利用X射线荧光光谱法检测海水中溴元素含量，研究雷州半岛东部近岸水体中溴元素空间分布特征，分析影响雷州半岛东部沿岸水体溴元素空间分布的原因。首先，利用小焦点X射线荧光光谱仪和直接进样法测量标准溶液并建立标准溶液校准曲线，根据特征X射线的荧光强度与标准溶液中溴元素质量浓度的线性关系建立线性拟合方程，反演待测海水中溴元素的质量浓度；然后依据各采样点水体中溴元素质量浓度的空间变化、地表径流的空间分布、潮汐信息及雷州半岛东部沿岸的环流空间结构，分析地表径流、潮汐及环流等因素对雷州半岛东部近岸水体溴元素质量浓度空间变化的影响。对雷州半岛东部18个站位点取样海水的X射线荧光光谱反演计算，结果表明该区域溴元素质量浓度范围在50.79~62.11 mg/L，均低于大洋水体中的平均溴元素质量浓度。研究区内溴元素质量浓度空间变化较大，大致呈离两湾一岛（湛江湾、雷州湾及硇洲岛）近海水中溴元素质量浓度低，离两湾一岛远溴元素质量浓度高的空间分布特征。此外，在研究区南部及琼州海峡入口处，由于复杂的环流结构影响，溴元素质量浓度呈现出明显的沿琼州海峡流流向递增的趋势。雷州半岛东部近岸水体中各个采样点溴元素质量浓度随空间变化的现象表明雷州半岛东部近岸海水中的溴元素质量浓度分布是不均衡的。地表径流、潮汐、沿岸流、海峡流及气旋式环流是导致雷州半岛东部近岸水体溴元素质量浓度空间分布不均衡的主要因素。

中药材重金属超标问题日趋严重, 将阻碍中药产业的未来高质量发展, 因此研究高效、 准确、 便捷的超标鉴定方法对于了解中药的安全性具有重要意义。 X射线荧光(XRF)光谱分析具有无损检测、 快速准确、 样品制备方便等优势, 在元素分析领域获得广泛应用。 由于中药材重金属超标阈值低(如中国药典2020年版规定铅超标为5 mg·kg-1), 中药的种类繁多, 基体复杂, 国家标准样本匮乏, 常规的分类算法难以准确鉴定超标问题。 将迁移学习与多分类支持向量机(TrAdaBoost-SVM)方法结合, 以金银花为例, 采用与金银花相似的国家土壤标准样品的光谱特征信息用于数据增强, 将土壤标准样品和少量中药样本混合建立迁移学习和支持向量机分类模型。 通过实验验证, 迁移学习和TrAdaBoost-SVM结合的分类优化方法, 与传统SVM、 AdaBoost分类算法相比, 鉴定重金属元素铅(Pb)的超标准确率有显著提高。 通过测试数据集的预测验证, TrAdaBoost-SVM模型的预测准确率为96.7%, 高于传统SVM及AdaBoost分类模型的准确率。 所提出的迁移学习与TrAdaBoost-SVM结合的方法, 可在小样本条件下建立分类模型, 并对中药的重金属超标准确预测, 具有一定的理论意义和应用价值。

作为X射线荧光光谱分析技术在中国最早的应用领域—地质与矿产资源应用已走过了60年的引入与发展历程。 文章简介了中国X射线荧光分析实验室在中国的建立与早期发展； 介绍了20世纪80年代中国地质与矿产资源系统引入和发展现代X射线光谱分析技术的主要时间节点和重要事件, 包括: 技术准备、 仪器及软件引入、 加拿大地质调查局Lachance先生, 飞利浦de Jongh博士等著名学者应邀来华讲学活动和中国-德国（联邦地学与原料研究院）两期合作项目的支持等； 重点评介了现代X射线荧光各分支技术（包括: 便携式X射线荧光、 同步辐射X射线荧光、 扫描核探针、 全反射X射线荧光和微束X射线荧光等）在地学领域多个方面的应用、 主要成果和为地矿事业作出的重要贡献, 包括: 硅酸盐岩石全分析、 痕量及超轻元素分析、 各类矿石分析、 地球化学调查和国际地球化学填图样品分析、 海洋地质与矿产资源调查现场分析、 稀土元素分析、 卤族元素分析、 野外现场分析、 原位微区分析和标准物质研制与标准分析方法等11个应用方面。 特别是在20世纪80年代实现了X射线荧光方法对传统化学方法的“替代”而成为岩石全分析的主导方法, 从根本上改变了中国地质分析的面貌, 推动了中国现代地球科学事业的发展, 成为中国地质分析技术发展中的里程碑。 在分析样品以亿计的大规模各类地球化学调查和国际地球化学填图项目中, X射线荧光分析方法充分发挥了制样简单、 快速、 经济而又无污染的优势, 成为多种分析方法配套方案中的主导技术, 从而作出了前所未有的突出贡献。 所形成的方法在中国当今的地质分析中具有典型意义, 代表着当今常规地质分析的普遍水平, 具有时代特征。 最后展望了X射线荧光分析技术地学应用的未来发展。 引文64篇。

研究高效、 准确、 便捷的土壤重金属检测方法对于了解土壤的污染状况以及开展污染防治工作具有重要的意义。 由于X射线荧光光谱分析（XRF）技术具备快速、 准确、 无损检测、 样品制备简单等优势, 在土壤重元素定量检测获得广泛应用。 XRF仪器测试标准样品的荧光光谱并建立校准曲线, 通过反演计算得到待测样品的元素含量。 由于样品元素间存在基体效应, 以及荧光谱特征峰存在叠加干扰, 未经优化的校准曲线的线性度较差, 这给反演计算来困难。 为了解决上述问题, 分别利用小波变换、 非对称加权惩罚最小二乘法(arPLS)对光谱进行去噪和扣除本底基线, 提高校准曲线的决定系数（R2）; 运用竞争性自适应重加权算法（CARS）, 针对不同目标元素优化变量选取; 进一步地, 基于选取的变量建立粒子群算法（PSO）优化的支持向量机回归（SVR）模型, 并通过该模型反演计算各元素含量, 提高定量分析的准确度和预测的泛化能力。 实验结果显示, 经过小波去噪和arPLS本底扣除后的校准曲线的决定系数（R2）有明显提升, Cr、 Cu、 Zn、 As、 Pb分别从0.965、 0.979、 0.971、 0.794、 0.915提高为0.979、 0.987、 0.981、 0.828、 0.953; 通过CARS选取的谱线变量的个数大幅度减少, 从2 048个通道降低到30个以下, 为原来变量个数的1.5%, 提高了变量选择的精准性; 与偏最小二乘法（PLS）、 未优化的SVR模型进行对比, 采用CARS变量选择和PSO优化的SVR模型进行含量预测, 训练集R2C与测试集R2P的决定系数分别在0.99、 0.90以上, 预测准确性有明显提高。 因此, 所提出的竞争性自适应重加权算法和PSO优化的SVR定量分析模型对于土壤重金属元素定量分析具有较好的理论指导和应用价值。

水体重金属铅（Pb）污染对人类健康及水生态环境具有重要影响。 为实现水体重金属Pb的现场快速检测, 以蛋白核小球藻为吸附剂, 开展了基于蛋白核小球藻富集-X射线荧光（XRF）光谱的水体重金属Pb快速检测研究。 结果表明: 蛋白核小球藻与重金属Pb反应液的pH值为7且反应温度为25 ℃时, 蛋白核小球藻对重金属Pb具有快速高效吸附特性, 在反应时间为5 min时对0.012 8～0.353 5 mg·L-1这一较宽浓度范围内重金属Pb的吸附效率高达92%以上, 但对类金属As的吸附效率却低于5%, 因此基于蛋白核小球藻的富集作用可以有效避免重金属Pb与类金属As共存时As的Kα最优特征谱峰对XRF光谱测量过程中Pb的Lα最优特征谱峰的干扰与影响; 在蛋白核小球藻对重金属Pb的最佳吸附反应条件下, 当反应液样品富集量为10 mL时, 建立了基于蛋白核小球藻富集-XRF光谱的水体重金属Pb定量检测方法, 水体重金属Pb浓度与XRF光谱中Pb的Lα特征谱峰净积分荧光强度间具有良好的线性关系, 相关系数r为0.990, 检测限为7.2 μg·L-1, 低于我国《地表水环境质量标准（GB 3838—2002）》中Ⅰ类水质标准中重金属Pb的标准限值; 采用该方法对合肥市市内派河、 匡河、 南淝河、 四里河及十五里河实际水体水样中重金属Pb进行检测, 回收率均在87.84%～115.66%范围内, 表明所建立的藻富集与XRF光谱法相结合的水体重金属Pb快速检测方法能够很好地应用于实际水体中重金属Pb的快速分析与检测。 该研究为发展水体重金属现场快速监测技术与仪器奠定了方法基础。

镍基单晶高温合金是含有10~15种元素的复杂合金, 具备优良的高温强度和耐腐蚀性。 目前, 先进燃气涡轮发动机的涡轮部件几乎都采用空心结构的单晶叶片。 叶片服役过程中要承受超过其熔化温度数百摄氏度的高温和巨大离心应力, 是工况条件最为恶劣的航空零件, 被誉为“工业王冠上的明珠”, 研制发展更耐高温的叶片材料以及改进叶片的冷却技术是提高涡轮进口温度的关键手段。 新一代的单晶叶片中添加大量难熔元素（如Ta, W和Re等）用来提高承温能力, 但这些元素在凝固过程中存在严重的枝晶偏析, 导致组织内成分分布不均匀。 通常采用复杂的多级热处理来溶解非平衡组织, 减小偏析。 枝晶间成分的详细表征对优化热处理工艺和叶片设计具有重要的意义。 微束X射线荧光光谱是一种无损检测技术, 制样简单, 无需镀导电膜, 可对样品进行多元素同时检测, 多用于生物和考古领域, 定量表征成分复杂的金属材料存在一定困难, 应用案例较少。 单晶高温合金具有特殊的十字枝晶组织, 尺寸约为几百微米, 微束X射线荧光光谱可以满足单晶叶片枝晶成分的详细表征和大区域面积的成分分布定量统计需求。 本实验基于微束X射线荧光光谱技术, 建立了镍基单晶高温合金枝晶成分定量统计分布表征方法, 并应用于新型单晶涡轮叶片的全域枝晶组织成分定量分布表征, 探讨了单晶涡轮叶片叶冠到榫头的成分演变规律, 获得了不同部位主元素的一次偏析比和二次偏析比。 结果表明, Re, W和Ta元素偏析严重, 随着叶片截面尺寸的增加及与冷却铜盘距离的增加, 叶片叶冠到榫头各元素的偏析程度降低; Cr, Co和Mo元素偏析比接近于1, 偏析变化不明显, 分布较均匀。 通过对单晶叶片枝晶成分的定量统计解析, 获得了单晶叶片成分的演变规律, 为叶片的设计和凝固工艺的改进提供数据支撑。

在轻元素自身和实测元素间的特征X射线相互影响之下, 受仪器能量分辨率的制约, 实测Ｘ射线荧光光谱会产生严重重叠。 以色谱分离度Rs判定谱峰重叠程度, 针对Rs低于0.3的重叠峰, 提出一种解析EDXRF光谱的新方法, 并对模拟Ｘ射线荧光光谱进行了新方法的验证。 首先, 详细介绍基于四阶导的峰锐化法和提出误差小波变换。 通过仿真结果发现: 当Rs=0.27时, 两种方法皆不能单独实现重叠谱峰的解析与识别; 然而, 原始信号在四阶峰锐化法处理后保留了峰位特征的同时, 还出现了Rs明显增大的有利现象。 因此, 只需要通过调节四阶峰锐化法的权重完成对低分离度重叠峰的初步锐化处理, 再对锐化后的信号进行误差小波变换, 结果实现了对模拟重叠峰的分解, 证明了结合后的新方法(锐化误差小波变换)针对极低分离度的重叠谱峰具有强大的分解能力。 对两组重叠谱峰采用叠加的高斯函数进行模拟, 分别是Mn的Kβ能量峰与Fe的Kα能量峰的重叠光谱(Rs=0.19)以及Al的Kα能量峰与其Kβ能量峰的重叠光谱(Rs=0.11)。 用新方法对谱线进行处理, 实现了重叠峰分解, 结果表明针对极低分离度的重叠谱峰该方法具有可行性。 通过锐化误差小波对实测的EDXRF光谱进行解析, 通过对三组数据解析特定三种低分离度重叠峰进行对比实验, 均成功解析与识别了低分离度的重叠谱峰。 结果表明: 针对极低分离度的重叠谱峰, 锐化误差小波变换可以有效分解, 具有突破性, 实用性和创新性。

锂离子电池在新能源开发与应用中具有重要作用。 三元正极材料成分配比对锂离子电池产品性能与质量产生很大影响, 生产控制需要及时、 精确地掌握混料的成分变化。 能量色散型X射线荧光(EDXRF)技术在该领域的快速分析中具有较好的应用前景, 但目前商品仪器的分析精度尚不能满足生产需求。 为了解决三元正极材料成分Mn、 Co、 Ni的高精度EDXRF分析的技术难题, 提出了一种基于同源激发的自校正式EDXRF分析技术, 采用钨靶X射线管(25 kV/400 μA)和两个能量分辨率均为135 eV(@5.9 keV)的电致冷SDD探测器组成双路X荧光同步激发-探测装置, 将X射线管发射的原级X射线经双路准直器分束后, 分别激发校准样品和待测样品, 两个探测器同时测量两个样品的荧光计数, 采用标准样品的能谱数据对待测样品的能谱数据进行“归一化”处理实现同步校正, 从而降低分析仪器中X射线管不稳定性的影响。 通过8小时内的140次重复性测试, 从计数衰减率、 计数波动和整体效果等方面分析了该装置的稳定性, 并与单光路的稳定性进行比较, 以相对标准偏差和最大相对偏差作为评价指标来评估该装置的稳定性。 计数衰减率从单光路的-0.049 3%·h-1降低到0.001 0%·h-1, 对于11个波动较大的数据点, 相对标准偏差从单光路的0.151 4%降到0.032 6%, 表明同源激发的自校正式EDXRF分析技术可有效降低计数衰减、 初级X射线能谱波动的影响。 从综合效果来看, 经同步数据校正后, Mn、 Co、 Ni的相对标准偏差和最大相对偏差分别为0.076%、 0.170%, 稳定性较单光路提高了1倍。 建立了基于双光路EDXRF分析的定量分析数学模型, 经实验检验, 分析粉末压样品中Mn(17.361%~20.016%)、 Co(12.991%~14.965%)、 Ni(29.653%~33.065%)的绝对误差分别不超过-0.072%、 -0.061%、 0.098%, 单样品的分析时间为200 s, 表明采用同源激发的自校正式EDXRF分析技术能有效改善仪器分析精度, 实现快速、 准确的测量要求。

X射线荧光CT（XFCT）是X射线CT与X射线荧光分析相结合的新型成像方式，可用于探测被修饰后的纳米金颗粒在肿瘤内部的分布及质量分数，在早期癌症诊疗方面具有较好的应用潜力。如何抑制XFCT成像的康普顿散射噪声是当前的热点问题。本文基于深度学习方法，通过卷积神经网络学习图像中的噪声分布规律，从而抑制噪声。基于此，提出了一种基于噪声水平估计和卷积神经网络的XFCT去噪网络（NeCNN）算法，该算法运用噪声估计子网络及去噪主网络进行去噪。估计子网络通过去噪卷积神经网络（DnCNN）估计噪声水平并初步降噪，随后将估计结果输入去噪主网络——全卷积神经网络（FCN）用于学习康普顿散射的分布规律，同时为兼顾局部与全局最优解采用均方误差（MSE）及结构相似度（SSIM）作为损失函数。数据集通过Geant4软件模拟扫描填充各种金属纳米颗粒（Au、Bi、Ru、Gd）的空气模体及聚甲基丙烯酸甲酯（PMMA）模体来获取，且设置不同入射X射线的强度，以此模拟不同噪声水平，增强模型泛化能力。实验结果表明，与三维块匹配滤波（BM3D）及DnCNN算法相比，NeCNN算法的去噪结果最优，其SSIM为0.95066，峰值信噪比（PSNR）为29.01558，图像质量提高最为显著。