光性矿物检索鉴定程序设计原理与应用_王陆新.pdf

2013 年 12 月 December 2013 岩矿测试 ROCK AND MINERAL ANALYSIS Vol． 32，No． 6 938 ～943 收稿日期 2013 －04 －25; 接受日期 2013 －05 －21 作者简介 王陆新， 硕士， 矿物学、 岩石学、 矿床学专业， 研究方向沉积岩石学。E- mail wangluxin pku． edu． cn。 文章编号 0254 －5357 2013 06 －0938 －06 光性矿物检索鉴定程序设计原理与应用 王陆新1， 2，房庆华2，吴朝东1 1． 北京大学造山带与地壳演化教育部重点实验室，北京100871; 2． 山东科技大学地质科学与工程学院，山东 青岛266510 摘要 计算机技术常应用到镜下鉴定光性矿物工作中， 本文以 Visual Basic 为工具开发出用于镜下鉴定矿物 的辅助分析程序， 介绍了光性矿物鉴定程序的设计原理和使用方法， 包括矿物属性分析及赋值、 鉴定误差减 小方法及其应用。在光性矿物镜下鉴定时输入所观察矿物全部或部分光学性质， 通过程序计算与比较， 显示 出最可能的查询矿物。矿物检索以贵橄榄石为例， 在输入正确光性矿物属性的前提下， 可准确地得出鉴定结 果， 有效地提高了镜下矿物鉴定的效率和准确度; 查询结果中配有详细图片和属性描述， 可以进一步查询矿 物的详细光学性质、 成因产状及其他鉴定特征; 此外鉴定分析程序也可以用于建立矿物信息数据库。 关键词 矿物鉴定; 属性分析; 数据库; 程序设计; Visual Basic 中图分类号 P575; O212文献标识码 B 利用偏光显微镜鉴定矿物是矿物基础研究的主 要内容之一， 利用晶体光学的基本原理和方法研究和 鉴定矿物， 是一种最有效和最基本的方法 ［ 1 ］。在光性 矿物镜下鉴定的过程中， 由于存在不同矿物镜下特征 相似、 同种矿物镜下特征多变的现象， 使镜下矿物鉴 定具有一定的复杂性。为快速、 准确鉴定或研究镜下 矿物及其组合， 近年提出了多种方法或观点， 例如在 透明矿物薄片鉴定中利用计算机检索分析程序 ［ 2 －4 ］; 通过神经网络方法和模糊分析鉴定矿物 ［ 5 －6 ］; 利用数 字图形分析方法识别矿物和计算相对含量 ［ 7 －9 ］; 利用 旋转偏光显微镜载物台的光性变化鉴定矿物 ［ 10 ］。矿 物鉴定越来越多地与计算机技术相应用结合， 以上方 法实现了矿物成分识别和量统计的自动化。本文基 于 Visual Basic 程序开发工具， 提出一种光性矿物计 算机检索分析的方法， 此鉴定程序可作为光性矿物镜 下分析过程中的辅助工具。 1矿物鉴定需求分析与设计 矿物鉴定程序主要包括两方面 矿物属性分析 和程序算法设计， 矿物性质数字化是计算的基础， 算 法是程序分析矿物的中心， 将设计中的算法称为 “偏差计算” 。 在矿物的属性分析过程中， 首先统计矿物的属 性， 选取偏光显微镜下常用于鉴定矿物的属性 镜 下矿物的属性主要是指在偏光显微镜下矿物的性 质 ， 经过分类， 赋予属性代码值。程序计算过程为 通过输入观察矿物属性、 计算赋值， 综合不同矿物属 性值进行偏差计算， 得出若干可能的观察矿物， 最后 按照可能性大小排序， 以属性列表形式显示结果。 此过程中还可以调取数据库中有关矿物的详细信 息， 如矿物典型的镜下矿物特征描述、 常见镜下图 片、 光性方位资料等。鉴定程序以矿物信息交互为 主， 兼顾处理需求 ［11 －12 ］， 主要功能分别是 鉴定矿 物、 查看矿物、 矿物管理。鉴定矿物下分为非均质矿 物和均质矿物， 矿物管理分为添加矿物、 矿物分类、 新矿物鉴定 图 1 ， 在查询矿物的模块中， 适当增加 一些辅助性的窗体， 例如颜色的选择窗体中， 由于其 属性分类较多， 单独添加一个属性选择界面 ［13 ］。 2矿物镜下鉴定分析原理 镜下鉴定矿物的关键是程序分析的算法， 算法 的要求为具有合理性、 准确性和有效性， 是正确鉴定 矿物的基础， 程序分析中采用的算法称之为偏差计 算， 辅以比较交换法排序 ［14 －15 ］， 既通过属性选择窗 体， 提取所观察矿物的数据值和数据库中记录的所 有矿物属性值， 经过具有修正系数的函数式计算比 839 ChaoXing 图 1鉴定程序组织结构图 Fig． 1The organization chart of software 较后， 按照属性偏差量大小排序， 最后得出最相近的 矿物， 并在相应的窗体中显示出 ［16 ］。算法的基本原 理公式简写为 f n Σ 10 i 1ci μ i A n i－ B ni 1 式 1 中， f n 矿物属性特征曲线误差函数; c标准化变换系数， 取值范围以 100 为参考基数; μ权重变换系数; i矿物镜下属性分类; A n 标准矿物属性值; B n 检索矿物属性值。 图 2矿物属性值及特征曲线对比图 Fig． 2Map of mineral attribute values and the comparison of characteristics curve 将光性矿物镜下属性值投影连线， 构成矿物特 征曲线， 通过矿物的特征曲线可对比各矿物属性变 化及属性间区分度， 每种矿物属性赋值后都有其对 应的属性特征曲线 图 2 ， 矿物特征曲线误差函数 f n 是一个求和函数， 各项由标准矿物属性值A n 与检索矿物属性值 B n 差的绝对值经过标准化变 换系数 c 和权重变换系数 μ 修正之后加和， 得到 矿物属性特征曲线误差函数值 ［17 ］， 通过比较函数值 误差大小就可以判断鉴定矿物与标准矿物的相似 度， 从而确定出最可能鉴定矿物。根据以上偏差计 算的方法， 针对矿物属性数据特征和计算要求， 鉴定 程序设计的中心算法的表达式为 Mineral_Table x Σ 10 i 1 ci ui Abs b i{ － Mineralx i} 2 式 2 中， Mineral_Table x 矿物数据记录数组; b i 输入矿物属性值数组; Mineralx i 矿物属 性数组; x矿物编号; i矿物镜下属性分类。 程序计算时获取数据定义 24 个数据类型， 包括 矿物的编号、 名称、 属性特征等， 其中有 10 个数据类 型储存矿物的性质 i ， 其余数据为计算中的数据比 较交换变量。矿物特征曲线误差函数在程序中实现 公式 2 ， 每个矿物数据记录数组 Mineral_Table 经过矿物属性数组 Mineralx i 输入矿物属性值数 组 b i 做差、 修正、 求和之后得出。算式中的系数 为修正系数， 用于提高公式的准确性， 数值可以根据 不同矿物属性观察的准确性设置。在镜下通过输入 所观察矿物的属性值， 利用中心算法， 对矿物所观察 属性值进行偏差计算， 未观察到的属性值计算中自 动舍去。比较排序采用循环计算， 得出各个矿物与 所观察矿物的运算值， 并按照特征曲线点误差和即 矿物间相似性进行排序， 误差值从小到大依次列出 939 第 6 期王陆新， 等 光性矿物检索鉴定程序设计原理与应用第 32 卷 ChaoXing 计算结果。 如果所观察矿物性特征曲线点误差和的数值偏 大， 则观察矿物属性区别于标准矿物属性， 矿物特征 曲线误差和数值偏小， 说明测试矿物与标准矿物之 间各属性越相近。 3矿物属性分析及赋值 3． 1矿物属性划分及数字化 矿物显微镜下光学性质包括 薄片中颜色、 突起、 解理、 最高干涉色﹑消光类型﹑延长符号、 双晶、 光轴 性、 形态和消光角等属性 ［ 18 ］， 在光性矿物检索鉴定程 序中， 选择以上矿物的属性作为镜下鉴定的主要依 据。在矿物不同属性赋值以整数代表属性中的某一 类， 取值范围与属性的分类有关， 有的属性可以分为 几个大类， 各大类又可继续分为几个小类， 如矿物致 色主要与离子有关， 镜下颜色的多变性是常见的， 所 以在数字化中进行了详细属性划分， 将颜色属性分为 四大类 无色﹑无色透明﹑有色和不透明， 属性分别 赋值为1、 2、 3。将有色属性继续分为四类， 分别是 单 色、 弱单色、 混合色、 弱混合色 表 1 ， 单色为颜色比 较浓且纯的颜色， 如绿色， 蓝色等， 弱单色为颜色较浅 的单色， 混合色为各种单色的过渡色， 如黄绿、 蓝绿、 橙黄等， 按照主要的颜色分为一类， 如将黄绿、 蓝绿分 为一类， 弱混合色为各种弱单色之间的过渡色， 如浅 黄绿， 分别以整数赋值5 ～42。 表 1颜色属性分类及编号 Table 1Classification and number of color attribute 单色赋值浅单色赋值 红色5浅红色15 褐色6浅褐色16 绿色7浅绿色17 紫色8浅紫色18 蓝色9浅蓝色19 黄色10浅黄色20 灰色11浅灰色21 棕色12浅棕色22 黑色13浅黑色23 橙色14浅橙色24 混合色赋值浅混合色赋值 玫瑰红等25浅玫瑰红等35 黄褐红褐灰褐26浅黄褐红褐灰褐36 黄绿蓝绿等27浅黄绿蓝绿等37 灰紫色28浅灰紫色38 铜蓝色29浅铜蓝色39 褐黄橙黄等30浅褐黄橙黄等40 绿灰色31浅绿灰色41 黄棕色32浅黄棕色42 矿物突起属性分为负高突起、 负低突起、 正低突 起、 正中突起、 正高突起和正极高突起， 分别赋值为 1 ～6; 延长符号属性分为正延性、 负延性和不确定三种 情况， 分别赋值为1 ～3; 解理属性包括无解理、 一组解 理和两组解理等 14 种类型， 其中将一组解理情况细 分为不完全解理、 完全解理和极完全解理， 解理分类 各赋值为 1 ～14; 双晶类型属性分为无双晶、 简单双 晶、 轮式双晶、 聚片双晶和格子双晶共 5 种情况， 分别 赋值为1 ～5; 最高干涉色从 Ⅰ 级暗灰至Ⅳ级浅橙， 共记 20 种， 从低到高分别赋值 1 ～20; 矿物的光轴性分为 一轴正晶、 一轴负晶、 二轴正晶、 二轴负晶、 均质体矿 物和不透明矿物6 类， 分别赋值 1 ～6; 矿物的消光类 型分为平行消光、 斜消光、 对称消光和其他共 4 类; 分 别赋值为 1 ～4; 矿物的 2V 角近似值就应用其角度 值， 取值范围为0 ～90。有的矿物属性值具有多变性， 则以常见属性值为准， 取所有属性值的平均值， 以此 方法将其矿物属性数字化 ［ 19 ］ 表2 。 表 2矿物属性及其赋值 Table 2Mineral attribute and value 矿物 编号 名称颜色 突起 解理干涉色消光 延长 双晶光轴性 2V 角 形态 001贵橄榄石2528．52313．5843 002普通辉石 16．5557．5132．53602．5 003 普通角闪石 6．54．555．5212．546．91．7 004白云母13410．5216442．55 005黑云母644112164175 006石英2312．5211103 007方解石14．5411323203 008石膏22102．52363584 009透长石2251．52214224 010正长石1251．51224644 011微斜长石2251．51354644 3． 2矿物属性特征曲线 矿物镜下光学各种属性相异， 同类属性不同矿 物也表现不同， 都有其对应的属性特征曲线， 使通过 属性值鉴定矿物成为可能。例如在不同的矿物中颜 色多变， 其特征曲线振幅起伏变化大， 表明颜色是矿 物属性中区分度相对较高的属性， 矿物属性特征曲 线中可以看出， 在矿物不同属性中， 颜色、 解理和干 涉色属性种类多， 相对变化幅度大， 区分度较高， 延 长符号和光轴性属性分类少， 区分度相对较小。 光性矿物检索鉴定程序中， 可取值范围与矿物 属性分类有关， 由于每种矿物属性取值范围不同， 为 便于对比计算， 根据矿物最大取值范围， 对各个矿物 属性取值范围进行标准化统一， 以 100 作为基础对 049 第 6 期 岩矿测试 http ∥www． ykcs． ac． cn 2013 年 ChaoXing 照参数， 对原取值范围利用标准化系数变换 c ， 统 一为取值范围 100 的标准化变量 表 3 。 由于不同属性反应矿物本质的区分度不同以及 人们对其识别准确度不同， 采用权重系数 μ 来降低 不同矿物属性重叠误差和人为识别误差， 根据矿物鉴 定中的经验将矿物属性分为三类 一类属性反应矿物 本质且易于区分， 常用区别不同矿物， 如颜色、 解理、 最高干涉色和消光类型， 权重系数各为 15; 二类是 常用于区别矿物的属性， 但判断准确度相对较低的矿 物属性， 如识别矿物突起程度和不同晶体切面， 权重 系数分别为10; 三类是矿物区别属性相对不常用， 如延长符号、 双晶、 光轴性和消光角， 权重系数为5。 为提高鉴定结果的准确度， 各种属性的权重系数分配 并不是固定不变的， 根据实际应用情况可以调 整 ［ 19 －20 ］。将标准化变换系数与权重系数拟合， 最终 得出矿物属性的拟合修正系数 p ， 将应用中算法模 型误差和人为误差控制在可接受最小范围内。用以 上方法将常见矿物的各种属性划分及拟合， 部分矿物 鉴定性质划分及编号代码见表3。 表 3矿物属性分类及修正参数 Table 3Classification of mineral attribute and correction parameters 镜下矿物 属性 最大 取值 max 最小 取值 min 取值 范围 标准化变换 系数 c 基数100 权重/ 权重变换 系数 μ 拟合修正 系数 p 颜色421422．38150．150．36 突起61616．67100．11．67 解理141147．14150．151．07 干涉色201205150．150．75 消光41425150．153．75 延长31333．3350．051．67 双晶5152050．051 光轴性61616．6750．050．83 2V 角90 0901．1150．050．056 形态201205100．10．5 3． 3鉴定界面设计 按照上述分析设计光性矿物检索鉴定程序的主 界面 图 3 和代码， 主界面包括了颜色、 突起、 解理 和干涉色等选项 ［21 ］， 使用者可以输入镜下所观察到 的全部或部分光学性质 ［22 ］。有的界面如颜色属性 值较多， 将有色分类增加到新窗口中， 对话框下拉菜 单中包含了其他属性值， 其中设置了输入规范， 避免 人为误差， 如 2V 角的近似值输入框， 在光轴性为二 轴时才可输入。 图 3鉴定程序主界面 Fig． 3The main interface of the software 4矿物检索鉴定步骤 镜下矿物鉴定的步骤主要包括三部分 矿物镜 下属性的输入、 矿物属性对比分析和鉴定结果复查。 第一步 矿物镜下属性的输入。在鉴定薄片过 程中， 首先是输入所观察到的矿物性质， 为确保输入 规范性， 属性选择使用下拉菜单中的选项 图 3 ， 输 入镜下矿物属性， 以选择正高突起、 平行消光为检索 条件测试。 第二步 矿物属性对比分析与结果输出。经过 输入矿物属性与矿物属性库对比分析， 输出结果如 图 4a 所示， 文本框中列出了 8 个镜下光学性质最为 相近的矿物， 以可能性大小自高到低排序， 并显示了 矿物的颜色、 突起、 解离、 干涉色和消光类型等常见 属性， 其显示的个数可以根据需要设定， 如果进一步 确定查询的矿物， 可在窗口下部输入检索到矿物编 号， 查询矿物的具体属性， 下部提供了典型的镜下照 片， 便于直观形象的参考对比。 第三步 鉴定结果复查。进一步鉴定结果的详细 信息包括了常见的矿物的详细属性、 典型的镜下照片 和光性方位图 图 4b ， 可以通过其他模块方便的查 询和对比矿物， 包括一些常见的均质体矿物 ［ 23 －24 ］ ， 可 以对比矿物其它属性特征， 有助于判断镜下鉴定矿 物。如图 4b 所显示的检索结果第一个为“贵橄榄 石” ， 表明所观察的最可能矿物为贵橄榄石， 其次为紫 苏辉石、 绿辉石等， 通过选择其他常见矿物随机进行 测试， 程序分析效果具有较高的准确性和可重复性。 同时配有两套常见矿物镜下图片， 使对比更直观有 效， 有助于快速确定所观察的镜下矿物。 149 第 6 期王陆新， 等 光性矿物检索鉴定程序设计原理与应用第 32 卷 ChaoXing 图 4 a 程序测试结果; b 矿物详细信息查看输出 Fig． 4 a Program Results output; b mineral detailed view 5结语 光性矿物镜下鉴定程序对矿物鉴定进行了定量 化， 采用了偏差计算和修正系数等方法， 增加了标准 化系数、 权重系数和拟合系数等参数， 提高了矿物鉴 定效率与准确度， 减少了人为因素干扰; 光性矿物鉴 定程序应用结果表明， 在正确输入矿物属性的基础 上可快速检索到所分析矿物; 特征曲线对比分析有 助于研究矿物的各种特征及规律， 直观地反映矿物 之间的联系和区别; 矿物鉴定结果与输入的矿物属 性的种类和准确度密切相关， 输入的正确观察属性 可减小人为误差; 该程序同时可作为有关矿物的资 料库， 为有关矿物学方面的工作提供支持。 光性矿物检索鉴定程序在一定程度上提高了镜 下鉴定矿物的效率和准确度， 但是矿物镜下光性鉴 定较为复杂， 需要实际工作经验的积累， 许多技术和 方法只是起到辅助作用。同时也存在适用范围和系 统误差的不足， 如果选择观察属性过少， 可能受非类 似矿物小差值结果的影响， 降低程序分析结果的准 确度， 这些误差在分析中需要注意。晶体的光学性 质决定于内部的物质成分和结构， 如消光角属性的 取值反映了消光角的大小， 矿物属性划分取值趋向 于更深入反映矿物内部的本质差异， 将是下一步的 研究方向。 6参考文献 ［ 1］易善锋． 结构光性矿物学［J］ ． 地球科学进展， 1991， 6 3 92 －93． ［ 2］Harvey P K，Atkin B P． A computer system for opaque mineral identification ［J］ ． Computers ＆ Geosciences， 1979， 5 3 －4 375 －386． ［ 3］Reeves M． MINIDA BASIC program to assist in the optical identification of minerals in thin section ［J］ ． Computers ＆ Geosciences， 1989， 15 1 121 －133． ［ 4］彭媛媛， 李世超， 陈曼云， 常丽华． 透明矿物薄片鉴定 的计算机检索方法［J］ ． 吉林大学学报 地球科学 版 ， 2006 Z1 238 －240． ［ 5］Baykan N A，Ylmaz N． Mineral identification using color spaces and artificial neural networks［ J］ ． Computers ＆ Geosciences， 2010， 36 1 91 －97． ［ 6］Luo X，Dimitrakopoulos R． Data- driven fuzzy analysis in quantitative mineral resource assessment［J］ ． Computers ＆ Geosciences， 2003， 29 1 3 －13． ［ 7］Launeau P，Cruden A R，Bouchez J． Mineral recognition in digital images of rocks; a new approach using multichannel classification［ J］ ．The Canadian Mineralogist， 1994， 32 4 919 －933． ［ 8］Yesiloglu- Gultekin N， Keceli A S， Sezer E A， Can A B， GokceogluC， BayhanH．Acomputerprogram TSecSoft to determine mineral percentages using photographs obtained from thin sections ［J］ ． Computers ＆ Geosciences， 2012， 46 310 －316． ［ 9］黎小文． 电子探针图象处理程序自动定量统计矿石光 片矿物量［ J］ ． 岩矿测试， 1994， 13 1 11 －14． ［ 10］ Thompson S， Fueten F， Bockus D． Mineral identification using artificial neural networks and the rotating polarizer stage［ J］ ． Computers ＆ Geosciences， 2001， 27 9 1081 －1089． ［ 11］ Poppe L J，Eliason A H． A Visual Basic program to plot sediment grain- size data on ternary diagrams ［J］ ． Computers ＆ Geosciences， 2008， 34 5 561 －565． 249 第 6 期 岩矿测试 http ∥www． ykcs． ac． cn 2013 年 ChaoXing ［ 12］ Poppe L J，Eliason A H，Hastings M E． A Visual Basic program to classify sediments based on gravel- sand- silt- clay ratios［ J］ ． Computers ＆ Geosciences， 2003，29 6 805 －809． ［ 13］ Glass H J，Voncken J H L． An easy- to- use program for the determination of common opaque minerals［J］ ． Computers ＆ Geosciences， 2010， 36 12 1532 －1534． ［ 14］谢文平， 刘水强， 肖调云， 陈大钊． 算法语言与计算 方法基础［ M］ ． 北京 科学出版社， 2005 239． ［ 15］Nelson D R． CONCHA Visual Basic program for interactive processing of ion- microprobe analytical data ［ J］ ． Computers ＆ Geosciences， 2006，32 9 1479 － 1498． ［ 16］ 石书缘， 尹艳树， 和景阳， 冯文杰． 基于随机游走过程 的多点地质统计学建模方法［J］ ． 地质科技情报， 2011， 30 5 127 －131． ［ 17］石永泉． 编程计算确定岩石结构面产状［J］ ． 地质 科技情报， 2010， 29 1 126 －130． ［ 18］曾广策， 朱云海， 叶德隆． 晶体光学及光性矿物学 ［ M］ ． 北京 中国地质大学出版社， 2006 306． ［ 19］Kse C，Alp I，Ikiba爧 C． Statistical s for segmentationandquantificationofmineralsinore microscopy［ J］ ． Minerals Engineering， 2012， 30 19 － 32． ［ 20］Brandelik A． CALCMINAn EXCELTMVisual Basic application for calculating mineral structural ulae from electron microprobe analyses ［J］ ． Computers ＆ Geosciences， 2009， 35 7 1540 －1551． ［ 21］Ekneligoda T C，Henkel H． The spacing calculator softwareA Visual Basic program to calculate spatial properties of lineaments ［J］ ． Computers ＆ Geosciences， 2006， 32 4 542 －553． ［ 22］Yavuz F，Yavuz V，Sasmaz A． WinClastourA Visual Basic program for tourmaline ula calculation and classification［J］ ． Computers ＆ Geosciences， 2006， 32 8 1156 －1168． ［ 23］叶润青， 牛瑞卿， 张良培． 基于多尺度分割的岩石 图像矿物特征提取及分析［ J］ ． 吉林大学学报 地球 科学版 ， 2011， 41 4 1253 －1261． ［ 24］ 叶润青， 牛瑞卿， 张良培， 易顺华． 基于图像分类的矿 物含量测定及精度评价［J］ ． 中国矿业大学学报， 2011， 40 5 810 －815． The Program Principle and Application of Microscopic Identification of Minerals WANG Lu- xin1， 2，FANG Qing- hua2，WU Chao- dong1 1． Key Laboratory of Orogenic Belts and Crustal Evolution of Ministry of Education， Peking University，Beijing100871，China; 2． College of Geological Ination Science and Engineering，Shandong University Science and Technology， Qingdao266510，China Abstract The microscopic identification of minerals can often be improved with the use of computer technology． An auxiliary analysis program for the microscopic identification of minerals based on Visual Basic tools is described in this paper．Design s and procedures of the program，including mineral properties analysis and digitization，identification error reduction s are discussed． When using the application for determination of minerals，it is acceptable to complete or part of the optical properties of query minerals during microscopic observation． Through calculation and comparison，final search results can match most query minerals．The application analysis results demonstrate the accuracy and efficiency for identifying query minerals． The program can also identify more mineral ination，such as optical properties，the causes of the occurrence and identification characteristics． In addition，the program can be used to establish a mineral ination database． Key words mineral identification; attribute analysis; data base; software design; Visual Basic 349 第 6 期王陆新， 等 光性矿物检索鉴定程序设计原理与应用第 32 卷 ChaoXing