案例——拉曼系统对矿物质进行分类

背景：

拉曼光谱学是分析固体、液体、气体和泥浆的一种方法。它可以定量和定性地测定化学成分，并可测量几乎任何一种物体的化学结构。它可以用来识别单个矿物也可以识别几种矿物的复合材料。就像NIR和XRF传感器一样，Raman光谱分析物体的表面。此外，它还能给出被分析物体的物质成分的信息。这一特性对于矿物质的分类是至关重要的，因为矿石中矿物的浓度会影响分类过程预期的结果。

实验方法：

用特别搭建的拉曼系统对矿物样品进行分类。然后对测量的光谱进行处理，将拉曼峰从光谱的环境成分中分离出来。拉曼光谱与相关分类器一起使用来确定哪些样品属于哪一类材料。

样品：直径1-10cm的白云石、大理石、方解石和黄铁矿

实验设备（拉曼系统）：532nm光纤耦合激光器、OEM Raman spectrometer (Horiba Scientic)、super head（线滤器和瑞利滤光片组成）、薄型背照式CCD传感器、Titech扫描仪。

结果：

进行数据分处理和析，原始谱线减去它多项式拟合的曲线得到的剩余曲线，剩余曲线中包含随机噪声和特征峰，认为这些特征峰是拉曼散射导致的拉曼峰。分析和分类都是基于估计拉曼光谱的相关关系。我们将一个样本作为一个单一的度量或像素。为了进行分析，我们绘制了每个样本光谱与数据集的其他样本的相关性，理想的结果是在矩阵的对角线上，所有其他区域都是黑色。同时，也基于拉曼光谱的相关性。每个类的平均光谱与每个样品的光谱相关。样本分类根据哪个类给出了最高的相关值。

对原始光谱进行处理得到一个剩余谱线

各个样品的拉曼光谱

通过处理拉曼光谱，我们得到了测量结果的拉曼图。下面是大理石的拉曼图，左图是大理石样品的强度图，右图是拉曼强度图相应的分类结果。标0的像素属于背景，标1的像素标识是方解石、标3是白云石、标5的是大理石。测量结果表明，该方法对大理石有良好的效果。有一些分类为白云石，但是大部分的样品都被正确地分类为大理石。

一个大理石样品的经典拉曼结果。0代表背景，1方解石，3个白云石和5个大理石。

下图显示了正在调查的所有矿物的相关矩阵。主要是对方解石和白云石进行鉴别，并在大理石中检测黄铁矿夹杂物。该混沌矩阵表明，方解石与白云石之间存在一定的相关性，但相关性并不高。因此这两种材料可以用拉曼光谱法来区分。由于黄铁矿和白云石之间存在着高度的相关性，检测在大理石中包含他们是一项具有挑战的任务，需要进一步的数据分析。此外，方解石、白云石、黄铁矿和大理石的鉴别需要大量的数据分析，因为所有材料之存在相关性。这是由相关矩阵清楚地显示出来的。

总结：

在这篇论文中，已经证明了Raman光谱是一种很有前景的矿物分类技术。对样品进行了扫描:即拉曼光谱在样品表面的一系列点上进行测量，以提供低分辨率的图像。大多数的反射光都是由于Rayleigh的散射和被屏蔽的光，拉曼峰是通过信号处理技术从背景荧光中分离出来。测量的相似性是通过估计拉曼光谱的相关性计算出来的。基于这种相关性的一个特征用来对光谱进行分类，从而对图像进行分割。我们的分类结果是混合的:几个材料的拉曼光谱是无法区分的;其他材料有独特的光谱。Raman的光谱，本身不是一种通用的矿物分类解决方案。然而，它确实提供了一些有用的信息，用于区分不同的矿物类别。

REFERENCES

[1] R. Gill. Modern Analytical Geochemistry: An Introduction to Quantitative Chemical Analysis for Earth,Environmental and Materials Scientists. Addison Wesley Longman Ltd., Harlow, England, 1997.

[2] M. Robben. Intelligent Sensor Systems, volume 52. Bau Verlag, 2011.

[3] Horiba Scientic. Raman faq. Technical report, 2011.

[4] B.A. Wills and T.J. Napier-Munn. Wills Mineral Processing Technology. Butterworth Heinemann Press,2006. ISBN: 978-0-750-64450-1.

[5] H. Wotruba. Sensor based sorting. Lecture notes 2011. Department for Mineral Processing at RWTH AachenUniversity.

[6] H. Wotruba. Sensor-based sorting of metalliferous ores an overview. Sensorgestuetzte Sortierung, 2006.

来源：来自Martin De Biasio等的文章“Industrial Raman Mapping Spectroscopy for Mining

Applications”.