(Poster session/Short oral-presentation) Earth & Resources

[2105-19-15] Iron ore grade estimation using machine learning and visible and near-infrared hyperspectral imaging

○Narihiro OWADA¹, Hisatoshi Toriya¹, Brian Sinaice¹, Adachi Tsuyoshi¹, Hajime Ikeda¹ (1. Akita University)

Chairperson: Naoki Kinoshita (Ehime University)

Keywords:visible near-infrared hyperspectral imaging, machine learning, iron ore

ハイパースペクトルカメラ（HSカメラ）を利用したリモートセンシングは、地表面の地質情報の特定・定量化に利用されている。またHSカメラを適用し大規模な露天掘り鉱山における採掘の自動化へ向けた研究が進んでいる。本研究では、HSカメラで取得した可視近赤外分光画像と機械学習を用いた鉄鉱石の品位推定手法を提案する。鉄鉱石は可視近赤外領域に特有な電磁波吸収が存在するため、先行研究により電磁波波長の関数であるスペクトルの特徴と鉄鉱石品位の相関が示されている。しかし、このスペクトルの特徴と対象鉱物の粒子との間の関係は、物質の数や種類、質量分率や粒子径、照明・被写体・カメラの位置関係などに影響され、反射スペクトルが複雑になっているため完全な予測は難しい。そこで本研究では、人為的にスペクトルの特徴を選んでいた従来手法とは異なり、スペクトルの特徴を自動で抽出する機械学習を利用した。いくつかの品位の異なる鉄鉱石試料をHSカメラで撮影し、得られた分光画像よりスペクトルを抽出した後、スペクトルと品位の関係を機械学習モデルに学習させた。テストデータに対し学習済みモデルで品位の推定を行い、その性能を定量的に評価した。