摘要：和田玉作为中国传统文化的重要载体,具有极大的历史、文化和经济价值.和田玉产地的判定具有重要意义,但其一直是和田玉研究的难点.不同学者采用传统宝石学方法、谱学方法和微量元素、同位素分析等对和田玉产地判定进行了大量研究,然而,传统的技术仍然无法提供一个准确且可定量的判别方法.人工智能亦称机器智能,是指由人工制造出来的系统所表现出来的智能.从人工智能研究的兴起,机器学习便成为其基础,通过电脑程序、算法自动学习和提高,并做出相应判断.利用人工智能和激光诱导击穿光谱对和田玉产地进行判定实际上是一个先分类后判定的过程,首先要有足够的来源可靠的样品并采集其激光诱导击穿光谱数据,通过机器学习,将带有明确产地信息的样品按光谱分类,并建立相应的模型和样品库;再根据得到的模型,对未知样品的产地进行判定.本研究中所使用的方法为支持向量机方法,用于对多维数据进行分析并提取各产地样品的谱学(化学元素)的指纹特征,从而解决传统方法无法解决的复杂问题.仪器设备采用TSI公司研发的ChemRevea13766型激光诱导击穿光谱仪.本研究的样品采集自五个产地:中国新疆、青海、贵州罗甸和俄罗斯及韩国,对196块原石样品进行测试并采集了638个LIBS光谱,其中500个光谱为训练集,用来建模定标并构建样品库,其余138个光谱为验证集,用来评估模型的准确事.结果显示,500个定标样本,识别准确率100％;138个验证样本,正确识别137个,盲测识别正确率99.3％,综合正确率达到99.8％.对于得到的支持向量机模型,其模型的系数可被提取出来,用于判断对某元素对产地判定结果的影响大小.本研究中,Li,Al,Mn,Sr,K,Fe和Na等元素对应的谱线数据具有较大的模型系数,说明这些元素对产地判定具有重要作用.研究结果显示,激光诱导击穿光谱结合支持向量机分析可为和田玉产地鉴定提供一种新的、可靠的方法且达到很高的准确率.该方法同样可应用于其他宝石的产地判定.
