基于多光谱数据融合的矿物学物质成分测试方法和系统

本申请提供一种基于多光谱数据融合的矿物学物质成分测试方法和系统。其中，该方法包括：在拉曼光谱信号与可见光吸收光谱的叠加区域内，采用小波变换分离出由铁元素的氧化态引起的第一特征干扰信号和由锰元素的氧化态引起的第二特征干扰信号；分别对第一特征干扰信号的强度和第二特征干扰信号的强度进行空间加权，以构建多维特征向量,输入至预先训练好的残差神经网络，结合伽玛能谱仪测得的放射性衰减参数，生成包含矿物相、类质同象替代比例、颜色成因解析数据和放射安全等级的矿物学物质成分测试结果。本申请能够实现多光谱数据与放射参数的协同解译，提升矿物成分分析精度，同步解析颜色成因机制并量化评估放射性风险等级。