首飾鍍層檢測的解決方案——淺談XRF儀器FP算法的優勢

　　 首飾電鍍通常比較復雜，可能有多個鍍層，且鍍層包含合金，要檢測得到準確的厚度和成分，通常來說經驗算法的偏差都較大，而且樣品在未知組成的情況下無法得到正確的結果；而FP(Foundational parameters:基本參數法)就可以很好的解決這類問題，我們從以下兩個案例來展開來描述。

　　1. 未知樣品的檢測

　　 某客戶的戒指樣品，925銀鍍鈀，我們先用合金曲線掃描看看其成分。

　　圖1-1925銀鍍鈀全譜

　　 通過譜形，我們可以發現有雜質銅、鋅、鈷、銻等雜質元素，我們建立一個鍍層樣品的模型結構如下：

　　根據該模型，測試得到結果：

　　如圖1-2，很顯然，該結果有一些問題，首先，基材925銀的含量測成了97.825%。這個結果是有明顯問題的，然后檢查譜形，會發現更多問題，如下圖1-3：

　　圖1-3譜形局部-Cu/Zn/Co

　　如圖1-3所示，銅、鋅、鈷的計算譜（紫色線）與實測譜（橘黃色）沒有匹配。

　　圖1-4 譜形局部-Ag

　　如圖1-4所示，Ag的計算譜（紫色線）與實測譜（橘黃色）沒有匹配。

　　圖1-5 譜形局部-未知元素？Sb

　　如圖1-5所示，沒有計算未知元素（Sb）。

　　 考慮到第一個模型的缺陷，由于圖1-4所得銀的實測譜比計算譜更高，因此在925銀之上很可能還有一層鍍層銀，而且925銀通常不含Sb元素，所有Sb元素大概率在中間層，因此重新調整模型如下：

　　重新計算，得到以下結果：

　　圖1-6 925銀鍍銀銻合金再鍍鈀

　　　檢查譜形的擬合程度，計算譜與實測譜的匹配程度，來確認該結構模型是否正確。

　　圖1-7 全譜

　　如圖1-7，銀峰的計算譜（紫色線）與實測譜（橘黃色）匹配較好。

　　圖1-8 譜形局部-Cu/Zn/Co

　　圖1-9 譜形局部-Sb

　　如圖1-8和1-9所示，雜質元素的計算譜（紫色線）與實測譜（橘黃色）匹配較好。以上說明此次建模是準確的。

　　 該樣品的分析難度在于，925銀鍍了厚銀，而厚銀又包含了雜質銻。要準確分析各元素所屬層，以及一共有幾層，需要反復推斷，如果已知該樣品結構，那么樣品結構模型建立就比較簡單，在未知樣品結構時，需要反復建模來調整，并確保計算譜與實測譜匹配。

　　 對未知樣品的分析，經驗算法是無法推斷出925銀又鍍了一層銀的。而且沒有標樣的情況下，經驗算法更無法分析基材和中間鍍層的成分含量。

　　 FP算法的優勢在于比較準確的分析了未知樣品，而且在檢測厚度的同時給出了各層的成分和含量。

　　2. 不同層有相同元素的檢測

　　 貴金屬首飾電鍍通常由多個鍍層組成，經驗算法對每個鍍層的成分和厚度都是獨立分析的，忽略了各個鍍層之間相互作用的影響。因此，在復雜的樣品中，經驗算法的分析結果很容易受到樣品中其他成分的影響，從而導致測量偏差。比如這里有這樣一個樣品如下：

　　如果用經驗算法，其無法區分開第一層和第三層的金的特征射線強度，所以就無法建立模型，無法檢測這樣的樣品。

　　 應用FP算法，它會充分考慮到這個樣品各層的相互影響，比如吸收和散射，其對第一層金和第三層的金其特征線強度是分開計算，兩層金的特征譜形，分別顯示第一層和第三層金的特征譜形高度。

　　圖2-2 第1層金特征譜

　　圖2-3 第3層金特征譜

　　其計算結果如下：

　　圖2-4 計算結果

　　如上，FP算法可以輕松解決這種不同層卻同一元素的鍍層問題。

　　綜上所述，經驗算法在處理復雜樣品時容易出現測量偏差，需要在分析過程中考慮樣品的復雜性質和進行適當的校正處理，才能夠得到準確的分析結果。而使用基本參數法可以通過建立更準確的模型來解決這些問題，從而得到更準確的分析結果。

　　FP算法的強大的核心原因，在于其首先建立樣品的結構模型，同時根據X射線的激發模型、探測器的響應模型這三者模擬計算譜形，并與實測譜形匹配擬合迭代，最終計算出樣品準確的每一層厚度以及每一層的成分。

　　FP算法的優越性在于，可以分析未知樣品，可以檢測不同層但有相同元素的樣品，可以檢測多層合金鍍層樣品。其面對復雜應用是經驗算法、影響系數法無法比擬的。