类进行验证。
在本申请实施例的验证过程中，矿物种类验证规则对于初选矿物种类的种类准确性进行验证，并对于初选矿物种类进行细分。
步骤104，基于矿物种类验证规则以及初选矿物种类确定组分区域对应的矿物种类。
在本申请实施例中，与组分区域对应的矿物种类即为细分矿物种类。在经过矿物种类验证规则的验证以及细分后，计算机设备即可输出与组分区域对应的矿物种类结果。
可选地，在一个示例中，确定岩石薄片中与每一个组分区域对应的矿物种类后，对于每一个矿物种类的结果进行组合，即可得到与岩石薄片对应的组分区域的矿物种类类型与分布，进而确定岩石薄片的矿物特征。
综上所述，本申请实施例提供的方法，在获取与组分区域对应的光谱数据后，对应数据库进行与组分区域的矿物种类的初步确定，并对应确定验证规则，在结合验证规则的基础上，最终确定与组分区域对应的矿物种类。在进行与组分区域对应的矿物种类的确定过程中，在基于数据库确定其初选种类的基础上，对应每种初选种类，确定相关的验证规则，进一步得到其细分矿物种类，提高了矿物种类鉴定的准确率。
在本申请实施例中，对应矿物进行初选分类时，将首先依据矿物的常见度，对于矿物种类进行一级类别的划分。同时对应不同的初选矿物种类，计算机设备中也存储有对应的验证规则。图2示出了本申请一个示例性实施例提供的一种基于数据库的矿物种类确定方法的流程图，以该方法应用于计算机设备中为例进行说明，该方法包括：
步骤201，获取标准样本光谱数据，标准样本光谱数据为光谱数据采集设备对与矿物种类对应的标准薄片样本进行光谱数据采集，得到的光谱数据。
步骤202，基于标准样本光谱数据建立矿物光谱数据数据库。
步骤201至步骤202为矿物光谱数据数据库的建立过程。由于岩石样本中的组分对应不同的光谱数据采集设备，会显示出不同的分子性质，进而生成不同的光谱数据，在本申请实施例中，在进行组分区域的矿物种类的识别之前，即需要对应光谱数据采集设备的种类，进行光谱数据数据库的构建。
在本申请实施例中，光谱数据采集设备对应不同细分矿物种类中的标准薄片样本进行光谱数据采集，以得到不同细分矿物种类的光谱数据。可选地，标准薄片样本是计算机设备在候选薄片样本集合中，基于细分矿物种类的可视化表征形式，确定的至少一个样本。
步骤203，获取与组分区域对应的光谱数据，组分区域为从岩石薄片中提取得到的区域，组分区域中包括一种组分。
该过程即为对应步骤101的，对应组分区域的光谱数据获取过程。
可选地，在本申请实施例中，计算机设备与光谱数据采集设备连接，且计算机设备通过向光谱数据采集设备发送控制指令，光谱数据采集设备基于该控制指令指示的测量点，在岩石薄片的组分区域上获取光谱数据，并反馈至计算机设备中。
在本申请实施例中，组分区域为岩石薄片中的单个区域。可选地，在进行光谱数据的获取之前，计算机已获取了与岩石薄片对应的岩石薄片图像，并对于其进行划分，划分结果即可指示岩石薄片中组分区域的分布情况。在确定组分区域后，对于组分区域进行选点，即可获取与该店对应的光谱数据。
步骤204，基于光谱数据，在矿物光谱数据数据库中确定与组分区域对应的初选矿物种类的一级类别。
以及类别为基于矿物的常见程度划分的类别，在本申请实施例中，一级类别包括常见矿物类别与非常见矿类别。
可选地，根据一级类别分支下的各个子类别所对应的标准样本光谱，确定与一级类别对应的标准样本光谱。在此情况下，基于与组分区域对应的光谱数据，确定光谱数据与一级类别的标准样本光谱的相似程度，并基于该相似程度，进行对于组分区域的矿物种类对应的一级类别的分类。
在本申请的一些实施例中，光谱数据与常见矿物类别以及非常见矿物类别对应的标准样本光谱均不相似，则此时，确定组分区域对应的组分为杂质组分。对应杂质组分，在一个示例中，将组分区域中，在确定组分区域为杂质组分后，对组分区域对应的光谱数据进行筛除，并在原始薄片上进行标注。
步骤205，基于与矿物种类一级类别对应的矿物种类子数据库，确定与组分区域对应的初选矿物种类。
在本申请实施例中，对应不同的一级类别，矿物光谱数据数据库中建立有子数据库。示例性的，对应一级类别为常见矿物类别，矿物光谱数据数据库中包括常见矿物类别数据库，对应一级类别为非常见矿物，矿物光谱数据数据库中包括非常见矿物类别数据库。
在本申请实施例中，矿物的一级类别确定方式通过与一级类别频率阈值比较以实现。可选地，当矿物对应的光谱数据占组分区域中的光谱数据的比例大于一级类别频率阈值，也即与矿物对应的光谱数据的出现频率大于一级类别频率阈值时，确定该矿物的一级类别为常见矿物，当矿物对应的光谱数据的出现频率小于等于一级类别频率阈值时，确定该矿物的以及类别为非常见矿物。
在本申请实施例中，常见矿物类别对应的初选矿物种类包括矿物族种类以及普通常见矿物种类，非常见矿物类别对应的种类包括包裹体矿物种类、强敏感矿物种类以及蚀变矿物种类。其中，普通常见矿物种类即指示在矿物光谱数据数据库中，出现频率大于某个初选矿物种类频率阈值的初选矿物种类；包裹体矿物种类即为矿物生长后，体现为包裹体的矿物所对应的矿物种类；强敏感矿物种类指示在光谱数据的获取过程中，因化学性质原因，对光谱数据采集设备的采集准确率产生影响，并使光谱数据采集设备关注自身的矿物所对应的矿物种类；蚀变矿物种类即为在矿物形成过程中产生识别现象的矿物所对应的矿物种类。
需要说明的是，上述过程中出现的“一级类别频率阈值”以及“矿物种类频率阈值”，可以是在计算机设备中预存的阈值，也可以是计算机设备执行对应步骤时，通过接收到的信号确定的阈值，本申请对于各个阈值的生成方式不作限定。
对应不同的矿物种类的一级类别以及初选类别，在本申请实施例中，请参考图3，矿物光谱数据数据库300中包括常见矿物类别子数据库301以及非常见矿物类别子数据库302，在常见矿物类别子数据库301中，还包括普通常见矿物种类子数据库311以及矿物族数据库312，在非常见矿物类别子数据库302中，还包括包裹体矿物种类数据库321，强敏感矿物种类数据库322以及蚀变矿物种类数据库323。此外，矿物光谱数据数据库300中还包括与杂质对应的杂质类别子数据库303。由于杂质的类型较多，以岩石为碎屑岩为例，碎屑岩中包含的杂质成分为碳化硅，则该杂质类别子数据库303为与碳化硅对应的识别数据库。
步骤206，确定与初选矿物种类对应的矿物种类验证规则。
在本申请实施例中，验证规则包括分类验证规则、直接验证规则以及选点重验规则。响应于初选矿物种类为矿物族种类，确定矿物种类验证规则为分类验证规则；响应于初选矿物种类为包裹体矿物种类，或，强敏感矿物种类，或，蚀变矿物种类，确定矿物种类验证规则为选点重验规则；响应于初选矿物种类为普通常见矿物种类，或，与初选矿物种类对应的一级类别为非常见矿物类别，且初选矿物类别不为包裹体矿物种类、强敏感矿物种类与蚀变矿物种类中的任意一种，确定矿物种类验证规则为直接验证规则。在本申请实施例中，选点重验规则指示计算机设备向光谱数据采集设备重新获取扫描数据的规则；分类验证规则指示选取与初选矿物种类相对应的子数据库，进行二次校验的规则；直接验证规则指示将初选矿物种类的结果直接作为验证后的矿物种类结果的规则。
步骤207，响应于初选矿物种类为包裹体矿物种类，或，强敏感矿物种类，或，蚀变矿物种类，基于选点重验规则确定与组分区域的验证次数。
当初选矿物种类为包裹体矿物种类，或，强敏感矿物种类，或蚀变矿物种类时，对应的验证规则即为选点重验规则。也即，由于组分区域中晶体的特殊性质，需要在组分区域内重新进行选点。该重新选点的次数与计算机设备中预存的验证次数对应。
在本申请实施例中，在重新选点时，在组分区域中随机选取与获取光谱数据的光谱数据采集点相异的采集点，且采集点的数量与验证次数对应。
步骤208，向光谱数据采集设备发送控制指令，控制指令用于在组分区域内选取候选测量点。
基于步骤207，在确定验证次数后，计算机设备向光谱采集设备发送控制指令，并确定与验证次数相同的候选测量点。
步骤209，接收光谱数据采集设备发送的验证光谱数据，验证光谱数据为对候选测量点进行光谱采集得到的数据。
在光谱采集数据基于控制指令获取验证光谱数据后，即将该验证光谱数据反馈至计算机设备。在本申请实施例中，验证光谱数据为对候选测量点进行光谱采集得到的数据。
步骤210，响应于验证光谱数据的接收次数与验证次数对应，基于验证光谱数据确定与组分区域对应的验证结果。
在本申请实施例中，计算机设备接收到与预存的验证次数对应的光谱数据时，即可基于光谱数据确定与组分区域对应的细分矿物种类。
步骤211，响应于初选矿物种类为矿物族种类，基于矿物族数据库，确定与组分区域对应的验证结果。
在本申请实施例中，分类验证规则为基于矿物光谱数据数据库中的子数据库，对于矿物种类进行进一步细分的规则。
可选地，当初选矿物种类为矿物族种类时，基于矿物族数据库中的子数据库对于组分区域的矿物种类进行细分，并得到验证结果。也即，该分类验证规则适用于矿物族种类的矿物。
步骤212，响应于初选矿物种类为普通常见矿物种类，或，初选矿物种类对应的一级类别为非常见矿物类别，且初选矿物类别不为包裹体矿物种类、强敏感矿物种类，与蚀变矿物种类中的任意一种，确定验证规则为直接验证规则。
在本申请实施例中，对应初选矿物种类为普通常见矿物种类的情况，或，对应矿物种类的一级类别为非常见矿物类别，且细分矿物种类不为包裹体矿物种类、强敏感矿物种类与蚀变矿物种类中的任意一种时，确定直接验证规则。直接验证规则也即为将初选矿物类别确定为细分矿物类别的规则。
步骤213，基于验证结果确定矿物种类。
该过程即为根据验证规则以及验证结果，确定矿物种类的过程。
步骤214，基于矿物种类，确定与岩石薄片对应的岩石组分鉴定结果。
在本申请实施例中，如步骤104中所述，在确定与岩石薄片中的各个组分区域对应的矿物种类后，即可进一步确定岩石薄片的构成、组分分布情况、组分含量情况等特征，进而对于岩石薄片对应的岩石组分进行鉴定。
综上所述，本申请实施例提供的方法，在获取与组分区域对应的光谱数据后，对应数据库进行与组分区域的矿物种类的初步确定，并对应确定验证规则，在结合验证规则的基础上，最终确定与组分区域对应的矿物种类。在进行与组分区域对应的矿物种类的确定过程中，在基于数据库确定其初选种类的基础上，对应每种初选种类，确定相关的验证规则，进一步得到其细分矿物种类，提高了矿物种类鉴定的准确率。
本申请实施例提供的方法，在进行初选矿物种类的确定之前，以是否常见为评判标准，增加矿物种类一级类别的确定，在确定初选类别时，即可在矿物种类一级类别的指导下进行光谱数据的匹配过程，进一步提高了对于矿物种类鉴定的准确率。
本申请实施例提供的方法，对应不同的初选矿物种类，设置不同的矿物种类验证规则，在不同验证规则的指导下，对应初选矿物种类的性质，设定最为适合该初选矿物种类的验证方法，进一步提高了对于矿物种类鉴定的准确率。
图4示出了本申请一个示例性实施例提供的一种基于数据库的矿物种类确定方法的过程示意图，该过程包括：
步骤401，针对某一类具体的岩石类型，结合该类岩石的具体特征，对其中的矿物进行分类。
步骤402，在矿物分类的基础之上，针对这一类岩石，对每一种矿物都分别选取标准矿物，通过测量分析，建立矿物光谱数据数据库。
步骤401至步骤402为矿物光谱数据数据库的建立过程。本申请实施例以岩石样本为碎屑岩样本为例进行说明。在此情况下，将碎屑岩中的组分区域基于矿物类型进行划分。步骤401中的分类共包括三级分类，其中，第一级分类，将组分区域划分为常见矿物类别和非常见矿物类别，第二级分类，将常见矿物类别划分为矿物族种类以及普通常见矿物种类，将不常见矿物类别划分为包裹体矿物种类、强敏感矿物种类、蚀变矿物种类和其他不常见矿物种类，第三级分类，将矿物族划分到具体的矿物子类。
在本申请实施例中，常见矿物类别包括不限与石英、长石、沸石、绿泥石、黑云母、白云母、方解石中的至少一种。其中，长石、沸石、绿泥石对应为矿物族种类，在此情况下，与长石对应的长石族分类包括但不限于透长石、正长石、歪长石、钠长石、中长石中的至少一种；与沸石对应的沸石族分类包括但不限于浊沸石、方沸石、片沸石中的至少一种；与绿泥石对应的绿泥石组分类包括但不限于叶绿泥石、斜绿泥石、鲕绿泥石中的至少一种。不常见矿物中，包裹体矿物种类包括但不限于金红石、电气石和萤石；强敏感矿物种类包括但不限于金红石、锐钛矿和板钛矿；蚀变矿物包括但不限于高岭石、蒙脱石和伊利石。此外，不常见矿物中还包括金云母、锂云母、海绿石和菱锰矿中的至少一种。
可选地，光谱数据数据库中还包括杂质类别子数据库，对应碎屑岩，杂质成分通常为碳化硅。
在确定矿物的各级分类后，即通过选取标准矿物，进行光谱测量获取光谱数据的方式，进行矿物光谱数据数据库的构建。
构建过程中，标准矿物应选取与该类矿物晶体最具有代表性的谱峰，例如，长石族分类应选择的标准矿物包括透长石、正长石、冰长石、微斜长石、歪长石、钠长石、更长石、中长石、拉长石、倍长石、钙长石、钡长石，并基于对于上述标准矿物的光谱数据确定，生成与长石族分类对应的光谱数据。
步骤403，对岩石薄片样品中的矿物分别进行分子光谱测量。
步骤403开始即为对于组分区域的矿物种类确定过程。该过程与步骤101对应，在此不作赘述。
步骤404，对测量所获分子光谱谱图分别进行解析，根据解析结果进行第一级分类，并在第一级分类中先排除掉杂质信息。
该过程即为确定初选矿物种类对应的一级类别的过程。可选地，在该过程中，需要对与杂质对应的组分区域进行筛除。
步骤405，将矿物解析结果进行第二级分类。
该过程即为确定初选矿物种类的过程。
步骤406，根据第二级分类结果，分别进行进一步的操作，并分别获得对应的矿物分析结果。
该过程即为根据不同的验证规则，确定与组分区域对应的矿物分析结果的过程。
可选地，若组分区域的初选矿物种类指示组分区域被划分到矿物族大类，则进入对应的矿物子类数据库，进一步进行矿物解析，并得到对应的矿物子类分析结果。在一个示例中，如果矿物类型为长石，则划分到长石族大类，进入到长石子类数据库中，进一步进行矿物解析，得到对应的矿物子类分析结果为拉长石。
可选地，若组分区域的初选矿物种类指示组分区域被划分到普通常见矿物，则直接得到对应的矿物分析结果。在一个示例中，如果矿物类型为白云石，则直接得到对应的矿物分析结果为白云石。
可选地，若组分区域的初选矿物种类指示组分区域被划分到包裹体矿物、强敏感矿物、蚀变矿物，需要进行进一步的矿物验算测量，即在矿物上寻找其他的点再进行测量，对结果进行验算。在一个示例中，如果矿物类型为电气石，则划分到包裹体矿物类别，需要进行进一步的矿物验算测量。在该过程中，验算的次数，以及验算测量点的选取视具体过程而定。在一个示例中，对初次矿物划分结果为电气石-包裹体矿物进行验算测量时，如果第1次验算测量结果为石英，第2次验算测量结果仍然为石英，则分析结果为石英，如果第1次验算测量结果为电气石，第2次验算测量结果仍然为电气石，则分析结果为电气石；在另一个示例中，对初次矿物划分结果为金红石-包裹体矿物/强敏感矿物进行验算测量时，如果第1次验算测量结果为石英，第2次验算测量结果为金红石，第3次验算测量结果为石英，第3次验算测量结果仍然为石英，则分析结果为石英；如果第1次验算测量结果为金红石，第2次验算测量结果仍然为金红石，则分析结果为金红石。
可选地，若组分区域的初选矿物种类指示组分区域被划分到其他不常见矿物，则直接得到对应的矿物分析结果，在一个示例中，如果矿物类型为菱铁矿，则直接得到对应的矿物分析结果为菱铁矿。
步骤407，确定碎屑岩薄片样品的矿物鉴定结果。
该过程即为根据与碎屑岩薄片样本对应的所有组分区域的矿物种类，对于碎屑岩薄片样本的矿物特征进行确定的过程。
综上所述，本申请实施例提供的过程，在获取与组分区域对应的光谱数据后，对应数据库进行与组分区域的矿物种类的初步确定，并对应确定验证规则，在结合验证规则的基础上，最终确定与组分区域对应的矿物种类。在进行与组分区域对应的矿物种类的确定过程中，在基于数据库确定其初选种类的基础上，对应每种初选种类，确定相关的验证规则，进一步得到其细分矿物种类，提高了矿物种类鉴定的准确率。
图5示出了本申请一个示例性实施例提供的一种基于数据库的矿物种类确定装置的结构框图，该装置包括：
获取模块501，用于获取与组分区域对应的光谱数据，所述组分区域为从岩石薄片中提取得到的区域，所述组分区域中包括一种组分；
确定模块502，用于基于所述光谱数据，在矿物光谱数据数据库中确定与组分区域对应的初选矿物种类；
确定与所述初选矿物种类对应的矿物种类验证规则；
基于所述矿物种类验证规则以及所述初选矿物种类确定所述组分区域对应的矿物种类。
在一个可选的实施例中，所述矿物光谱数据数据库包括矿物种类子数据库；
确定模块502，还用于基于所述光谱数据，在矿物光谱数据数据库中确定与所述组分区域对应的所述初选矿物种类的一级类别，所述矿物种类的一级类别为基于所述矿物的常见程度划分的类别；
基于与所述矿物种类一级类别对应的矿物种类子数据库，确定与所述组分区域对应的所述初选矿物种类。
在一个可选的实施例中，所述一级类别包括常见矿物类别与非常见矿物类别；
与所述常见矿物类别对应的所述初选矿物种类包括矿物族种类以及普通常见矿物种类；
与所述非常见矿物类别对应的种类包括包裹体矿物种类、强敏感矿物种类以及蚀变矿物种类。
在一个可选的实施例中，所述矿物种类验证规则包括分类验证规则、直接验证规则以及选点重验规则；
确定模块502，还用于响应于所述初选矿物种类为所述矿物族种类，确定所述矿物种类验证规则为所述分类验证规则；
响应于所述初选矿物种类为所述包裹体矿物种类，或，所述强敏感矿物种类，或，所述蚀变矿物种类，确定所述矿物种类验证规则为所述选点重验规则；
响应于所述初选矿物种类为所述普通常见矿物种类，或，与所述初选矿物种类对应的一级类别为所述非常见矿物类别，且所述初选矿物类别不为所述包裹体矿物种类、所述强敏感矿物种类与所述蚀变矿物种类中的任意一种，确定所述矿物种类验证规则为所述直接验证规则。
在一个可选的实施例中，所述初选矿物种类为所述矿物族种类，所述矿物光谱数据数据库中包括矿物族数据库；
确定模块502，还用于基于所述矿物族数据库，确定与所述组分区域对应的验证结果；
基于所述验证结果确定所述矿物种类。
在一个可选的实施例中，所述初选矿物种类为所述包裹体矿物种类，或，所述强敏感矿物种类，或，所述蚀变矿物种类；
确定模块502，还用于基于所述选点重验规则确定与所述组分区域的验证次数；
请参考图6，该装置，还包括发送模块503，用于向光谱数据采集设备发送控制指令，所述控制指令用于控制光谱数据采集设备在所述组分区域内选取候选测量点；
接收模块504，用于接收所述光谱数据采集设备发送的验证光谱数据，所述验证光谱数据为对所述候选测量点进行光谱采集得到的数据；
确定模块502，还用于响应于所述验证光谱数据的接收次数与所述验证次数对应，基于所述验证光谱数据确定与所述组分区域对应的验证结果；
基于所述验证结果确定所述矿物种类。
在一个可选的实施例中，所述获取与组分区域对应的光谱数据之前，还包括：
获取模块501，还用于获取标准样本光谱数据，所述标准样本光谱数据为光谱数据采集设备对与所述矿物种类对应的标准薄片样本进行光谱数据采集，得到的光谱数据；
该装置，还包括建立模块505，用于基于所述标准样本光谱数据建立所述矿物光谱数据数据库。
在一个可选的实施例中，
该装置，还包括筛选模块506，用于响应于所述光谱数据指示所述组分区域为杂质组分，对与所述组分区域对应的所述光谱数据进行筛除。
在一个可选的实施例中，所述岩石薄片中包括至少两个组分区域；
所述基于所述矿物种类验证规则以及所述初选矿物种类确定所述组分区域对应的矿物种类之后，确定模块502，用于基于所述矿物种类，确定与所述岩石薄片对应的岩石组分鉴定结果。
综上所述，本申请实施例提供的装置，在获取与组分区域对应的光谱数据后，对应数据库进行与组分区域的矿物种类的初步确定，并对应确定验证规则，在结合验证规则的基础上，最终确定与组分区域对应的矿物种类。在进行与组分区域对应的矿物种类的确定过程中，在基于数据库确定其初选种类的基础上，对应每种初选种类，确定相关的验证规则，进一步得到其细分矿物种类，提高了矿物种类鉴定的准确率。
需要说明的是：上述实施例提供的基于数据库的矿物种类确定装置，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
图7示出了本申请一个示例性实施例提供的一种基于数据库的矿物种类确定方法的计算机设备的结构示意图，该计算机设备包括：
处理器701包括一个或者一个以上处理核心，处理器701通过运行软件程序以及模块，从而执行各种功能应用以及数据处理。
接收器702和发射器703可以实现为一个通信组件，该通信组件可以是一块通信芯片。可选地，该通信组件可以实现包括信号传输功能。也即，发射器703可以用于发射控制信号至图像采集设备以及扫描设备中，接收器702可以用于接收对应的反馈指令。
存储器704通过总线705与处理器701相连。
存储器704可用于存储至少一个指令，处理器701用于执行该至少一个指令，以实现上述方法实施例中的各个步骤。
本申请实施例还提供一种计算机可读存储介质，该可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，以由处理器加载并执行以实现上述基于数据库的矿物种类确定方法。
本申请还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中任一所述的基于数据库的矿物种类确定方法。
可选地，该计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、固态硬盘(SSD，Solid State Drives)或光盘等。其中，随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance RandomAccess Memory)和动态随机存取存储器(DRAM，Dynamic Random Access Memory)。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
上述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (12)
1.一种基于数据库的矿物种类确定方法，其特征在于，所述方法应用于计算机设备中，所述方法包括：
获取与组分区域对应的光谱数据，所述组分区域为从岩石薄片中提取得到的区域，所述组分区域中包括一种组分；
基于所述光谱数据，在矿物光谱数据数据库中确定与组分区域对应的初选矿物种类；
确定与所述初选矿物种类对应的矿物种类验证规则；
基于所述矿物种类验证规则以及所述初选矿物种类确定所述组分区域对应的矿物种类。
2.根据权利要求1所述的方法，其特征在于，所述矿物光谱数据数据库包括矿物种类子数据库；
所述基于所述光谱数据，在矿物光谱数据数据库中确定与所述组分区域对应的初选矿物种类，包括：
基于所述光谱数据，在矿物光谱数据数据库中确定与所述组分区域对应的所述初选矿物种类的一级类别，所述矿物种类的一级类别为基于所述矿物的常见程度划分的类别；
基于与所述矿物种类一级类别对应的矿物种类子数据库，确定与所述组分区域对应的所述初选矿物种类。
3.根据权利要求2所述的方法，其特征在于，所述一级类别包括常见矿物类别与非常见矿物类别；
与所述常见矿物类别对应的所述初选矿物种类包括矿物族种类以及普通常见矿物种类；
与所述非常见矿物类别对应的所述初选矿物种类包括包裹体矿物种类、强敏感矿物种类以及蚀变矿物种类。
4.根据权利要求3所述的方法，其特征在于，所述矿物种类验证规则包括分类验证规则、直接验证规则以及选点重验规则；
所述确定与所述初选矿物种类对应的矿物种类验证规则，包括：
响应于所述初选矿物种类为所述矿物族种类，确定所述矿物种类验证规则为所述分类验证规则；
响应于所述初选矿物种类为所述包裹体矿物种类，或，所述强敏感矿物种类，或，所述蚀变矿物种类，确定所述矿物种类验证规则为所述选点重验规则；
响应于所述初选矿物种类为所述普通常见矿物种类，或，与所述初选矿物种类对应的一级类别为所述非常见矿物类别，且所述初选矿物类别不为所述包裹体矿物种类、所述强敏感矿物种类与所述蚀变矿物种类中的任意一种，确定所述矿物种类验证规则为所述直接验证规则。
5.根据权利要求4所述的方法，其特征在于，所述初选矿物种类为所述矿物族种类，所述矿物光谱数据数据库中包括矿物族数据库；
所述基于所述矿物种类验证规则以及所述初选矿物种类确定所述组分区域对应的光谱数据，包括：
基于所述矿物族数据库，确定与所述组分区域对应的验证结果；
基于所述验证结果确定所述矿物种类。
6.根据权利要求4所述的方法，其特征在于，所述初选矿物种类为所述包裹体矿物种类，或，所述强敏感矿物种类，或，所述蚀变矿物种类；
所述基于所述矿物种类验证规则以及所述初选矿物种类确定所述组分区域对应的光谱数据，包括：
基于所述选点重验规则确定与所述组分区域的验证次数；
向光谱数据采集设备发送控制指令，所述控制指令用于控制所述光谱数据采集设备在所述组分区域内选取候选测量点；
接收所述光谱数据采集设备发送的验证光谱数据，所述验证光谱数据为对所述候选测量点进行光谱采集得到的数据；
响应于所述验证光谱数据的接收次数与所述验证次数对应，基于所述验证光谱数据确定与所述组分区域对应的验证结果；
基于所述验证结果确定所述矿物种类。
7.根据权利要求1至3任一所述的方法，其特征在于，所述获取与组分区域对应的光谱数据之前，还包括：
获取标准样本光谱数据，所述标准样本光谱数据为光谱数据采集设备对与所述矿物种类对应的标准薄片样本进行光谱数据采集，得到的光谱数据；
基于所述标准样本光谱数据建立所述矿物光谱数据数据库。
8.根据权利要求1至3任一所述的方法，其特征在于，所述方法还包括：
响应于所述光谱数据指示所述组分区域为杂质组分，对与所述组分区域对应的所述光谱数据进行筛除。
9.根据权利要求8所述的方法，其特征在于，所述岩石薄片中包括至少两个组分区域；
所述基于所述矿物种类验证规则以及所述初选矿物种类确定所述组分区域对应的矿物种类之后，所述方法还包括：
基于所述矿物种类，确定与所述岩石薄片对应的岩石组分鉴定结果。
10.一种基于数据库的矿物种类确定装置，其特征在于，所述装置包括：
获取模块，用于获取与组分区域对应的光谱数据，所述组分区域为从岩石薄片中提取得到的区域，所述组分区域中包括一种组分；
确定模块，用于基于所述光谱数据，在矿物光谱数据数据库中确定与组分区域对应的初选矿物种类；
确定与所述初选矿物种类对应的矿物种类验证规则；
基于所述矿物种类验证规则以及所述初选矿物种类确定所述组分区域对应的矿物种类。
11.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现如权利要求1至9任一所述的基于数据库的矿物种类确定方法。
12.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现如权利要求1至9任一所述的基于数据库的矿物种类确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110653964.6A CN113779341B (zh) | 2021-06-11 | 2021-06-11 | 基于数据库的矿物种类确定方法、装置、终端及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110653964.6A CN113779341B (zh) | 2021-06-11 | 2021-06-11 | 基于数据库的矿物种类确定方法、装置、终端及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113779341A true CN113779341A (zh) | 2021-12-10 |
| CN113779341B CN113779341B (zh) | 2024-07-23 |
Family
ID=78835793
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110653964.6A Active CN113779341B (zh) | 2021-06-11 | 2021-06-11 | 基于数据库的矿物种类确定方法、装置、终端及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113779341B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114354604A (zh) * | 2022-01-10 | 2022-04-15 | 西南石油大学 | 一种古老深层原生矿物的识别方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1595203A (zh) * | 2004-06-29 | 2005-03-16 | 中国国土资源航空物探遥感中心 | 高光谱矿物分层谱系识别方法 |
| JP2015040724A (ja) * | 2013-08-21 | 2015-03-02 | 住友金属鉱山株式会社 | 鉱物分析装置および鉱物分析方法 |
| 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 |
| CN111831712A (zh) * | 2020-07-14 | 2020-10-27 | 江苏三深光谱感知技术研究院有限公司 | 一种基于深度学习的矿物光谱数据快速检索方法及系统 |
| CN112730326A (zh) * | 2021-02-08 | 2021-04-30 | 中国石油化工股份有限公司 | 一种岩石薄片智能鉴定装置及方法 |
-
2021
- 2021-06-11 CN CN202110653964.6A patent/CN113779341B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1595203A (zh) * | 2004-06-29 | 2005-03-16 | 中国国土资源航空物探遥感中心 | 高光谱矿物分层谱系识别方法 |
| JP2015040724A (ja) * | 2013-08-21 | 2015-03-02 | 住友金属鉱山株式会社 | 鉱物分析装置および鉱物分析方法 |
| 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 |
| CN111831712A (zh) * | 2020-07-14 | 2020-10-27 | 江苏三深光谱感知技术研究院有限公司 | 一种基于深度学习的矿物光谱数据快速检索方法及系统 |
| CN112730326A (zh) * | 2021-02-08 | 2021-04-30 | 中国石油化工股份有限公司 | 一种岩石薄片智能鉴定装置及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 袁迎辉;林子瑜;: "相山铀矿田地面光谱测量数据处理与分析", 测绘与空间地理信息, no. 03, 25 June 2008 (2008-06-25) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114354604A (zh) * | 2022-01-10 | 2022-04-15 | 西南石油大学 | 一种古老深层原生矿物的识别方法 |
| CN114354604B (zh) * | 2022-01-10 | 2023-09-08 | 西南石油大学 | 一种古老深层原生矿物的识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113779341B (zh) | 2024-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6140643A (en) | Method for identification of unknown substances | |
| US10916334B2 (en) | Sample analysis system | |
| Erguler et al. | Quantification of fragment size distribution of clay-bearing rocks after slake durability testing | |
| CN113537235A (zh) | 岩石鉴定方法、系统、装置、终端及可读存储介质 | |
| KR102226225B1 (ko) | 다양화 및 결함 발견을 위한 동적 비닝 | |
| JP6295474B2 (ja) | 分光学的探索アプリケーションにおいて対象の標準物質をタグ付けする方法 | |
| US20180067048A1 (en) | Unknown Sample Determining Method, Unknown Sample Determining Instrument, and Unknown Sample Determining Program | |
| CN113779341A (zh) | 基于数据库的矿物种类确定方法、装置、终端及介质 | |
| CN115148299A (zh) | 一种基于XGBoost的矿床类型鉴别方法及系统 | |
| CN101276358A (zh) | 专利技术关联性分析方法 | |
| Weisler et al. | Determining the geochemical variability of fine‐grained basalt sources/quarries for facilitating prehistoric interaction studies in Polynesia | |
| CN104933096B (zh) | 数据库的异常键识别方法、装置与数据系统 | |
| Hofer et al. | Impact of geometric and petrographic characteristics on the variability of LA test values for railway ballast | |
| 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 | |
| Gabbott et al. | Systematic analysis of exceptionally preserved fossils: correlated patterns of decay and preservation | |
| Todoroki et al. | Automated knot detection with visual post-processing of Douglas-fir veneer images | |
| Visalli et al. | Unraveling textural and chemical features in volcanic rocks through advanced image processing: A case study from the 2019 paroxysmal eruptions of stromboli | |
| CN109211814B (zh) | 一种基于三维光谱曲面分区特征的土壤剖面类型识别方法 | |
| CN116433446A (zh) | 基于传感器数据交互的生产安全监测方法及系统 | |
| Anderson et al. | Within-mill variation in the means and variances of MOE and MOR of mill-run lumber over time | |
| Lester et al. | An automated image analysis system for major maceral group analysis in coals | |
| Ehmann | Silicon abundances in some meteorites and standard rocks by activation analysis | |
| Buse et al. | Evaluating X-ray microanalysis phase maps using principal component analysis | |
| Kurpiel et al. | Using portable X-ray Fluorescence (pXRF) to source stone artefacts in Australia | |
| US7827037B2 (en) | System, method and apparatus for providing feed toxin information and recommendations |
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 |