钾盐是一种主要作为 (KCl) 来源开采的矿物，通过地下开采或溶液开采提取。提取的钾盐通常被粉碎和加工以去除杂质，
从而增加 KCl 的浓度。该产品用作肥料、生产玻璃和制造碳酸钾等化学品和其他化合物。它还用于食品工业中作为盐替代品和牲畜饲料补充剂。
光卤石是一种水合钾镁氯化物矿物，会影响钾盐的开采，并在矿石的开采和加工过程中带来操作挑战。
钾盐和光卤石矿床通常与其他蒸发岩矿物（如岩盐、硬石膏或石膏）共生
近红外 (VNIR) 和短波红外 (SWIR) 光谱范围进行扫描。在 VNIR 和 SWIR 中分别产生 0.16 毫米和 0.77 毫米的像素。相机并排安装的扫描设置。使用参考灰色面板将数据校正为绝对反射率。
钾盐岩是主要的 KCl 来源。在此，钾盐矿物与岩盐和光卤石紧密共存。在 113 个样品中，83 个代表钾盐-岩盐类别（钾盐），而 17 个代表岩盐，
13 个代表光卤石-岩盐岩性。样品不是单一矿物，样品的岩性标签由现场操作员提供，包括确定的 KCl、MgCl2 和 Ca2+ 等级。
在 113 个样本中，KCl% 品位相差 0.0% - 97.8%，中位品位为 36.5%。报告的矿山平均品位 26% KCl 并未体现在提供的样本集中，
而是引入了广泛的变化范围，以涵盖较小样本中可能预期的 KCl 品位的全部范围。钾盐-岩盐岩性是 KCl 的主要来源，
光卤石-岩盐代表 KCl 含量的中值，MgCl2 含量高达 33%。
由于 KCl 与钾盐有关，因此建立了分类模型来定义钾盐-岩盐岩性所占的区域。
钾盐-岩盐的光谱与光卤石-岩盐和岩盐岩性相比显示出足够但微妙的光谱差异。
顶部：VNIR，底部：三种主要岩性的 SWIR 光谱图
为了实现岩性分类，我们训练了一个 PLS-DA 模型。由于样本明显具有异质性，因此基于全样本平均光谱训练分类模型。
在 113 个样本中，91 个用于训练，22 个用于测试。SWIR 分类显示出良好的分类结果，其中 87% 的训练集可以正确分类，
85% 的测试集可以正确分类。逐像素分类显示了样本的异质性，即通过将可见区域中的“岩盐”分类为样本中的“白灰色”
左：VNIR，真彩色 RGB：中和右：基于代表钾盐-岩盐的样本的 SWIR 分析。
中：基于 SWIR 的岩性分类。黑色像素表示未分类的像素；
右：基于 SWIR 的每个像素的 KCI% 含量预测。
为了进行半定量分析，我们根据提供的地球化学数据训练了一个 PLS 模型。
发现当分别根据每个参数（MgCl2、KCl 和 Ca2+）和每个岩性训练不同的单变量模型时，可以取得最佳效果。
上图显示了基于一个样本的 SWIR 数据的 KCl 预测。
这项可行性研究展示了使用高光谱相机对不同岩性进行光谱建模以及对矿物的出现和空间分布范围进行分类的能力。
在此基础上，可以进一步开发在线或离线分类模型，并实施现场实时分类。
