基于固化水泥浆回填料，利用高光谱成像技术实现精确且无损地确定实际浓度的方法

《International Journal of Minerals Metallurgy and Materials》：Precise and non-destructive approach for identifying the real concentration based on cured cemented paste backfill using hyperspectral imaging

水泥浆体回填（CPB）技术通过固化废石、尾矿实现安全开采，但现场浓度与设计值存在差异。本研究创新性提出基于高光谱成像（HSI）的原位非破坏监测方法，发现浓度变化引起光谱反射率线性相关（1407 nm特征峰），并验证SVM算法（C=200, Gamma=10）在浓度识别中准确率达98.24%，优于KNN算法。

　　

摘要

水泥浆体充填（CPB）是一种通过用废石、尾矿和其他材料填充采空区来实现安全采矿的技术。它是应对深部及高难度矿山开发、满足环境保护和安全法规要求的必然选择。该技术通过开发低品位资源和利用废弃物，促进了矿山循环经济的发展，并延长了矿山的服务寿命。固体成分的质量浓度（简称“浓度”）是CPB的关键参数。然而，由于地下水流入以及采空区内部物质分离等因素，现场测量值与预先设计的数值之间往往存在差异，而这些因素在CPB固化后无法进行评估。本文创新性地提出了一种原位无损方法，利用高光谱成像（HSI）技术在CPB固化一定天数后识别其实际浓度。首先，通过对CPB样品进行高光谱扫描实验，研究了不同浓度条件下的光谱变化规律。结果表明，随着CPB浓度从61wt%增加到73wt%，整体光谱反射率逐渐升高，并在1407 nm和1917 nm处观察到两个明显的吸收峰。值得注意的是，1407 nm处的反射率与浓度之间存在强烈的线性关系。随后，采用K近邻（KNN）和支持向量机（SVM）算法对不同浓度进行分类和识别。研究发现，当KNN算法中最近邻的数量（K）为1时，准确率最高，但会导致过拟合；当K=3时，模型在准确率和稳定性之间达到了最佳平衡，准确率为95.03%。在SVM算法中，当正则化参数C=200、核系数Gamma=10时，准确率达到了98.24%。通过对精确度、准确率和召回率的比较分析，进一步证实SVM在识别CPB浓度方面具有更高的稳定性和精度。因此，HSI技术为CPB浓度的原位无损监测提供了一种有效的解决方案，为优化和控制CPB特性参数提供了有前景的方法。

水泥浆体充填（CPB）是一种通过用废石、尾矿和其他材料填充采空区来实现安全采矿的技术。它是应对深部及高难度矿山开发、满足环境保护和安全法规要求的必然选择。该技术通过开发低品位资源和利用废弃物，促进了矿山循环经济的发展，并延长了矿山的服务寿命。固体成分的质量浓度（简称“浓度”）是CPB的关键参数。然而，由于地下水流入以及采空区内部物质分离等因素，现场测量值与预先设计的数值之间往往存在差异，这些因素在CPB固化后无法进行评估。本文创新性地提出了一种原位无损方法，利用高光谱成像（HSI）技术在CPB固化一定天数后识别其实际浓度。首先，通过对CPB样品进行高光谱扫描实验，研究了不同浓度条件下的光谱变化规律。结果表明，随着CPB浓度从61wt%增加到73wt%，整体光谱反射率逐渐升高，并在1407 nm和1917 nm处观察到两个明显的吸收峰。值得注意的是，1407 nm处的反射率与浓度之间存在强烈的线性关系。随后，采用K近邻（KNN）和支持向量机（SVM）算法对不同浓度进行分类和识别。研究发现，当KNN算法中最近邻的数量（K）为1时，准确率最高，但会导致过拟合；当K=3时，模型在准确率和稳定性之间达到了最佳平衡，准确率为95.03%。在SVM算法中，当正则化参数C=200、核系数Gamma=10时，准确率达到了98.24%。通过对精确度、准确率和召回率的比较分析，进一步证实SVM在识别CPB浓度方面具有更高的稳定性和精度。因此，HSI技术为CPB浓度的原位无损监测提供了一种有效的解决方案，为优化和控制CPB特性参数提供了有前景的方法。