1. 引言
铁矿石是支撑国民经济发展的主要矿产资源之一，是钢铁工业发展的物质基础，由于矿产资源短缺且不可再生，如何实现铁矿石资源的合理、高效、精准开采成为亟待解决的问题。 露天开采是一项大型开挖工程，确定岩石和矿体的分布是露天矿山生产规划的第一步，因此明确露天采场中矿物和岩石的分布，并准确提取此类信息以供后续开采规划使用尤为重要。 
然而，传统的矿石和岩石鉴定方法（如矿山取样、化学检测等）耗费大量人力物力，效率低下，已不能满足露天采场的生产需求。 高光谱遥感可以达到纳米级的光谱分辨率，可以捕捉到不同岩石和矿物的诊断光谱特征，使得利用宏观技术（高光谱遥感）检测微观信息（岩石和矿物）成为可能。 目前，岩石和矿物分布信息的提取和定量反演是高光谱遥感地质应用的重要方向，利用矿物光谱测绘、主成分变换和基于光谱特征提取的带比提取蚀变矿物信息已取得很大进展。 成像光谱技术的发展极大地促进了地质勘探方法的改进，提高了识别的准确性。 然而，混合像素的存在是传统岩石和矿物分布识别方法难以满足实际要求的主要原因。 混合像素分解技术是解释像素的重要手段，它可以从混合像素中分解所需的岩石和矿物信息，实现岩石和矿物的准确识别和定量反演。 
目前，随着现代信息技术、人工智能、大数据等新技术的不断涌现和快速发展，传统矿山正朝着无人采矿、智能采矿和智能采矿的方向发展。 本研究以露天采场为试验场，研究基于无人机成像光谱的露天铁矿石检测技术，为露天开采中矿石和岩石的分布和边界确定提供了新技术，也为露天无人开采中矿石和岩石的智能感知提供了新的思路。
2. 现场测试
2.1 研究区域概况
哑巴岭露天采场是矿石原料的重要产区，位于辽宁省鞍山市。 矿型为典型鞍山型铁矿，以赤铁矿为主，多为贫铁矿石，铁品位多在20%-35%之间，围岩主要包括千枚岩、绿泥石片岩、角闪石、混合花岗岩和云母片岩。
2.2. 数据收集和预处理
目前，大部分遥感地质研究数据主要来自卫星平台。 近年来，无人机高光谱技术逐渐成熟和完善，与其他传感器平台相比，无人机操作简单，可以调整航线和飞行高度，数据采集方式方便。 此外，由于无人机遥感的低海拔和高空间分辨率，大大提高了地面目标识别的精度，适用于小型矿区的地面调查。
并且由于数据采集周期短，保证了采场监测数据采集的灵活性和及时性。 因此，本研究采用搭载高光谱成像仪的无人机采集采场遥感数据，对无人机采集的高光谱图像进行大气校正、图像校正、图像拼接等一系列预处理。 由于900和1000nm波段的噪声严重，掩盖了地面物体本身的光谱信息，因此本研究消除了该波段的光谱信息，0空间分辨率为 5 m 和 245 波段的高光谱图像，如图 1 所示。
图1 无人机获取的研究区域光谱数据
对整个图像进行裁剪以获得目标研究区域，如图 2 所示。 图2中的白线是矿山地质部门根据实验室检测结果标出的矿体分布边界，白线圈划定的区域为矿体，周围区域为围岩。
图2：研究区矿体分布
2.3. 矿石遥感识别及矿体划界
本研究采用混合像素分解法对露天采场矿石和岩石的分布进行识别和提取。 由于矿体和围岩中矿物种类多、矿物种类复杂，粒径小，采用矿种作为端件较为复杂。 矿体中的矿型以赤铁矿为主，品位比较集中（约30%），矿体附近的围岩以千枚岩为主。 因此，为了简化工艺，在矿体中采用赤铁矿作为端元，在矿区内除少量积水、车辆和阴影特征外，还采用千枚岩作为围岩的端元。 最后，选取赤铁矿、千枚岩、积水、载体和阴影5种特征作为混合像素分解的端元。 手动选择感兴趣区域ROI的方法准确、可靠、简单、快速，但需要操作人员对研究区域有高度的了解。
图3 各端元的光谱曲线
5个端段的光谱曲线如图3所示，通过对比可以发现，围岩与矿体的光谱曲线存在一定差异，千枚岩在400 900nm波段内无明显的光谱特征，反射率值均较低， 分布集中，多在010~0.15 间隔。 由于Fe3+的电子跳跃，矿体的光谱在750 nm（红色波段）附近形成弱反射峰特征。 车辆整体反射率较高，阴影反射率较低且柔和，在可见光波段600nm之前吸水率较小，反射率较低，在700nm处达到峰值。 因此，混合像素分解技术可以根据光谱差异有效地区分不同的端元。 本研究采用全约束最小二乘算法编程运行，以研究区影像和5个端元谱作为输入数据，测试结果如图4所示，为矿体、围岩、阴影、积水、车辆丰度图。
将图4（a）与图2进行比较，发现混合像素分解技术提取的矿体与实验室测试划定的矿体分布基本一致。 然而，图2中人工划定的矿岩边界清晰，而混合像素分解技术划定的矿体边界模糊，可能在一定程度上反映了真实的矿体分布。 为了定量评价提取矿体的分布精度，对两种方法的结果进行了比较。 基于线性混合模型原理，利用矿体对应的丰度信息，按照以下公式计算其在露天采场中的分布面积。
图4 各端元丰度分布
其中 习 是第 i 个像素中矿物的丰度; r 是图像的空间分辨率 m; n 是单元格总数; s 是采场中某种矿物的分布面积，m2。 由式（7）计算得出，本研究试验提取的矿体分布面积为6236547m2，图3中矿体的划定面积为6785925m2，面积相对精度为9190%，提取结果理想。
3. 本章摘要
1）目前采场矿岩鉴别方法主要以传统的实验室方法为主，存在取样密度低、试验周期长、效率低、品位试验结果滞后等缺点，导致矿体边界划定不准确，严重影响后续生产。采用混合像素分解技术，利用无人机（UAV）采集研究区的成像光谱数据，研究了露天铁矿采场矿石和岩石的识别和自动提取方法。 现场试验结果表明，基于无人机高光谱技术的露天铁矿石划定技术能够有效勾勒铁矿体，精度高于现有室内实验室划定矿体区域，为实现矿石和岩石的智能感知提供了新的途径。
2）基于高光谱遥感技术，本研究仅进行矿石和岩石识别分析，未来将进行矿石品位反演研究。
推荐：
无人机机载高光谱成像系统iSPEChyper-VM100
基于小型多旋翼无人机的高光谱成像系统由高光谱成像相机、稳定云台、机载控制和数据采集模块、机载电源模块组成。 无人机机载高光谱成像系统通过独特的内置或外部扫描稳定控制，有效解决了微型无人机配备推扫式高光谱相机时因振动引起的图像质量差的问题，具有较高的光谱分辨率和良好的成像性能。