赞比亚祖母绿在国内珠宝市场占有重要地位, 具有极高的经济价值, 为丰富该产地祖母绿的溯源信息, 采用常规宝石鉴定仪器, 结合激光拉曼光谱仪、 激光剥蚀电感耦合等离子体质谱仪、 傅里叶变换红外光谱仪、 紫外-可见-近红外光谱仪等测试分析方法, 对赞比亚Kagem矿场所产的祖母绿进行综合测试, 旨在研究Kagem祖母绿的宝石学、 化学成分和谱学特征, 为识别该产地祖母绿特征以及产地溯源提供实际有效的方法。 研究结果表明: 赞比亚Kagem祖母绿样品的颜色呈绿色-蓝绿色, 折射率约为1.580～1.595, 略高于其他产地； 具有弱-中等强度的二色性, 颜色呈蓝绿/黄绿色； 在查尔斯滤色镜下颜色不发生变化； 在长波和短波紫外荧光灯下荧光呈惰性。 放大观察, 可见样品内部含有丰富的固相包裹体, 气液两相包裹体多呈椭圆状或扁条状, 气体体积约占整个包裹体的1/3。 激光拉曼光谱测试显示, 样品中的管状包体为阳起石, 黑褐色金属矿物为磁铁矿, 黑色不规则包体为碳质包体, 柱状包体为钠长石。 化学成分最能凸显赞比亚Kagem祖母绿的产地特征, 与其他产地相比, Kagem祖母绿的致色元素表现为富Cr贫V, 化学成分特征为高Fe、 高Mg和高碱金属元素。 分析红外光谱可知, 该产地祖母绿中Ⅰ型水的特征吸收峰主要在7 268和7 140 cm-1处, Ⅱ型水的特征吸收峰主要在7 075、 6 840、 5 340、 5 205和1 619 cm-1处, Ⅱ型水的红外吸收峰整体强于Ⅰ型水, 表明Ⅱ型水的相对占比大于Ⅰ型水, 这一特征可与贫碱结构水类型的祖母绿产地相区分。 祖母绿的紫外-可见-近红外吸收光谱主要由Cr3+、 Fe2+和Fe3+的吸收峰构成, 吸收峰的峰位和吸收强度在不同方向上略有差异。

建立基于激光诱导击穿光谱仪技术获取的半定量青白色软玉的微量元素含量的人工神经网络模型, 以促进人工神经网络技术在宝石产地溯源方面的应用。 以我国新疆、 广西、 江苏、 青海, 以及韩国和俄罗斯六个产地的青白色软玉为样品, 利用激光诱导击穿光谱仪在颜色均匀干净的部分获取元素含量数据。 使用数据筛选原则对数据进行了筛选和Al的归一化处理之后, 以因子分析和线性回归分析讨论了数据间的共线性, 在数据间不存在明显多重共线性的情况下建立了三层人工神经网络的判别模型。 结果表明, 所选取的每个变量的VIF值小于5, 数据间不存在明显的多重共线性, 因子分析的KMO值小于0.6, 表明变量间无明显关系。 同时利用软玉t-SNE图对数据进行降维和可视化处理, t-SNE图显示大部分数据点都重叠在一起, 表明对此数据进行简单聚类和相关分析是无法区分产地的, 因此选择人工神经网络的方法对六个产地的数据进行产地判别分析。 经人工神经网络模型迭代判别之后, 模型对我国新疆、 广西、 江苏、 青海, 以及韩国和俄罗斯六个产地的青白色软玉判别的精度达到0.933, 其中韩国软玉的数据判别结果精度最高, 达到0.995, 误差为0.028, 青海软玉的数据判别结果最低为0.803, 误差为0.090。 综上所述, 激光诱导击穿光谱结合人工神经网络的方法在宝石产地溯源方面的应用是具有很大潜力的。