CN111398208A - 一种利用近红外技术对传统工艺翡翠进行快速鉴定的方法 - Google Patents
一种利用近红外技术对传统工艺翡翠进行快速鉴定的方法 Download PDFInfo
- Publication number
- CN111398208A CN111398208A CN202010321850.7A CN202010321850A CN111398208A CN 111398208 A CN111398208 A CN 111398208A CN 202010321850 A CN202010321850 A CN 202010321850A CN 111398208 A CN111398208 A CN 111398208A
- Authority
- CN
- China
- Prior art keywords
- jadeite
- sample
- samples
- infrared
- established
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 229910052640 jadeite Inorganic materials 0.000 title claims abstract description 187
- 238000000034 method Methods 0.000 title claims abstract description 107
- 238000005516 engineering process Methods 0.000 title claims abstract description 40
- 239000010977 jade Substances 0.000 claims abstract description 78
- 238000012360 testing method Methods 0.000 claims abstract description 49
- 238000013210 evaluation model Methods 0.000 claims abstract description 47
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 45
- 239000000126 substance Substances 0.000 claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims abstract description 41
- 238000012567 pattern recognition method Methods 0.000 claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 239000000523 sample Substances 0.000 claims description 139
- 238000001228 spectrum Methods 0.000 claims description 77
- 238000012545 processing Methods 0.000 claims description 71
- 239000003292 glue Substances 0.000 claims description 23
- 238000004497 NIR spectroscopy Methods 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 238000012937 correction Methods 0.000 claims description 20
- 230000000694 effects Effects 0.000 claims description 20
- 230000008030 elimination Effects 0.000 claims description 20
- 238000003379 elimination reaction Methods 0.000 claims description 20
- 238000010606 normalization Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 18
- 239000000835 fiber Substances 0.000 claims description 18
- 239000000047 product Substances 0.000 claims description 11
- 239000002253 acid Substances 0.000 claims description 9
- 241000579895 Chlorostilbon Species 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000004043 dyeing Methods 0.000 claims description 4
- 239000010976 emerald Substances 0.000 claims description 4
- 229910052876 emerald Inorganic materials 0.000 claims description 4
- 238000000227 grinding Methods 0.000 claims description 4
- 239000011265 semifinished product Substances 0.000 claims description 3
- 238000005406 washing Methods 0.000 claims description 3
- 239000010432 diamond Substances 0.000 claims description 2
- 229910003460 diamond Inorganic materials 0.000 claims description 2
- 238000000691 measurement method Methods 0.000 claims description 2
- 239000002994 raw material Substances 0.000 claims description 2
- 238000003556 assay Methods 0.000 claims 2
- 239000000203 mixture Substances 0.000 abstract description 34
- 230000003595 spectral effect Effects 0.000 description 10
- 229910052799 carbon Inorganic materials 0.000 description 8
- 238000013178 mathematical model Methods 0.000 description 7
- 241001465754 Metazoa Species 0.000 description 5
- 238000010306 acid treatment Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 229910052500 inorganic mineral Inorganic materials 0.000 description 4
- 239000011707 mineral Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 229920005989 resin Polymers 0.000 description 4
- 239000011347 resin Substances 0.000 description 4
- 229920003002 synthetic resin Polymers 0.000 description 4
- 239000000057 synthetic resin Substances 0.000 description 4
- 238000000701 chemical imaging Methods 0.000 description 3
- 229920001577 copolymer Polymers 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000010437 gem Substances 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000005416 organic matter Substances 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 3
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 2
- 238000001237 Raman spectrum Methods 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005554 pickling Methods 0.000 description 2
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 1
- BPQQTUXANYXVAA-UHFFFAOYSA-N Orthosilicate Chemical compound [O-][Si]([O-])([O-])[O-] BPQQTUXANYXVAA-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000003822 epoxy resin Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000009615 fourier-transform spectroscopy Methods 0.000 description 1
- 238000005470 impregnation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 229920000620 organic polymer Polymers 0.000 description 1
- 239000003960 organic solvent Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 229920000647 polyepoxide Polymers 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000001028 reflection method Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 235000012239 silicon dioxide Nutrition 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/87—Investigating jewels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N2021/3595—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using FTIR
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种利用近红外技术对传统工艺翡翠进行快速鉴定的方法，所述方法包括以下步骤：1)选择样品；2)采集一定数量有确切来源的传统工艺翡翠样品、现代A货翡翠样品，B货翡翠样品，B+C货翡翠样品、C货翡翠样品并分类；3)采集已知品质的翡翠样品的近红外光谱图，对近红外光谱图预处理，使用傅里叶近红外光谱仪扫描全部翡翠的近红外光谱；4)建立主成分‑马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判。总之，釆用近红外技术，应用数学、计算机科学、统计学，建立评判模型，使用化学模式识别方法，对“传统工艺翡翠”里由老工艺带入的少量有机混合物进行聚类判别分析，使之成为鉴别“传统工艺翡翠”的一项重要的判别指标。
Description
技术领域
本发明涉及翡翠鉴定领域，具体涉及一种利用近红外技术对“传统工艺翡翠”进行快速鉴定的方法。
背景技术
翡翠，也称翡翠玉、翠玉，是玉的一种。主要产自缅甸，缅甸翡翠以玉石优质闻名，市场上商业品级的翡翠玉石95％以上来自缅甸，因而翡翠又称缅甸玉。
由于历史和地理的原因，被称为“东方瑰宝”，翡翠经云南腾冲、瑞丽等边城输入我国，已有四五百年的历史。翡翠加工雕刻也具有相当长的历史，因此，民间遗存下较大量的旧时加工的翡翠，俗称“老翡翠”、“古翡翠”、“清代翡翠”、“清代皇家翡翠”或“明清翡翠”，在这里定义为“传统工艺翡翠”。
由于高档翡翠玉石的商品价值高，现代市场出现了以化学及物理处理的方法来仿高档翡翠，俗称B、B+C、C货，为此，国家制定《珠宝玉石鉴定》国家标准来维护消费者权益，用来区分天然A货翡翠和“处理”翡翠，目前实施的最新版是 GB/T16553-2017。
由于古代生产工具发展水平的限制以及改善翡翠耐久性防止开裂等需要，古人在加工翡翠至成品时的各个工序，从毛石、半成品、雕刻成形时，都进行加胶处理，目的是加固微裂隙、增强翡翠的加工打磨性能，防止打磨时掉渣、加强成品翡翠的保养和保护性能，表面浸胶优化处理，带入少量的生物有机共聚物，命名为“动物胶”，使得“传统工艺翡翠”成品特性不同于现代新加工的A货翡翠，“传统工艺翡翠”具有其特殊性，沿用国标GB/T16553-2017鉴定为“处理”翡翠。“传统工艺翡翠”与同为“处理”的以次充好为目的的现代造假的B、B+C、C货的本质特征不一样，翡翠B、B+C货的矿物由于用强酸处理时产生化学反应，化学成分已发生了改变，翡翠的主要成分已由硅酸盐变成了链状二氧化硅，发生了质变，且外来有机物的带入量大；而“传统工艺翡翠”尽管加工时也进行浸胶处理，但由于没经过酸处理，构成矿物质无本质变化，且外来有机物的带入量很少，主要属物理处理过程，对翡翠的装饰性能几乎无影响，它是古代持续几百年的加工工艺，是适合当时生产力发展水平的，同落后的加工工具相适应，是古人于长期的劳动实践中，根据翡翠易裂易碎的矿物特性而发明的加工工艺，对成品翡翠的保养，耐久性有较大好处；古代加工翡翠时采用的是经特殊工艺熬制的天然动物胶，其成分属于复杂的有机高分子混合物，而现代酸洗充胶采用的胶大多数属于人工合成树脂如环氧树脂等，成分比较单一，两者的化学组分相差很大，相应的近红外光谱数据也相差较大，可作为鉴别指标之一，具有统计学意义；现代A货翡翠主要含有少量的蜡类有机物，其化学组分也与动物胶相差较大。古代老翡翠是中国祖先留下的一笔巨大的物质和文化精神财富，因此有必要将它同现代造假的B、B+C、C货翡翠区分开来，单独列一类，命名为“传统工艺翡翠”。
目前国家没有针对“传统工艺翡翠”的鉴定标准，也没有企业标准。
国内外虽然有用近红外光谱技术区分天然A货翡翠和“处理”翡翠的文章报道，但此“处理”非彼“处理”，没有向下进行细分，“传统工艺翡翠”没经过酸处理；从国标“处理”翡翠中，用近红外光谱技术区分“传统工艺翡翠”和现代酸洗充胶、充色造假的翡翠未见报道，对“传统工艺翡翠”利用化学模式识别方法建立评判数学模型的判别方法也属于国内外首创。把传统工艺翡翠里所含有机物种类的近红外光谱数据指标作为鉴别的依据之一也未见报道。
《宝石和宝石学杂志》第21卷第1期2019年1月公开的“高光谱成像技术在充胶处理宝石鉴定中的应用”，红外光谱测试使用BRUKER公司生产的VERTEX 80 型傅里叶变换红外光谱仪，分别采用中红外和近红外波段进行测试，波数范围为 4000～400cm-1和12500～4000cm-1，分辨率4cm-1，采用32次扫描平均值。中红外波段，使用透射法对透明度较好的样品进行测试，使用反射法对透明度较差的样品进行测试；近红外波段，均使用反射法进行测试。高光谱成像测试分析主要选取1000 ～2500nm波长范围；图像分辨率0.25X0.25mm，图幅大小(60～80)mmX(0～200)mm, 测量方式漫反射，扫描方式面扫描，测量速度0.2～5.0mm/s。实验前用标准反射率板进行空白测试，将样品排列放置在标准反射率板的有效扫描范围内，一同置于传输平台。
“高光谱成像技术在充胶处理宝石鉴定中的应用”这篇文章虽然用了近红外光谱测翡翠，但存在以下缺陷：①只是单个测试翡翠，含非蜡有机物的谱峰就定为充胶处理，没有从“处理”翡翠中进一步细分，由于翡翠里有机混合物组分不是固定的，其化学构成组分在一定的小范围内波动，因而单个测试翡翠得到的光谱数据是变化的，无法判定有机混合物的类别，不具有统计学意义；②未涉及建模聚类判别分析技术，也未知传统工艺翡翠的工艺特征；③受于设备的功能限制，测试结果解析易造成偏差，易把传统工艺翡翠里面的微量有机物误断为人工合成树脂，从而等同于现代B货类翡翠；④未参考密度等理化指标，未能判别样品翡翠是否经过酸洗，而这是区分“传统工艺翡翠”同现代酸洗造假翡翠的关键特征之一。
《地质科学译丛》第14卷第4期1997年12月公开的“B货翡翠的漫反射红外傅里叶变换光谱法鉴别”，本次研究中首次使用了DRIFT光谱法。
利用这种方法可很明确并较便宜地区分A货(天然的未经处理的)翡翠和B货(酸处理注蜡和注胶)翡翠以及酸处理炖蜡翡翠和天然的打蜡翡翠。但此方法存在以下缺陷：①未针对同为“处理”的传统工艺翡翠样品、B货翡翠样品，B+C货翡翠样品、C货翡翠样品进行进一步的分类鉴别；②未涉及建模聚类判别分析技术；③它是制定国标GB/T16553-2017的参考依据之一，而本发明是在国标的基础上进一步分类，适用检测的样品范围不一样；④使用的是中红外光谱而不是近红外光谱，中红外光谱数据无法准确定性未知有机混合物的种类，从而易造成误判；近红外光谱数据可以不管是什么样的未知有机混合物，只要具有共性光谱特征就可利用统计学原理建立数学模型进行分类，并且允许混合物的组分在一定范围内波动。
《岩矿测试》第16卷第4期1997年12月“傅立叶红外光谱技术在翡翠研究中的应用”中将傅立叶红外光谱技术用于宝石鉴别，研究了翡翠的矿物组成与红外光谱的关系，但此技术存在以下缺陷：①未针对同为“处理”的传统工艺翡翠样品、B 货翡翠样品，B+C货翡翠样品、C货翡翠样品进行进一步的分类鉴别；②未涉及建模聚类判别分析技术；③它是制定国标GB/T16553-2017的参考依据之一，而本发明是在国标的基础上进一步分类，适用检测的样品范围不一样；④使用的是中红外光谱而不是近红外光谱，中红外光谱数据无法准确定性未知有机混合物的种类，易造成误判；近红外光谱数据可以不管是什么样的未知有机混合物，只要具有共性光谱特征就可利用统计学原理建立数学模型进行分类，并且允许混合物的组分在一定范围内波动。
中红外光谱或拉曼光谱主要针对纯有机物，无法对“传统工艺翡翠”里复杂的混合有机共聚物进行准确的种类定性，易误判为人工合成树脂，由于传统工艺翡翠里有机混合物的组分在一定范围内波动，单一应用易造成不同的样品得到不同的光谱数据结果，使解析无法进行。
本发明的基础理论支撑基于《清代翡翠的研究》论文中所作的化学萃取和定性实验研究发现，国家版权局已授予作品登记证书，登记号：国作登字 -2018-A-00643903，著作权人：谭贵平。但该技术通过化学实验发现了问题，并没有涉及鉴定，化学萃取方法也不适用于无损鉴定，而近红外光谱技术具有较好的鉴别能力，可用于对复杂的未知有机混合物进行聚类判别分析，提取其共性光谱数据特征，建立评判数学模型，从而做到快速无损地分类鉴别，使用近红外光谱进行分类鉴定并不需要对有机混合物中的每一种化学组分进行分离鉴定，也允许微量化学组分在一定距离范围类波动，只要主要组分具有共性光谱特征，具有统计学意义就可进行建模分类。
为了解决上述问题，发明人釆用近红外技术，根据统计学的原理，建立评判数学模型，使用化学模式识别方法，对传统工艺翡翠里由老工艺带入的少量有机混合物进行聚类判别分析，使之成为鉴别“传统工艺翡翠”的一项重要的判别指标。
发明内容
本发明的目的是提供一种利用近红外技术对“传统工艺翡翠”进行快速鉴定的方法。
本发明所述的利用近红外技术对“传统工艺翡翠”进行快速鉴定的方法，包括以下步骤：1)选择测试样品：按国标GB/T16553-2017检测方法鉴定结果标注为“处理”的翡翠，并且样品的密度、折光率指标须符合国标要求，才需进行进一步的测试分类；2)采集一定数量的有确切来源的传统工艺翡翠样品、现代A货翡翠样品(可通过国标测试)，B货翡翠样品，B+C货翡翠样品、C货翡翠样品并分类；3)采集已知品质的翡翠样品的近红外光谱图，对近红外光谱图预处理，使用傅里叶近红外光谱仪扫描全部翡翠的近红外光谱；4)建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判。
本发明所述标注为“处理”翡翠是按GB/T16553-2017检测方法的鉴定结果标示。
本发明所述具体国标密度和折射率：密度：3.34(+0.06,-0.09)g/cm3；折射率：1.666～1.680(±0.008)，点测法为1.66。
本发明所述“传统工艺翡翠样品”是指电动打磨工具及新型人造金刚石磨料发明以前所釆取的浸动物胶工艺加工生产的成品翡翠，包括民国至明代区间加工生产的成品翡翠，也包括釆用古代遗存的浸过胶的毛料或半成品新加工的老料新工成品翡翠。
本发明所述A货翡翠样品是指可通过国标测试标示为“翡翠”的样品；B货翡翠样品是指经酸洗充胶处理的样品；所述B+C货是经酸洗充胶加染色处理；所述C货是指未经酸洗的纯染色处理的翡翠。
所述建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判，具体方法为：翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围 10000～4000cm-1,分辨率为2～16cm-1，扫描次数16～67次，数据格式为Log1/R,优化能量增益为2X，温度20～30℃，相对湿度40％～60％，每个样品采集3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分别鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测。
优选的，所述建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判，具体方法为：翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围10000～4000cm-1,分辨率为4～14cm-1，扫描次数20～63次，数据格式为Log1/R, 优化能量增益为2X，温度22～28℃，相对湿度42％～58％，每个样品采集3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分别鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测。
进一步优选的，所述建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判，具体方法为：翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围10000～4000cm-1,分辨率为6～12cm-1，扫描次数22～60次，数据格式为 Log1/R,优化能量增益为2X，温度23～27℃，相对湿度45％～56％，每个样品采集3 次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分别鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测。
再进一步优选的，所述建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判，具体方法为：翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围10000～4000cm-1,分辨率为8～10cm-1，扫描次数28～50次，数据格式为Log1/R,优化能量增益为2X，温度24～26℃，相对湿度48％～53％，每个样品采集 3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分别鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测。
更进一步优选的，所述建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判，具体方法为：翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围10000～4000cm-1,分辨率为9cm-1，扫描次数32次，数据格式为Log1/R, 优化能量增益为2X，温度25℃，相对湿度50％，每个样品采集3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分别鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测。
所述样品处理方法可以直接上设备检测，如遇表面含浮蜡较重的样品可用有机溶剂如石油醚浸泡进行除蜡处理。
具体的化学模式识别方法：是指从物质的近红外光谱数据，利用统计学、信号处理、数学算法等工具，推知物质类别归属的技术。先用聚类分析把一批安全统计样品进行分类，然后用判别分析对新样品进行类别判定。
马氏距离评判模型的建立方法：建模过程中，先计算平均光谱，然后通过估计在分析区域内每个波点的变化建立分类模型。在多元统计的判别分析中，采用马氏距离，来判别样本点的判别归属，马氏距离是广义平方距离的一种，以多元正态分布理论为基础，有效地考虑了均值、方差、协方差三个参数，是一个能够全面描述总体多元结构的综合指标。
本发明所述的“一定数量”是指至少五十件。建模时样品越多越好，随着测试样品的增加，样品数据可充实数据库，鉴定准确率还会得到进一步地提高。
可通过无监督的聚类分析对建模样品来源的可靠性进行验证，具体方法为：设置参数(同本发明的建模参数)，把建模样品打乱，机器自动建模并分类。
一、现有技术的问题及本发明解决的技术问题
现有技术的问题
1、《宝石和宝石学杂志》第21卷第1期2019年1月公开的“高光谱成像技术在充胶处理宝石鉴定中的应用”，存在以下缺陷：①只是单个测试翡翠，含非蜡有机物的谱峰就定为充胶处理，没有从“处理”翡翠中进一步细分，由于翡翠里有机混合物组分不是固定的，其化学构成组分在一定的小范围内波动，因而单个测试翡翠得到的光谱数据是变化的，无法判定有机混合物的类别，不具有统计学意义；②未涉及建模聚类判别分析技术，也未知“传统工艺翡翠”的工艺特征；③受于设备的功能限制，测试结果解析易造成偏差，易把传统工艺翡翠里面的微量有机物误断为人工合成树脂，从而等同于现代B货类翡翠；④未参考密度等理化指标，未能判别样品翡翠是否经过酸洗，而这是区分“传统工艺翡翠”同现代酸洗造假翡翠的关键特征之一。
2、《地质科学译丛》第14卷第4期1997年12月公开的“B货翡翠的漫反射红外傅里叶变换光谱法鉴别”，此方法存在以下缺陷：①未针对同为“处理”的传统工艺翡翠样品、B货翡翠样品，B+C货翡翠样品、C货翡翠样品进行进一步的分类鉴别；②未涉及建模聚类判别分析技术；③它是制定国标GB/T16553-2017的参考依据之一，而本发明是在国标的基础上进一步分类，适用检测的样品范围不一样；④使用的是中红外光谱而不是近红外光谱，中红外光谱数据无法准确定性未知有机混合物的种类，从而易造成误判；近红外光谱数据可以不管是什么样的未知有机混合物，只要具有共性光谱特征就可利用统计学原理建立数学模型进行分类，并且允许混合物的组分在一定范围内波动。。
3、《岩矿测试》第16卷第4期1997年12月“傅立叶红外光谱技术在翡翠研究中的应用”，此技术存在以下缺陷：①未针对同为“处理”的传统工艺翡翠样品、B 货翡翠样品，B+C货翡翠样品、C货翡翠样品进行进一步的分类鉴别；②未涉及建模聚类判别分析技术；③它是制定国标GB/T16553-2017的参考依据之一，而本发明是在国标的基础上进一步分类，适用检测的样品范围不一样；④使用的是中红外光谱而不是近红外光谱，中红外光谱数据无法准确定性未知有机混合物的种类，易造成误判；近红外光谱数据可以不管是什么样的未知有机混合物，只要具有共性光谱特征就可利用统计学原理建立数学模型进行分类，并且允许混合物的组分在一定范围内波动。
4、中红外光谱或拉曼光谱主要针对纯有机物，无法对“传统工艺翡翠”里复杂的混合有机共聚物进行准确的种类定性，易误判为人工合成树脂，由于传统工艺翡翠里有机混合物的组分在一定范围内波动，单一应用易造成不同的样品得到不同的光谱数据结果，使解析无法进行。
本发明解决的技术问题及有益效果
1、针对传统工艺翡翠样品、现代天然翡翠样品，B货翡翠样品，B+C货翡翠样品、C货翡翠样品鉴定并分类。
2、利用了近红外加建模分类技术，方法科学、合理、可操作性强、适用性好。
3、针对按国标GB/T16553-2017检测方法鉴定结果标注为“处理”的翡翠，并明确样品的密度、折光率指标须符合国标要求。
4、近红外光谱仪器参数中相对湿度及温度进行了设置，检测结果稳定。
5、首次利用近红外光谱分析技术，反应传统工艺翡翠在加工时浸动物胶的工艺特征(浸入少量有机物)，建立了一套科学、合理、可操作性强、适用性好的“传统工艺翡翠”的鉴定方法，用于区分同为“处理”的现代酸洗、充胶、染色的B货、 B+C、C货翡翠。
6、本方法快速、无损、不会对环境造成污染，利用近红外技术提取传统工艺翡翠在加工时带入有机混合物的共性光谱数据特征，应用化学模式识别方法，使用统计学原理，建立评判数学模型，使“传统工艺翡翠”的鉴定更具科学性和实用性，让现代造假翡翠无可趁之机，有利于规范市场行为，消除误区，减少由于对“传统工艺翡翠”的争议而带来的社会矛盾，使古人留下大量的古翡翠物质财富得以继承和发展，对中国古代翡翠文化的传承和发展起到积极的推动作用。
7、可用于对未知复杂的有机混合物进行聚类判别分析，提取其共性光谱数据特征，做到快速无损地分类。
8、本发明釆用近红外技术，根据统计学的原理，建立评判数学模型，使用化学模式识别方法，对传统工艺翡翠里由老工艺带入的少量有机混合物进行聚类判别分析，使之成为鉴别传统工艺翡翠的一项重要的判别指标。
9、模型的预测结果与实际结果基本一致，经计算，模型的鉴别率为95.00％。
附图说明
图1:采集已知品质的翡翠样品的近红外光谱图。
图2：各种翡翠样品聚类分析距离图。
具体实施方式
下面通过具体实施例，对本发明的技术方案作进一步地具体说明。
实施例1利用近红外技术对“传统工艺翡翠”进行快速鉴定的方法
1、选择样品：按国标GB/T16553-2017检测方法鉴定结果标注为“处理”的翡翠，并且样品的密度、折光率指标须符合国标要求，才需进行进一步的测试分类；
2、采集一定数量的有确切来源的传统工艺翡翠样品、现代A货翡翠样品，B货翡翠样品，B+C货翡翠样品、C货翡翠样品并分类；
3、采集已知品质的翡翠样品的近红外光谱图，对近红外光谱图预处理，使用傅里叶近红外光谱仪扫描全部翡翠的近红外光谱；
4、建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判。
翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围10000～4000cm-1,分辨率为2cm-1，扫描次数16次，数据格式为Log1/R,优化能量增益为2X，温度20℃，相对湿度40％％，每个样品采集3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst 依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分别鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测，在模型马氏距离范围内的样品就属于“传统工艺翡翠”。
实施例2利用近红外技术对“传统工艺翡翠”快速进行鉴定的方法
1、选择样品：按国标GB/T16553-2017检测方法鉴定结果标注为“处理”的翡翠，并且样品的密度、折光率指标须符合国标要求，才需进行进一步的测试分类；
2、采集一定数量的有确切来源的传统工艺翡翠样品、现代A货翡翠样品，B货翡翠样品，B+C货翡翠样品、C货翡翠样品并分类；
3、采集已知品质的翡翠样品的近红外光谱图，对近红外光谱图预处理，使用傅里叶近红外光谱仪扫描全部翡翠的近红外光谱；
4、建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判。
翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围10000～4000cm-1,分辨率为16cm-1，扫描次数67次，数据格式为Log1/R,优化能量增益为2X，温度30℃，相对湿度60％，每个样品采集3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst 依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分别鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测，在模型马氏距离范围内的样品就属于“传统工艺翡翠”。
实施例3利用近红外技术对“传统工艺翡翠”进行快速鉴定的方法
1、选择样品：按国标GB/T16553-2017检测方法鉴定结果标注为“处理”的翡翠，并且样品的密度、折光率指标须符合国标要求，才需进行进一步的测试分类；
2、采集一定数量的有确切来源的传统工艺翡翠样品、现代A货翡翠样品，B货翡翠样品，B+C货翡翠样品、C货翡翠样品并分类；
3、采集已知品质的翡翠样品的近红外光谱图，对近红外光谱图预处理，使用傅里叶近红外光谱仪扫描全部翡翠的近红外光谱；
4、建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判。
翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围10000～4000cm-1,分辨率为4cm-1，扫描次数20次，数据格式为Log1/R,优化能量增益为2X，温度22℃，相对湿度42％，每个样品采集3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst 依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分别鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测。在模型马氏距离范围内的样品就属于“传统工艺翡翠”。
实施例4利用近红外技术对“传统工艺翡翠”进行快速鉴定的方法
1、选择样品：按国标GB/T16553-2017检测方法鉴定结果标注为“处理”的翡翠，并且样品的密度、折光率指标须符合国标要求，才需进行进一步的测试分类；
2、采集已知的有确切来源的传统工艺翡翠样品、现代天然翡翠样品，B货翡翠样品，B+C货翡翠样品、C货翡翠样品并分类；
3、采集已知品质的翡翠样品的近红外光谱图，对近红外光谱图预处理，使用傅里叶近红外光谱仪扫描全部翡翠的近红外光谱；
4、建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判。
翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围10000～4000cm-1,分辨率为14cm-1，扫描次数63次，数据格式为Log1/R,优化能量增益为2X，温度28℃，相对湿度58％，每个样品采集3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst 依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分别鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测。在模型马氏距离范围内的样品就属于“传统工艺翡翠”。
实施例5利用近红外技术对“传统工艺翡翠”进行快速鉴定的方法
1、选择样品：按国标GB/T16553-2017检测方法鉴定结果标注为“处理”的翡翠，并且样品的密度、折光率指标须符合国标要求，才需进行进一步的测试分类；
2、采集已知的有确切来源的传统工艺翡翠样品、现代天然翡翠样品，B货翡翠样品，B+C货翡翠样品、C货翡翠样品并分类；
3、采集已知品质的翡翠样品的近红外光谱图，对近红外光谱图预处理，使用傅里叶近红外光谱仪扫描全部翡翠的近红外光谱；
4、建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判。
翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围10000～4000cm-1,分辨率为6～12cm-1，扫描次数60次，数据格式为Log1/R,优化能量增益为2X，温度27℃，相对湿度56％，每个样品采集3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst 依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分别鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测。在模型马氏距离范围内的样品就属于“传统工艺翡翠”。
实施例6利用近红外技术对“传统工艺翡翠”进行快速鉴定的方法
1、选择样品：按国标GB/T16553-2017检测方法鉴定结果标注为“处理”的翡翠，并且样品的密度、折光率指标须符合国标要求，才需进行进一步的测试分类；
2、采集已知的有确切来源的传统工艺翡翠样品、现代A货翡翠样品，B货翡翠样品，B+C货翡翠样品、C货翡翠样品并分类；
3、采集已知品质的翡翠样品的近红外光谱图，对近红外光谱图预处理，使用傅里叶近红外光谱仪扫描全部翡翠的近红外光谱；
4、建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判。
翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围10000～4000cm-1,分辨率为6cm-1，扫描次数22次，数据格式为Log1/R,优化能量增益为2X，温度23℃，相对湿度45％，每个样品采集3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst 依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分别鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测。在模型马氏距离范围内的样品就属于“传统工艺翡翠”。
实施例7利用近红外技术对“传统工艺翡翠”进行快速鉴定的方法
1、选择样品：按国标GB/T16553-2017检测方法鉴定结果标注为“处理”的翡翠并且样品的密度、折光率指标须符合国标要求，才需进行进一步的测试分类；
2、采集已知的有确切来源的传统工艺翡翠样品、现代天然翡翠样品，B货翡翠样品，B+C货翡翠样品、C货翡翠样品并分类；
3、采集已知品质的翡翠样品的近红外光谱图，对近红外光谱图预处理，使用傅里叶近红外光谱仪扫描全部翡翠的近红外光谱；
4、建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判。
翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围10000～4000cm-1,分辨率为8cm-1，扫描次数28次，数据格式为Log1/R,优化能量增益为2X，温度24℃，相对湿度48％，每个样品采集3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst 依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分别鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测。在模型马氏距离范围内的样品就属于“传统工艺翡翠”。
实施例8利用近红外技术对“传统工艺翡翠”进行快速鉴定的方法
1、选择样品：按国标GB/T16553-2017检测方法鉴定结果标注为“处理”的翡翠，并且样品的密度、折光率指标须符合国标要求，才需进行进一步的测试分类；
2、采集已知的有确切来源的传统工艺翡翠样品、现代天然翡翠样品，B货翡翠样品，B+C货翡翠样品、C货翡翠样品并分类；
3、采集已知品质的翡翠样品的近红外光谱图，对近红外光谱图预处理，使用傅里叶近红外光谱仪扫描全部翡翠的近红外光谱；
4、建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判。
翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围10000～4000cm-1,分辨率为10cm-1，扫描次数50次，数据格式为Log1/R,优化能量增益为2X，温度26℃，相对湿度53％，每个样品采集3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst 依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分别鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测。在模型马氏距离范围内的样品就属于“传统工艺翡翠”。
实施例9利用近红外技术对“传统工艺翡翠”进行快速鉴定的方法
1、选择样品：按国标GB/T16553-2017检测方法鉴定结果标注为“处理”的翡翠，并且样品的密度、折光率指标须符合国标要求，才需进行进一步的测试分类；
2、采集已知的有确切来源的传统工艺翡翠样品、现代天然翡翠样品，B货翡翠样品，B+C货翡翠样品、C货翡翠样品并分类；
3、采集已知品质的翡翠样品的近红外光谱图，对近红外光谱图预处理，使用傅里叶近红外光谱仪扫描全部翡翠的近红外光谱；
4、建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判。
翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围10000～4000cm-1,分辨率为9cm-1，扫描次数32次，数据格式为Log1/R,优化能量增益为2X，温度25℃，相对湿度50％，每个样品采集3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst 依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分别鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测，在模型马氏距离范围内的样品就属于“传统工艺翡翠”。
为了进一步验证本发明的有效性，发明进行了验证试验，具体如下：
1.仪器与材料
1.1仪器
美国赛默飞-世尔AntarisⅡ型傅里叶近红外光谱仪，软件：Result软件(赛默飞-世尔公司)用于采集光谱；TQ Analyst6.2软件(赛默飞-世尔公司)用于光谱的预处理及算法的计算。
根据国家标准GB/T16553-2017，通过专业人士对不同品质的翡翠鉴定，将翡翠分为传统工艺翡翠样品1-1、1-2、1-3、1-4、现代新加工天然翡翠样品2-1、2-2、 2-3、2-4、B货3-1、3-2、3-3、3-4、B+C货4-1、4-2、4-3、4-4、C货5-1、5-2、 5-3、5-4，结果见翡翠鉴定表。
采集已知品质的翡翠样品的近红外光谱图，光谱见图1。对近红外光谱图预处理，使用傅里叶近红外光谱仪扫描全部翡翠的近红外光谱，建立主成分-马氏距离评判模型：将已知品质的翡翠使用积分球采集近红外光谱图，近红外光谱仪参数设置：光谱采集范围10000―4000cm-1,分辨率为8cm-1，扫描次数64次，数据格式为Log1/R, 优化能量增益为2X，温度25℃，相对湿度45％，每个样品采集3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分别鉴别，采用马氏距离判断分析，把样品分成训练集合预测集，分类效果通过预测集的预测正确率来判断，样品来源的可靠性可先通过无监督的聚类分析对建模样品进行验证。使用所建立的分类评判模型，见图2。
表1翡翠鉴定结果表
结论：从表中看出，模型的预测结果与实际结果基本一致，经计算，模型的鉴别率为95.00％。
Claims (10)
1.一种利用近红外技术对传统工艺翡翠进行快速鉴定的方法，其特征在于，所述方法包括以下步骤：1)选择样品：按国标GB/T16553-2017检测方法鉴定结果标注为“处理”的翡翠，并且样品的密度、折光率指标须符合国标要求，才需进行进一步的测试分类；2)采集一定数量的有确切来源的传统工艺翡翠样品、现代A货翡翠样品，B货翡翠样品，B+C货翡翠样品、C货翡翠样品并分类；3)采集已知品质的翡翠样品的近红外光谱图，对近红外光谱图预处理，使用傅里叶近红外光谱仪扫描全部翡翠的近红外光谱；4)建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判。
2.根据权利要求1所述的鉴定方法，其特征在于，所述标注为“处理”翡翠是按GB/T16553-2017检测方法的鉴定结果标示。
3.根据权利要求1所述的鉴定方法，其特征在于，所述具体国标密度和折射率：密度：3.34(+0.06,-0.09)g/cm3；折射率：1.666～1.680±0.008，点测法为1.66。
4.根据权利要求1所述的鉴定方法，其特征在于，所述“传统工艺翡翠”样品是指电动打磨工具及新型人造金刚石磨料发明以前所釆取的浸动物胶工艺加工生产的成品翡翠，包括民国至明代区间加工生产的成品翡翠，也包括釆用古代遗存的浸过胶的毛料或半成品新加工的老料新工成品翡翠。
5.根据权利要求1所述的鉴定方法，其特征在于，所述A货翡翠样品是指可通过国标测试标注为翡翠的样品；B货翡翠样品是指经酸洗充胶处理的样品；所述B+C货是经酸洗充胶加染色处理；所述C货是指未经酸洗的纯染色处理的翡翠。
6.根据权利要求1所述的鉴定方法，其特征在于，所述建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判，具体方法为：翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围10000～4000cm-1,分辨率为2～16cm-1，扫描次数16～67次，数据格式为Log1/R,优化能量增益为2X，温度20～30℃，相对湿度40％～60％，每个样品采集3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分类鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测。
7.根据权利要求6所述的鉴定方法，其特征在于，所述建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判，具体方法为：翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围10000～4000cm-1,分辨率为4～14cm-1，扫描次数20～63次，数据格式为Log1/R,优化能量增益为2X，温度22～28℃，相对湿度42％～58％，每个样品采集3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分类鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测。
8.根据权利要求7所述的鉴定方法，其特征在于，所述建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判，具体方法为：翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围10000～4000cm-1,分辨率为6～12cm-1，扫描次数22～60次，数据格式为Log1/R,优化能量增益为2X，温度23～27℃，相对湿度45％～56％，每个样品采集3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分类鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测。
9.根据权利要求8所述的鉴定方法，其特征在于，所述建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判，具体方法为：翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围10000～4000cm-1,分辨率为8～10cm-1，扫描次数28～50次，数据格式为Log1/R,优化能量增益为2X，温度24～26℃，相对湿度48％～53％，每个样品采集3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分类鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测。
10.根据权利要求9所述的鉴定方法，其特征在于，所述建立主成分-马氏距离评判模型，并使用所建立的评判模型对待测未知样品进行分类测试评判，具体方法为：翡翠使用积分球采集近红外光谱图，对于大型样品使用光纤探头采集近红外光谱图，近红外光谱仪器参数设置：光谱采集范围10000～4000cm-1,分辨率为9cm-1，扫描次数32次，数据格式为Log1/R,优化能量增益为2X，温度25℃，相对湿度50％，每个样品采集3次，求取平均光谱；所得到的光谱应用化学计量学软件TQ Analyst依次批量归一化处理、批量基线校正处理以及剔除异常点处理，使用化学模式识别方法对翡翠进行分类鉴别，采用马氏距离判断分析，把样品分成训练集和预测集，分类效果通过预测集的预测正确率来判断，使用所建立的评判模型对样品进行预测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010321850.7A CN111398208B (zh) | 2020-04-22 | 2020-04-22 | 一种利用近红外技术对传统工艺翡翠进行快速鉴定的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010321850.7A CN111398208B (zh) | 2020-04-22 | 2020-04-22 | 一种利用近红外技术对传统工艺翡翠进行快速鉴定的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111398208A true CN111398208A (zh) | 2020-07-10 |
| CN111398208B CN111398208B (zh) | 2023-10-31 |
Family
ID=71435327
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010321850.7A Active CN111398208B (zh) | 2020-04-22 | 2020-04-22 | 一种利用近红外技术对传统工艺翡翠进行快速鉴定的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111398208B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115112598A (zh) * | 2022-08-23 | 2022-09-27 | 国检中心深圳珠宝检验实验室有限公司 | 一种翡翠自动检测模型的建模方法、模型及检测方法 |
| CN115905881A (zh) * | 2022-09-30 | 2023-04-04 | 国家珠宝玉石首饰检验集团有限公司 | 黄珍珠分类的方法以及装置、电子设备、存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102809564A (zh) * | 2011-06-02 | 2012-12-05 | 江苏天瑞仪器股份有限公司 | 一种鉴别翡翠a货、b货的系统及其鉴别方法 |
| CN103411906A (zh) * | 2013-08-23 | 2013-11-27 | 中国检验检疫科学研究院 | 珍珠粉和贝壳粉的近红外光谱定性鉴别方法 |
| CN107860743A (zh) * | 2017-10-20 | 2018-03-30 | 华东理工大学 | 利用反射式近红外光纤探头构建快速预测原油性质的模型的方法及其应用 |
| US20190162658A1 (en) * | 2017-11-24 | 2019-05-30 | Oil Crops Research Institute, Chinese Acadamy Of Agricultural Sciences | Method for detecting multivariate adulteration of edible oil based on near-infrared spectroscopy |
-
2020
- 2020-04-22 CN CN202010321850.7A patent/CN111398208B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102809564A (zh) * | 2011-06-02 | 2012-12-05 | 江苏天瑞仪器股份有限公司 | 一种鉴别翡翠a货、b货的系统及其鉴别方法 |
| CN103411906A (zh) * | 2013-08-23 | 2013-11-27 | 中国检验检疫科学研究院 | 珍珠粉和贝壳粉的近红外光谱定性鉴别方法 |
| CN107860743A (zh) * | 2017-10-20 | 2018-03-30 | 华东理工大学 | 利用反射式近红外光纤探头构建快速预测原油性质的模型的方法及其应用 |
| US20190162658A1 (en) * | 2017-11-24 | 2019-05-30 | Oil Crops Research Institute, Chinese Acadamy Of Agricultural Sciences | Method for detecting multivariate adulteration of edible oil based on near-infrared spectroscopy |
Non-Patent Citations (4)
| Title |
|---|
| 李胜: "傅立叶红外光谱及拉曼光谱技术在宝玉石鉴定方面的应用", 《岩石矿物学杂志》, vol. 21, 30 September 2002 (2002-09-30), pages 154 - 156 * |
| 袁心强: "《翡翠宝石学》", 中国地质大学出版社, pages: 107 - 121 * |
| 谷岸 等: "近红外光谱结合化学计量学无损鉴定软玉产地的可行性研究", 《文物保护与考古科学》 * |
| 谷岸 等: "近红外光谱结合化学计量学无损鉴定软玉产地的可行性研究", 《文物保护与考古科学》, vol. 27, no. 3, 31 August 2015 (2015-08-31), pages 78 - 83 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115112598A (zh) * | 2022-08-23 | 2022-09-27 | 国检中心深圳珠宝检验实验室有限公司 | 一种翡翠自动检测模型的建模方法、模型及检测方法 |
| CN115112598B (zh) * | 2022-08-23 | 2023-04-07 | 国检中心深圳珠宝检验实验室有限公司 | 一种翡翠自动检测模型的建模方法、模型及检测方法 |
| CN115905881A (zh) * | 2022-09-30 | 2023-04-04 | 国家珠宝玉石首饰检验集团有限公司 | 黄珍珠分类的方法以及装置、电子设备、存储介质 |
| CN115905881B (zh) * | 2022-09-30 | 2023-10-20 | 国家珠宝玉石首饰检验集团有限公司 | 黄珍珠分类的方法以及装置、电子设备、存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111398208B (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101285768B (zh) | 应用近红外光谱分析技术无损鉴别卷烟真伪的方法 | |
| CN112649391A (zh) | 一种纤维质量等级在线检测系统及其应用 | |
| CN101221125A (zh) | 用光谱技术测定富营养化水体特征参量的方法 | |
| CN111398208B (zh) | 一种利用近红外技术对传统工艺翡翠进行快速鉴定的方法 | |
| CN108844941B (zh) | 一种基于拉曼光谱和pca-hca的不同品位磷矿的鉴别和分类方法 | |
| CN103674884A (zh) | 基于近红外光谱信息的烟叶风格特征的随机森林分类方法 | |
| CN103411906A (zh) | 珍珠粉和贝壳粉的近红外光谱定性鉴别方法 | |
| CN105044198A (zh) | 一种基于矿质元素指纹鉴别葡萄酒原产地的方法 | |
| CN102937575B (zh) | 一种基于二次光谱重组的西瓜糖度快速建模方法 | |
| CN113720797B (zh) | 一种白酒蒸馏的在线快速量质摘酒方法 | |
| CN102243170A (zh) | 用近红外光谱技术鉴别麦冬药材产地的方法 | |
| CN115905881B (zh) | 黄珍珠分类的方法以及装置、电子设备、存储介质 | |
| CN107478595A (zh) | 一种快速鉴别珍珠粉真伪及定量预测掺伪贝壳粉含量的方法 | |
| CN110749565A (zh) | 一种快速鉴别普洱茶存储年份的方法 | |
| CN111426636A (zh) | 酒类化学组分含量快速分析仪 | |
| CN104596979A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶纤维素的方法 | |
| CN112730312A (zh) | 一种基于近红外光谱技术的掺杂牛初乳定性识别方法 | |
| CN104596975A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶木质素的方法 | |
| CN103743705A (zh) | 一种假高粱及其近似物种的快速检测方法 | |
| CN108169162B (zh) | 一种茶园土壤肥力水平的快速评价方法 | |
| CN113310943A (zh) | 一种基于机器学习的藕粉掺假鉴别方法 | |
| CN103076300A (zh) | 专属性模式识别模型判别分析中药材资源指纹信息的方法 | |
| CN106872396B (zh) | 一种不同近红外仪器测定葡萄糖度模型转换的方法 | |
| CN117250169A (zh) | 一种基于模型转移技术无损快速判别野生冬虫夏草的方法 | |
| CN102890062A (zh) | 一种远红外功能纤维的鉴别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |