CN112362636A - 一种基于拉曼光谱的绿泥石矿物种类鉴定方法 - Google Patents
一种基于拉曼光谱的绿泥石矿物种类鉴定方法 Download PDFInfo
- Publication number
- CN112362636A CN112362636A CN202011219418.3A CN202011219418A CN112362636A CN 112362636 A CN112362636 A CN 112362636A CN 202011219418 A CN202011219418 A CN 202011219418A CN 112362636 A CN112362636 A CN 112362636A
- Authority
- CN
- China
- Prior art keywords
- chlorite
- absorption peak
- characteristic absorption
- iron
- identifying
- 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.)
- Pending
Links
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 title claims abstract description 91
- 229910001919 chlorite Inorganic materials 0.000 title claims abstract description 90
- 229910052619 chlorite group Inorganic materials 0.000 title claims abstract description 90
- 229910052500 inorganic mineral Inorganic materials 0.000 title claims abstract description 62
- 239000011707 mineral Substances 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000001237 Raman spectrum Methods 0.000 title claims abstract description 45
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims abstract description 95
- 238000010521 absorption reaction Methods 0.000 claims abstract description 71
- 239000000523 sample Substances 0.000 claims abstract description 71
- 239000011777 magnesium Substances 0.000 claims abstract description 52
- 238000009499 grossing Methods 0.000 claims abstract description 36
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 claims abstract description 32
- 229910052742 iron Inorganic materials 0.000 claims abstract description 31
- 229910052749 magnesium Inorganic materials 0.000 claims abstract description 26
- 238000001228 spectrum Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000003595 spectral effect Effects 0.000 claims abstract description 14
- VSBZFKZETWQIAT-UHFFFAOYSA-L iron(2+) dichlorite Chemical compound [Fe+2].[O-]Cl=O.[O-]Cl=O VSBZFKZETWQIAT-UHFFFAOYSA-L 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 239000011435 rock Substances 0.000 claims description 21
- 238000001069 Raman spectroscopy Methods 0.000 claims description 19
- 238000012360 testing method Methods 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 8
- MHKWSJBPFXBFMX-UHFFFAOYSA-N iron magnesium Chemical compound [Mg].[Fe] MHKWSJBPFXBFMX-UHFFFAOYSA-N 0.000 claims description 2
- 238000012886 linear function Methods 0.000 claims 1
- 238000004611 spectroscopical analysis Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 description 26
- 238000002329 infrared spectrum Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 241000894007 species Species 0.000 description 7
- 238000012795 verification Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 239000000203 mixture Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000000227 grinding Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 229910021646 siderite Inorganic materials 0.000 description 4
- 241000124033 Salix Species 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 241000923606 Schistes Species 0.000 description 2
- 238000002083 X-ray spectrum Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 229910052626 biotite Inorganic materials 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- -1 greenstone Inorganic materials 0.000 description 2
- 125000002887 hydroxy group Chemical group [H]O* 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 239000010453 quartz Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 229910052604 silicate mineral Inorganic materials 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000721098 Epilobium Species 0.000 description 1
- 241000446313 Lamella Species 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 229910052891 actinolite Inorganic materials 0.000 description 1
- 229910052656 albite Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 229910052612 amphibole Inorganic materials 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000001493 electron microscopy Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 229910052631 glauconite Inorganic materials 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 150000002505 iron Chemical class 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 229910052655 plagioclase feldspar Inorganic materials 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000005204 segregation Methods 0.000 description 1
- 229910021647 smectite Inorganic materials 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 229910052969 tetrahedrite Inorganic materials 0.000 description 1
- 230000000007 visual effect Effects 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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (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)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明属于绿泥石矿物鉴定技术领域,公开了一种基于拉曼光谱的绿泥石矿物种类鉴定方法,通过获取绿泥石矿物薄片的拉曼光谱;对光谱数据的平滑去噪处理,采用Voigt函数拟合进行特征吸收峰位置的确定;拉曼光谱数据在数据处理终端中进行光谱曲线平滑数据预处理,经过光谱数据平滑环节的曲线进行特征吸收峰的峰位拟合与定位;依据特征吸收峰位置与绿泥石铁含量的线性统计关系,按照特征吸收峰位置快速鉴定绿泥石矿物的亚种类别。本发明通过拉曼光谱得到蚀变带中绿泥石矿物的铁镁相对含量信息,缩短了传统电子探针方法获取铁镁含量所需的时间,省时省力,同时节省了经费。
Description
技术领域
本发明属于绿泥石矿物鉴定技术领域,尤其涉及一种基于拉曼光谱的绿泥石矿物种类鉴定方法。
背景技术
目前,绿泥石矿物富铁贫镁和富镁贫铁亚种鉴定主要包括电子探针微区分析、电子显微镜观测和近红外光谱分析。近红外光谱分析中的缺点是:数据质量较差。电子显微镜分析方法的缺点是:只能进行外形观察。
电子探针仪借助于细聚焦电子束,对样品表面进行照射,由此使得试样元素的X射线被激出,接着使用波长色散谱检测设备,以及计数系统,对该射线的波长、强度等进行检测,于是便能得到相应试样的元素种类与比例。对该射线的波长,或者特征能量进行分析,便能得到该试样的具体元素,这属于典型的定性分析,而结合该射线的强度,便能获得相应元素的比例,这属于典型的定量分析。这种检测装置的镜筒元件,其构造与电子显微镜基本一致。只是在检测装置环节,运用了X射线谱装置,并借助于它,对该射线的特征波长与能量进行检测,这样便能对微区的化学成分展开分析。所以,除却专门电子探针装置之外,还可以将其用作附件,配置于扫描或者透射电镜的镜筒之上,进而更好满足微区组织形貌、化学构成、晶体结构的综合性分析需求。而且这种分析模式,无需破碎试样,而且它的分析直径与深度,通常都会超过1微米,且原子系数超过4之上的各种元素。然而,如果元素的序数低于12,那么该检测装置就缺乏相应的灵敏度。该装置在常规检测中,其相对敏感度可以达到万分之一,部分环境更是高达十万分之一。检测的绝对灵敏度,则会因为元素的不同而有所差异,通常在10-14以及10-16g。借助于该方法,能够对元素从点、面、线这三个视角进行分析,如果原子序数超过10,且比例超过10.0%的元素,其定量分析的精度,可以超过正负2.0%。电子显微镜是根据电子光学原理,用电子束和电子透镜代替光束和光学透镜,使物质的细微结构在非常高的放大倍数下成像的仪器。主要用于观察固体表面的形貌,而不能分析物质的成分变化。近红外光谱分析是根据分子光学振动原理,用近红外光束照射被测物,被测物吸收部分光能后,其余光能反射和透射被传感器接收,获得近红外光谱。主要用于定性观察物质中某些活性官能团的属性。近红外光谱与拉曼光谱类似,也可以反映物质成分变化的信息,但是由于近红外漫反射或透射数据和拉曼的激光激发数据相比,强度低、信号弱、噪声高,分析难度相对较大。
现有电子探针设备最早应用于金属领域。主要是对合金中,诸多组成相、杂物等元素进行定性与定量分析,而且还能得出元素的扩散与偏析等问题。此外,它在金属材质氧化与腐蚀问题领域也得到广泛应用,可以对镀层、薄膜厚度以及成分进行相应的测量,另外,该装置还是遴选工艺、特种材料分析、机械部件失效分析等常用的一种方式。利用该分析法,就能得到样品的化学构成,以及诸多元素的重量百分数。在具体分析之前,还需要结合实验目的,制备对应的样品,同时还需要使之表面具有一定的清洁度。借助于波谱仪对样品进行分析时,需要确保样品具有平整度,否则会影响X射线的强度。
目前的电子探针设备存在的问题是:
(1)现有电子探针设备属于实验室大型仪器,精确度很高,但数据处理计算较麻烦,需要具备比较专业的矿物学计算技术。
(2)现有技术中,主要利用电子探针进行矿物亚类的分析,其制样过程多了表面喷碳的环节,同时分析成本也更昂贵;传统的矿物拉曼光谱分析主要是利用标样的特征谱来进行矿物种类的匹配,由于传统矿物学研究不考虑成本,侧重于使用电子探针进行精确分析,而面向大量样品的调查性工作的矿物亚类鉴别尚没有利用拉曼光谱进行分析。
(3)经过电子探针测试的岩石薄片,如需进行别的测试,需要重新对表面进行打磨抛光;而拉曼光谱技术是无损检测,测过拉曼光谱的岩石薄片可以直接用于诸如光学显微镜、电子显微镜等仪器的观测。
(4)现有拉曼矿物鉴定只进行矿物大类的区分,还没有相关亚类区分的方法报道。
(5)绿泥石矿物的亚类鉴定,传统的研究中是采用电子探针进行测试。但是这样的研究项目需要的是准确的结果,成本高。而一般的调查生产工作面临很多样品,每个样品都做电子探针就太浪费了,一部分典型样品可以做电子探针,而其他不典型的岩石薄片可以用拉曼光谱进行亚类的划分。总体来说,现有技术拉曼光谱对绿泥石的亚类划分比较粗糙,就分为富铁和富镁两种。而电子探针可以划分为至少9种。但现有技术比较缺乏。
解决上述技术问题的难度:电子探针仪器结构精密且复杂,包括电子枪、聚焦与加速原件、X射线检测装置、真空样品室等。因此,直接尝试将电子探针仪器测试方案简化是不可行的。拉曼光谱仪是一种快速获得拉曼光谱的测试仪器,能够满足光、薄片样品微区和快速获得光谱数据的需求,对于层状硅酸盐矿物类质同象置换离子的种类和含量具有比较灵敏的反映。因此,利用拉曼光谱设备研发绿泥石矿物富镁贫铁和富铁贫镁亚种识别方法是可行的。
解决上述技术问题的意义:拉曼光谱分析技术具有快速、方便、绿色环保的优势和特点。形成的绿泥石富铁贫镁、富镁贫铁亚种鉴定方法,充分利用了拉曼光谱的特点,能够满足层状硅酸盐矿物亚类快速识别的工作需求,一定程度上减少了电子探针测试的费用,同时节约了人力物力,具有显著的经济效益和环境效益。
发明内容
针对现有技术存在的问题,本发明提供了一种基于拉曼光谱的绿泥石矿物种类鉴定方法。
本发明是这样实现的,一种基于拉曼光谱的绿泥石矿物种类鉴定方法,所述基于拉曼光谱的绿泥石矿物种类鉴定方法通过显微方式获取岩石薄片样品中绿泥石矿物的拉曼光谱并将数据输入连接的数据处理终端,采用Savitzky-Golay卷积平滑方法进行光谱数据的平滑去噪处理,采用Voigt函数拟合进行特征吸收峰位置的确定;拉曼光谱数据在数据处理终端中进行光谱曲线平滑数据预处理,经过光谱数据平滑环节的曲线进行特征吸收峰的峰位拟合与定位;依据特征吸收峰位置与绿泥石铁含量建立两者之间的定量模型,该定量模型的建立是本发明的核心技术,按照特征吸收峰位置快速鉴定绿泥石矿物的亚种类别。
进一步,所述基于拉曼光谱的绿泥石矿物种类鉴定方法包括:
第一步,对采集含绿泥石矿物的岩石样品进行薄片磨制,利用拉曼光谱测量仪,通过显微镜进行绿泥石矿物颗粒选择和光谱测量;
第二步,光谱测量后基于Savitzky-Golay卷积平滑方法进行光谱数据平滑处理,Savizky-Golay卷积平滑是一种移动窗口的加权平均算法,其加权系数不是简单地常数窗口,而是通过在窗口内对给定高阶多项式的最小二乘拟合得出;
第三步,使用Voigt峰位拟合方法拟合寻峰,光谱图等二维图谱具有明确的物理意义,可以通过Voigt函数予以描述,因此可以利用Voigt函数参量表达谱图的峰形、峰位、峰高、峰面积等具有物理意义的参数。拟合得到的曲线与实测曲线相关系数r2≥0.995,绿泥石有两个特征吸收峰;
第四步,根据特征峰的位置区分绿泥石富铁和富镁亚种。
进一步,所述第一步中进行岩石样品薄片磨制,利用显微镜观察薄片选择绿泥石矿物颗粒并进行光谱测量。
进一步,第二步所述采用Savitzky-Golay卷积平滑方法进行光谱数据的平滑去噪处理中,
xk,smooth是点k平滑后的值,w是窗口大小,xk+i是点k+1处的值;
所述基于Savitzky-Golay卷积平滑方法进行光谱数据平滑处理中,平滑窗口选择10~50。Savitzky-Golay卷积平滑方法的滤波器可以有任意长度,因此适用于各种曲线的噪声滤除。
进一步,第三步所述采用Voigt函数拟合进行特征吸收峰位置的确定包括:将平滑去噪处理处理后的拉曼光谱数据在数据处理终端中采用Voigt函数拟合进行特征吸收峰位置的拟合与定位;
进一步,所述第三步中绿泥石有两个特征吸收峰,分别位于3570cm-1和3440cm-1附近。
进一步,所述第四步中富镁富铁绿泥石是利用电子探针测试富镁—富铁系列样品的Fe-Mg含量,计算Fe/Fe+Mg值,依据矿物学区分铁-镁绿泥石的方法,即Fe/Fe+Mg>0.75为富铁亚种、0.25<Fe/Fe+Mg<0.75为中间亚种、Fe/Fe+Mg<0.25为富镁亚种。
进一步包括:(1)以3570cm-1附近的特征吸收峰位置进行分类:当特征吸收峰位置小于3560.5cm-1时,为富铁贫镁绿泥石、当特征吸收峰位置介于3560.5cm-1和3575.8cm-1之间时,为中间绿泥石、当特征吸收峰位置大于3575.8cm-1时,为富镁贫铁绿泥石;
(2)以3440cm-1附近的特征吸收峰位置进行分类:当特征吸收峰位置小于3415.1cm-1时,为富铁贫镁绿泥石、当特征吸收峰位置介于3415.1cm-1和3462.6cm-1之间时,为中间绿泥石、当特征吸收峰位置大于3462.6cm-1时,为富镁贫铁绿泥石。
本发明的另一目的在于提供一种应用所述基于拉曼光谱的绿泥石矿物种类鉴定方法的绿泥石矿物种类鉴定设备。
综上所述,本发明的优点及积极效果为:
本发明利用绿泥石矿物拉曼光谱在3000-4000cm-1区间内的两处特征吸收峰位置与铁-镁含量关系的特点,通过拉曼光谱测量、光谱数据预处理、绿泥石特征吸收峰定位识别以及判别绿泥石亚种归属等,满足室内快速鉴定绿泥石矿物亚种的需求。
本发明利用拉曼光谱快速测量、快速分析的特点;可使工作人员快速得到蚀变带中绿泥石矿物的亚种信息,缩短了实验室岩矿鉴定所需的时间(拉曼测试单点测试时间为30秒钟,电子探针测试单点时间为1分钟),省去了电子探针数据元素含量的繁冗计算步骤,省时省力,同时节省了经费(单个样品可节约样品制备费用50~100元)。
本发明主要通过拉曼光谱分析技术,将绿泥石富铁贫镁-富镁贫铁亚种作为鉴定对象,通过绿泥石矿物中铁-镁含量与拉曼光谱特征吸收峰位置的线性关系,对绿泥石矿物富铁贫镁-富镁贫铁亚种进行鉴定。该套实验测试方法主要是针对传统电子探针绿泥石亚种鉴定方法测试时间长、数据计算繁冗等条件限制,采用拉曼光谱技术,实现绿泥石矿物亚种的快速鉴定。该方法比传统的电子探针测试所用的时间短(单个样品测试拉曼为30秒钟,电子探针测试为1分钟),减少样品喷碳工序,节约人力成本和测试支出(单个样品节约制样费用50~100元)。
附图说明
图1是本发明实施例提供的基于拉曼光谱的绿泥石矿物种类鉴定方法流程图。
图2是本发明实施例提供的基于拉曼光谱的绿泥石矿物种类鉴定方法原理流程图。
图3是本发明实施例提供的绿泥石富铁、富镁亚种的判别依据示意图。
图4是本发明实施例具体应用获得的柳园绿片岩绿泥石光谱曲线图。
图5是本发明实施例具体应用获得的阿喀孜达坂绿色凝灰质砂岩绿泥石光谱曲线图。
图6是本发明实施例提供的现有近红外光谱与本发明的拉曼光谱分析图,现有近红外光谱中的缺点是:数据质量较差。
图7是本发明实施例提供的现有技术电子显微镜形貌观察照片图。现有电子显微镜分析方法的缺点是:只能进行外形观察。
图8是本发明实施例提供的平滑前、平滑后曲线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有电子探针技术存在的问题,本发明提供了一种基于拉曼光谱的绿泥石矿物种类鉴定方法,下面结合附图对本发明作详细的描述。
本发明通过显微方式获取岩石薄片样品中绿泥石矿物的拉曼光谱并将数据输入连接的数据处理终端,采用Savitzky-Golay卷积平滑方法进行光谱数据的平滑去噪处理,采用Voigt函数拟合进行特征吸收峰位置的确定;拉曼光谱数据在数据处理终端中进行光谱曲线平滑数据预处理,经过光谱数据平滑环节的曲线进行特征吸收峰的峰位拟合与定位;依据特征吸收峰位置与绿泥石铁含量建立两者之间的定量模型,该定量模型的建立是本发明的核心技术,按照特征吸收峰位置快速鉴定绿泥石矿物的亚种类别。
如图1所示,本发明实施例提供的基于拉曼光谱的绿泥石矿物种类鉴定方法包括以下步骤:
S101:对采集含绿泥石矿物的岩石样品进行薄片磨制,利用拉曼光谱测量仪,将薄片样品放入测试台,用显微镜选择绿泥石矿物颗粒进行光谱测量;
S102:光谱测量后基于Savitzky-Golay卷积平滑方法进行光谱数据平滑处理;
S103:使用Voigt峰位拟合方法拟合寻峰,拟合得到的曲线与实测曲线相关系数r2≥0.995,绿泥石有两个特征吸收峰;
S104:根据特征峰的位置区分绿泥石富铁和富镁亚种。
下面结合附图对本发明的技术方案作进一步的描述。
如图2所示,本发明实施例提供的基于拉曼光谱的绿泥石矿物种类鉴定方法具体包括以下步骤:
第一步,野外采集含绿泥石矿物的岩石样品,进行薄片样品磨制,利用拉曼光谱测量仪,采用显微镜,将激光探头瞄准薄片样的绿泥石矿物颗粒进行光谱测量。
第二步,光谱测量完成后,基于Savitzky-Golay卷积平滑方法进行光谱数据平滑处理,平滑窗口选择10~50。窗口选择过小达不到平滑的效果,窗口选择过大则数据会失真。
第三步,绿泥石矿物的拉曼光谱特征吸收峰位置使用Voigt峰位拟合方法进行拟合寻峰,拟合得到的曲线与实测曲线相关系数r2≥0.995,绿泥石有两个特征吸收峰,分别位于3570cm-1和3440cm-1附近;拟合得到的其他吸收峰不是特征吸收峰。
第四步,根据特征峰的位置区分绿泥石富铁和富镁亚种。
第二步所述采用Savitzky-Golay卷积平滑方法进行光谱数据的平滑去噪处理中,
xk,smooth是点k平滑后的值,w是窗口大小,xk+i是点k+1处的值;
第三步所述采用Voigt函数拟合进行特征吸收峰位置的确定包括:将平滑去噪处理处理后的拉曼光谱数据在数据处理终端中采用Voigt函数拟合进行特征吸收峰位置的拟合与定位;
在本发明的优选实施例中,步骤四中富镁富铁绿泥石是利用电子探针测试富镁—富铁系列样品的Fe-Mg含量,计算Fe/(Fe+Mg)值,依据矿物学区分铁-镁绿泥石的方法,即Fe/(Fe+Mg)>0.75为富铁亚种、0.25<Fe/(Fe+Mg)<0.75为中间亚种、Fe/(Fe+Mg)<0.25为富镁亚种。参照Fe/(Fe+Mg)值与绿泥石特征谱带位置投图(图3)关系,依据特征峰的位置区分绿泥石富铁和富镁亚种包括:
(1)以3570cm-1附近的特征吸收峰位置进行分类:当特征吸收峰位置小于3560.5cm-1时,为富铁贫镁绿泥石、当特征吸收峰位置介于3560.5cm-1和3575.8cm-1之间时,为中间绿泥石、当特征吸收峰位置大于3575.8cm-1时,为富镁贫铁绿泥石;
(2)以3440cm-1附近的特征吸收峰位置进行分类:当特征吸收峰位置小于3415.1cm-1时,为富铁贫镁绿泥石、当特征吸收峰位置介于3415.1cm-1和3462.6cm-1之间时,为中间绿泥石、当特征吸收峰位置大于3462.6cm-1时,为富镁贫铁绿泥石。
在本发明的优选实施例中,通过拉曼光谱仪测量含绿泥石矿物的岩石薄片样品的拉曼光谱,通过数据预处理、特征吸收峰拟合寻峰,最后依据特征峰位置鉴定绿泥石是富铁贫镁或富镁贫铁亚种。由于拉曼光谱仪可简化测试和分析步骤,可大大减少室内岩矿鉴定的工作量,提高岩矿分析工作的效率。
本发明提供的方法经过实际的应用的验证,效果很好。以下举例进行具体分析。
(1)柳园富铁绿泥石验证点
该查证点位于甘肃省酒泉市瓜州县柳园镇东北7公里处,地质上为敦煌岩群(ArPtD)组成。本查证点的岩性主要以变质中酸性火山岩、绿片岩、石英片岩、变粒岩、变砂岩、黑云母片岩、斜长角闪岩、千枚岩等为主,捡块样为灰绿色绿片岩,矿物组成包括绿泥石、绿帘石、黝帘石、阳起石等绿色矿物和钠长石、石英、绢云母、斜长石、黑云母等。
验证点发育的灰绿色绿片岩的拉曼光谱测量显示有7个吸收峰:3118cm-1、3192cm-1以及3317cm-1是水分子伸缩振动的吸收峰;3403cm-1、3508cm-1、3552cm-1分别为(SiSi)O-OH基团、(SiAl)O-OH基团和(AlAl)O-OH基团的伸缩振动吸收峰;3626cm-1为OH基团的伸缩振动吸收峰(图4)。按照本发明可划分为富铁绿泥石。结果与样品电子探针Fe/(Fe+Mg)结果显示的高铁含量吻合。表1示出了该验证点采样电子探针分析结果。
表1柳园富铁验证点采样电子探针分析结果
(2)阿喀孜达坂贫铁绿泥石验证点
验证点位于国道G314公路以南120公里处,昆仑山主脊顶部。
验证点岩石光谱主要有9个吸收峰:3084cm-1、3146cm-1、3213cm-1、3362cm-1是水分子伸缩振动的吸收峰;3463cm-1、3508cm-1、3580cm-1为(SiSi)O-OH基团、(SiAl)O-OH基团和(AlAl)O-OH基团的伸缩振动吸收峰;3633cm-1、3663cm-1为OH基团的伸缩振动吸收峰(图5),按本发明可划入富镁贫铁绿泥石。
同时,由采集样品的电子探针分析发现,其铁含量不高,表现为贫铁环境,与拉曼光谱判别结果相同。如表2所示:
表2阿喀孜达坂贫铁绿泥石验证点电子探针分析结果表
图6是本发明实施例提供的现有近红外光谱与本发明的拉曼光谱分析图,现有近红外光谱中的缺点是:数据质量较差。
图7是本发明实施例提供的现有技术电子显微镜形貌观察照片图。现有电子显微镜分析方法的缺点是:只能进行外形观察。
图8是本发明实施例提供的平滑前、平滑后曲线图。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于拉曼光谱的绿泥石矿物种类鉴定方法,其特征在于,所述基于拉曼光谱的绿泥石矿物种类鉴定方法包括:
通过显微方式获取岩石薄片样品中绿泥石矿物的拉曼光谱并将数据输入连接的数据处理终端;
采用Savitzky-Golay卷积平滑方法进行光谱数据的平滑去噪处理,采用Voigt函数拟合进行特征吸收峰位置的确定;
拉曼光谱数据在数据处理终端中进行光谱曲线平滑数据预处理,经过光谱数据平滑环节的曲线进行特征吸收峰的峰位拟合与定位;
依据特征吸收峰位置与绿泥石铁含量建立两者之间的定量模型,所述定量模型的建立是本发明的核心技术,按照特征吸收峰位置快速鉴定绿泥石矿物的亚种类别。
2.如权利要求1所述的基于拉曼光谱的绿泥石矿物种类鉴定方法,其特征在于,所述通过显微方式获取岩石薄片样品中绿泥石矿物的拉曼光谱数据中,对采集含绿泥石矿物的岩石样品表面清洁处理,利用拉曼光谱测量仪,对磨制的岩石薄片样品表面进行光谱测量。
5.如权利要求1所述的基于拉曼光谱的绿泥石矿物种类鉴定方法,其特征在于,所述定量模型为:
依据3570cm-1和3440cm-1附近的特征谱带位置来确定Fe/Fe+Mg值,
Y3570=-30.729X+358.35
Y3450=-95.118X+3486.4
Y3570、Y3450分别是3570cm-1、3440cm-1附近特征谱带位置,X是Fe/Fe+Mg值。
6.如权利要求1所述的基于拉曼光谱的绿泥石矿物种类鉴定方法,其特征在于,所述绿泥石的特征吸收峰位置包括两个特征吸收峰,分别位于3570cm-1和3440cm-1附近。
7.如权利要求1所述的基于拉曼光谱的绿泥石矿物种类鉴定方法,其特征在于,使用Voigt峰位拟合方法拟合寻峰,拟合得到的曲线与实测曲线相关系数r2≥0.995。
8.如权利要求1所述的基于拉曼光谱的绿泥石矿物种类鉴定方法,其特征在于,所述按照建立的定量模型中特征峰位置鉴定绿泥石矿物的亚种类别中,包括:利用电子探针测试富镁—富铁系列样品的Fe-Mg含量,计算Fe/Fe+Mg值,依据矿物学区分铁-镁绿泥石的方法,Fe/Fe+Mg>0.75为富铁亚种、0.25<Fe/Fe+Mg<0.75为中间亚种、Fe/Fe+Mg<0.25为富镁亚种。
9.如权利要求8所述的基于拉曼光谱的绿泥石矿物种类鉴定方法,其特征在于,进一步包括:
(1)以3570cm-1附近的特征吸收峰位置进行分类:当特征吸收峰位置小于3560.5cm-1时,为富铁贫镁绿泥石、当特征吸收峰位置介于3560.5cm-1和3575.8cm-1之间时,为中间绿泥石、当特征吸收峰位置大于3575.8cm-1时,为富镁贫铁绿泥石;
(2)以3440cm-1附近的特征吸收峰位置进行分类:当特征吸收峰位置小于3415.1cm-1时,为富铁贫镁绿泥石、当特征吸收峰位置介于3415.1cm-1和3462.6cm-1之间时,为中间绿泥石、当特征吸收峰位置大于3462.6cm-1时,为富镁贫铁绿泥石。
10.一种应用权利要求1~9任意一项所述基于拉曼光谱的绿泥石矿物种类鉴定方法的绿泥石矿物种类鉴定设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011219418.3A CN112362636A (zh) | 2020-11-04 | 2020-11-04 | 一种基于拉曼光谱的绿泥石矿物种类鉴定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011219418.3A CN112362636A (zh) | 2020-11-04 | 2020-11-04 | 一种基于拉曼光谱的绿泥石矿物种类鉴定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112362636A true CN112362636A (zh) | 2021-02-12 |
Family
ID=74513622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011219418.3A Pending CN112362636A (zh) | 2020-11-04 | 2020-11-04 | 一种基于拉曼光谱的绿泥石矿物种类鉴定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112362636A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420795A (zh) * | 2021-06-07 | 2021-09-21 | 核工业北京地质研究院 | 一种基于空洞卷积神经网络的矿物光谱分类方法 |
CN114184591A (zh) * | 2021-11-22 | 2022-03-15 | 成都理工大学 | 一种基于绿泥石拉曼参数和元素组成识别斑岩矿床热液中心的方法 |
CN114199851A (zh) * | 2021-12-02 | 2022-03-18 | 天津大学 | 性状相似、易混淆的矿物类中药品的快速识别方法 |
CN114280684A (zh) * | 2021-12-24 | 2022-04-05 | 成都理工大学 | 基于白云母波长变化的热液型矿床找矿方法及系统 |
CN114371138A (zh) * | 2022-01-13 | 2022-04-19 | 中国自然资源航空物探遥感中心 | 一种高光谱遥感光谱特征吸收位置确定方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001059437A1 (en) * | 2000-02-07 | 2001-08-16 | Alberta Research Council Inc. | Determination of the properties of a solution or solid using raman ratios |
CN105319198A (zh) * | 2014-07-15 | 2016-02-10 | 中国石油化工股份有限公司 | 基于拉曼光谱解析技术的汽油苯含量预测方法 |
CN105814438A (zh) * | 2013-10-10 | 2016-07-27 | 欧普图斯(苏州)光学纳米科技有限公司 | 利用光散射光谱分析探测地下原油或天然气的系统及方法 |
CN107843581A (zh) * | 2017-10-20 | 2018-03-27 | 国家电网公司 | 基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法 |
CN109856107A (zh) * | 2017-11-30 | 2019-06-07 | 核工业北京地质研究院 | 一种鉴定绿柱石的方法 |
CN109856105A (zh) * | 2017-11-30 | 2019-06-07 | 核工业北京地质研究院 | 一种粘土矿物的显微鉴定方法 |
CN110084212A (zh) * | 2019-04-30 | 2019-08-02 | 河南师范大学 | 一种基于改进正弦余弦算法的光谱特征峰识别定位方法 |
CN110618106A (zh) * | 2019-08-12 | 2019-12-27 | 中国地质调查局西安地质调查中心 | 一种基于近红外反射光谱的绿泥石矿物种类鉴定方法 |
US20200064191A1 (en) * | 2018-08-22 | 2020-02-27 | Paul Bartholomew | Raman Spectroscopy for Minerals Identification |
-
2020
- 2020-11-04 CN CN202011219418.3A patent/CN112362636A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001059437A1 (en) * | 2000-02-07 | 2001-08-16 | Alberta Research Council Inc. | Determination of the properties of a solution or solid using raman ratios |
CN105814438A (zh) * | 2013-10-10 | 2016-07-27 | 欧普图斯(苏州)光学纳米科技有限公司 | 利用光散射光谱分析探测地下原油或天然气的系统及方法 |
CN105319198A (zh) * | 2014-07-15 | 2016-02-10 | 中国石油化工股份有限公司 | 基于拉曼光谱解析技术的汽油苯含量预测方法 |
CN107843581A (zh) * | 2017-10-20 | 2018-03-27 | 国家电网公司 | 基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法 |
CN109856107A (zh) * | 2017-11-30 | 2019-06-07 | 核工业北京地质研究院 | 一种鉴定绿柱石的方法 |
CN109856105A (zh) * | 2017-11-30 | 2019-06-07 | 核工业北京地质研究院 | 一种粘土矿物的显微鉴定方法 |
US20200064191A1 (en) * | 2018-08-22 | 2020-02-27 | Paul Bartholomew | Raman Spectroscopy for Minerals Identification |
CN110084212A (zh) * | 2019-04-30 | 2019-08-02 | 河南师范大学 | 一种基于改进正弦余弦算法的光谱特征峰识别定位方法 |
CN110618106A (zh) * | 2019-08-12 | 2019-12-27 | 中国地质调查局西安地质调查中心 | 一种基于近红外反射光谱的绿泥石矿物种类鉴定方法 |
Non-Patent Citations (4)
Title |
---|
华中师范大学等编: "《分析化学 第4版 下》", 28 February 1981, 高等教育出版社 * |
李松: "变压器油中溶解气体拉曼光谱数据处理方法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
杨敏: "绿泥石矿物近红外光谱吸收谱带的位移机理与控制机制研究", 《中国优秀博硕士学位论文全文数据库(博士) 基础科学辑》 * |
谢超等: "在200℃和0.95~7.70GPa下天然斜绿泥石的拉曼光谱特征", 《光谱学与光谱分析》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420795A (zh) * | 2021-06-07 | 2021-09-21 | 核工业北京地质研究院 | 一种基于空洞卷积神经网络的矿物光谱分类方法 |
CN113420795B (zh) * | 2021-06-07 | 2024-04-26 | 核工业北京地质研究院 | 一种基于空洞卷积神经网络的矿物光谱分类方法 |
CN114184591A (zh) * | 2021-11-22 | 2022-03-15 | 成都理工大学 | 一种基于绿泥石拉曼参数和元素组成识别斑岩矿床热液中心的方法 |
CN114199851A (zh) * | 2021-12-02 | 2022-03-18 | 天津大学 | 性状相似、易混淆的矿物类中药品的快速识别方法 |
CN114280684A (zh) * | 2021-12-24 | 2022-04-05 | 成都理工大学 | 基于白云母波长变化的热液型矿床找矿方法及系统 |
CN114280684B (zh) * | 2021-12-24 | 2023-06-16 | 成都理工大学 | 基于白云母波长变化的热液型矿床找矿方法及系统 |
CN114371138A (zh) * | 2022-01-13 | 2022-04-19 | 中国自然资源航空物探遥感中心 | 一种高光谱遥感光谱特征吸收位置确定方法及系统 |
CN114371138B (zh) * | 2022-01-13 | 2024-04-12 | 中国自然资源航空物探遥感中心 | 一种高光谱遥感光谱特征吸收位置确定方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110618106B (zh) | 一种基于近红外反射光谱的绿泥石矿物种类鉴定方法 | |
CN112362636A (zh) | 一种基于拉曼光谱的绿泥石矿物种类鉴定方法 | |
Le Losq et al. | Determination of water content in silicate glasses using Raman spectrometry: Implications for the study of explosive volcanism | |
CN103344605A (zh) | 硅橡胶复合绝缘子老化程度的鉴定方法 | |
Schenk et al. | Elemental analysis of glass by laser ablation inductively coupled plasma optical emission spectrometry (LA-ICP-OES) | |
CN107037012B (zh) | 用于激光诱导击穿光谱采集的阶梯光谱仪动态校正方法 | |
US7394545B2 (en) | Apparatus for characterizing and measuring the concentration of opaque particles within a fluid sample | |
CN114646682B (zh) | 一种基于绿帘石微量元素的找矿方法 | |
Wiggenhauser et al. | LIBS for non-destructive testing of element distributions on surfaces | |
CN111812138B (zh) | 扫描电镜-能谱仪测定刹车片中石棉含量的方法 | |
Nicholas et al. | Testing the applicability of handheld portable XRF to the characterisation of archaeological copper alloys | |
CN102221352A (zh) | 一种合金钢脱碳层深度的测量方法 | |
Wagner et al. | Complementary analysis of historical glass by scanning electron microscopy with energy dispersive X-ray spectroscopy and laser ablation inductively coupled plasma mass spectrometry | |
CN106442474A (zh) | 一种基于偏最小二乘法的水泥生料三率值测量方法 | |
CN114441503B (zh) | 一种基于表面增强拉曼光谱内标分析的三聚氰胺定量检测方法 | |
Germinario et al. | Textural and mineralogical analysis of volcanic rocks by µ-XRF mapping | |
Smith et al. | A guide for the quantitative elemental analysis of glass using laser ablation inductively coupled plasma mass spectrometry | |
WO2021120518A1 (zh) | 一种对聚合物材料老化的检测及过程分析方法 | |
CN110987823B (zh) | 利用显微红外光谱区分月球火山玻璃和撞击玻璃的方法 | |
CN201034950Y (zh) | 真空x荧光能量色散光谱仪 | |
CN109668862B (zh) | 一种基于激光诱导击穿光谱的铝电解质分子比检测方法 | |
CN201497701U (zh) | 一种珠宝鉴定仪 | |
CN111624194B (zh) | 基于激光诱导击穿光谱的叶片元素无损测量方法 | |
CN206095945U (zh) | 一种针对水中污染物检测的sers检测装置 | |
Weinger et al. | A novel approach to the examination of soil evidence: mineral identification using infrared microprobe analysis |
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 |