(General session) Mining and underground construction machineries / Rock Engineering / Mining technologies

[3108-13-06] Iron ore grade estimation using visible and near-infrared hyperspectral imagery and HapkeCNN

○Narihiro Owada¹, Kazuki Tatsuta¹, Brian Sinaice¹, Hisatoshi Toriya¹, Tsuyoshi Adachi¹, Atsushi Shibayama¹ (1. Akita University)

Chairperson：玉村 修司（幌延地圏環境研究所）

Keywords:Hyperspectral Imaging, Iron Ore, Machine Learning

ハイパースペクトルイメージング（HSI）は空間情報と物質固有のスペクトル情報とを同時に記録できる分光イメージング技術である。HSIは遠隔から安全にデータを取得でき、鉱物固有のスペクトルから鉱物をマッピングできるという特徴を持つため鉱山露頭のモニタリングへの導入が試みられている。特に鉄鉱石鉱山では、鉄を含む鉱物が可視近赤外領域で特徴的な吸収スペクトルを有するためにHSIを利用した鉄鉱石の品位予測・マッピング手法が開発されている。アンミクシングはスペクトルから混合物試料の成分を予測する手法のひとつで、測定された混合物試料のスペクトルを純粋な端成分のスペクトルの組み合わせとみなし、端成分ごとのスペクトルに分解することで試料の成分を予測する。しかしHSIで得られる反射スペクトルの生成過程は非線形であり、線形性を仮定する従来のアンミクシング手法では試料品位の高精度の予測は困難である。そこで、本研究では非線形性をとらえることのできるアンミクシング手法であるHapkeCNNを用い、鉄鉱石の品位推定を試みた。またHapkeCNNと既存の品位推定モデルを比較し、鉄鉱石に対する品位推定モデルの性能を定量的に評価した。