基于近红外光谱的铁矿石谱图数据集

该数据可应用于固废识别、矿石智能分类、元素分布分析、模型误差校准等全流程智能识别场景，为基于近红外光谱的铁矿石谱图提供了可参照的模型，具有重要意义。

This dataset can be applied to end-to-end intelligent recognition scenarios including solid waste identification, intelligent ore classification, element distribution analysis and model error calibration. It provides a referable model for near-infrared spectroscopy-based iron ore spectra, holding significant research and application value.

搜集汇总

背景与挑战

背景概述

该数据集包含1700条近红外光谱样本（波长范围950-1680nm），专门用于区分正常矿石光谱与固废光谱的二分类识别。采用深度学习模型实现97.8%的验证准确率，可有效识别生产过程中的异常固废混入，为矿物分拣和环保监测提供可靠的光谱识别依据。