来源：期刊VIP网 时间：
作者：郭晋盛;董伟楠;张克灿;郭宝;
单位：福州大学紫金地质与矿业学院;
摘要：为实现浮选过程中矿物颗粒表面化学性质的在线检测，本研究以表面增强拉曼光谱（SERS）技术为基础，利用电沉积法在氧化铟锡（ITO）导电玻璃表面制备纳米金膜，将其作为SERS基底，在金表面通过自组装形成惰性二氧化硅单分子隔绝层，可实现对吸附在矿物颗粒表面的捕收剂分子的原位检测。针对生产过程中矿石品位多变的特性，分别使用竞争自适应重加权算法（CARS）和基于多尺度自动峰值检测（AMPD）算法，对不同辉铜矿含量样本的SERS数据进行特征信号的提取，采用反向神经网络判别算法（BP）和偏最小二乘算法（PLS）构建模型，基于药剂的饱和吸附对辉铜矿含量进行预测。经过对比，AMPD算法选出的特征点能更准确的反映吸附分子的特征峰，并且BP神经网络算法构建的模型精度优于PLS算法。AMPD-BP神经网络模型预测均方根误差（RMSEP）为0.02664，相关系数（R）为0.9755，模型表现出良好的预测性能。SERS法结合机器学习能够实现浮选过程中矿物颗粒表面性质的在线检测，为药剂吸附量的检测和浮选智能优化系统提供方法支持。
关键词：表面增强拉曼光谱(SERS);;辉铜矿;;原位检测;;机器学习
