[0001] 本发明涉及检测技术领域，具体地，本发明涉及一种轻质元素检测方法。

[0002] X射线荧光光谱分析技术(XRF)是一种元素分析的有效工具，其对不同元素的检测能力不同。由于重金属元素特征X射线的谱线能量较大，其与背景噪声的差异较大，使得XRF技术能够精确地对重金属元素进行定性及定量分析。相较于重金属元素，轻质元素的特征X射线的谱线能量较小，极易淹没在背景噪声中，导致轻质元素分析一直是XRF技术的短板。

[0003] 对于重质元素的精确检测，现有技术中研究人员做了一系列改进，降噪方法如2015年，李芳等采用小波变换的方法对XRF荧光光谱中的低含量重金属的元素特征谱线进行降噪平滑，选用信噪比、均方误差和信息熵三项指标评价去噪效果，选用合适的小波基和分解层数，得到一个近似的本底曲线，根据剥峰的原理扣除背景，实现谱峰的快速剥离。表明小波变换(WT)法针对XRF荧光光谱降噪及基线校正等处理有一定的可行性。

[0004] 2018年2月，伊相心等设计了一种X射线荧光能谱(EDXRF)谱线分析软件，选用60kV、管流130mA、W滤光片的EDXRF光谱仪对大米粉样品中镉元素进行检测，测量时间为
600s。在谱线分析时横向对比了多种算法的利弊，表明了小波变换、数据拟合、导数分析、面积计算等是EDXRF谱线分析的重要方法。

[0005] 2022年2月，陈伟等针对高背景影响对痕量核素特征峰定量信息提取的问题，基于对数字滤波器的研究，提出了一种多重数字滤波谱线处理技术。该技术利用自主研发的‑1EDXRF型X荧光分析仪测量0.19mg·kg 的镉大米标准样的谱线，对该谱线分别做多重Sallen‑Key(Multiple Sallen‑Key，MSK)平滑和多次高斯平滑。结果表明，在相同平滑效果下，MSK平滑次数更少，代码执行效率更高。通过与采用石墨炉原子吸收光谱法测定的大米标准样品中的镉元素含量进行对比，经MSK平滑处理后的镉元素含量与标准含量值间的相对误差减小，提高了样品含量值的测量精度。

[0006] 2022年1月，汪雪元等为解决X射线荧光重叠峰的问题，研究了一种基于多适应度量子遗传算法的X射线荧光重叠峰分解方法。用传统量子遗传算法和改进量子遗传算法对一铅黄铜标样(Cu：62.83％，Zn：33.56％，Pb：2.30％，Fe：0.16％，Sn：0.33％，Ni：0.31％，Mn：0.12％)的实验光谱进行分析。结果表明，改进量子遗传算法分解重叠峰的效果优于传统量子遗传算法，这种方法适合于严重的重叠谱峰的分解。

[0007] 然而，对于提高轻质元素的检测精度方面，目前很多技术与研究着重在仪器设计和性能等硬件方面进行改进，发展了高功率、大电流X射线发生器、端窗、超尖、超Be窗X光管、人工薄膜分光器件和超薄探测器窗等技术，提高了轻质元素的激发和探测性能。硬件的改进可以降低特定元素的检出限，但也加大了检测成本，且存在一定的限制性。

[0008] 随着信号处理理论的研究迅速发展，利用滤波及融合等方法解决XRF技术在轻质元素分析上的不足成为可能，但轻质元素自身的特性及探测器的约束使得XRF能谱在轻质元素部分有着大量的谱线重叠，且极易淹没在背景和噪声中，存在特征峰找寻困难、难以定量分析等问题。

[0041] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

[0042] 应当理解，本申请的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

[0043] 还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的，而并不意在限定本申请。如在本申请说明书和权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本申请说明书和权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

[0044] 下面结合附图来详细描述本申请的具体实施方式。

[0045] 图1示出了可以应用本申请的轻质元素检测方法100的流程示意图。如图1所示，在步骤S110处，获取样品中轻质元素的特征谱线。在一个实施例中，前述特征谱线可以利用XRF荧光光谱分析仪进行采集，轻质元素为元素周期表中原子序数小于20的元素。具体地，前述样品可以是土壤。

[0046] 基于获得的前述特征谱线，在步骤S120处，从前述特征谱线中寻找轻质元素的特征峰，并进行元素匹配，得到轻质元素的第一检测结果。该第一检测结果用于表征样品中轻质元素的种类以及含量。也就是说，该第一检测结果为得到的轻质元素的第一种类和第一含量。

[0047] 在步骤S130处，对预估轻质元素的谱线模型进行叠加，在叠加结果与前述特征谱线匹配时，输出轻质元素的第二检测结果。该第二检测结果用于表征样品中轻质元素的种类以及含量。也就是说，该第二检测结果为得到的轻质元素的第二种类和第二含量。

[0048] 在步骤S140处，根据前述第一检测结果、前述第二检测结果计算得到轻质元素的最终检测结果。也即，根据前述得到的轻质元素的第一种类和第一含量、第二种类和第二含量得到最终种类和最终含量。本申请从两个方面对样本中轻质元素的种类和含量进行计算，降低了传统轻质元素特征峰拟合与提取的误差，提升了XRF检测轻质元素的精确性。

[0049] 图2示意性示出了根据本申请的另一轻质元素检测方法200的流程示意图。需要说明的是，图2中所示的方法200中的步骤S210至步骤S230可以理解为是对前文结合图1所描述的方法100中步骤S110的一种应用示例，图2中所示的方法200中的步骤S240可以理解为是对前文结合图1所描述的方法100中步骤S120的一种应用示例，图2中所示的方法200中的步骤S250可以理解为是对前文结合图1所描述的方法100中步骤S130的一种应用示例，图2中所示的方法200中的步骤S260至步骤S270可以理解为是对前文结合图1所描述的方法100中步骤S140的一种应用示例。因此，前文结合图1的轻质元素检测方法的描述同样也适用于下文。

[0050] 如图2所示，在步骤S210处，读取样本数据，获取样品的原始谱线。在一个应用场景中，前述样品为土壤时，前述样品的原始谱线包括土壤内所有的元素对应谱线。在步骤S220处，对前述原始谱线进行去噪，滤除原始谱线中的外界噪声，得到样本本身的样品谱线。

[0051] 在一个实施方式中，图3示意性示出了图2所示检测方法中去噪过程的流程示意图，图3所示的方法300可以理解为对前文图2所描述的方法200中步骤S220的一种应用示例。在一个应用场景中，对原始谱线进行去噪，滤除原始谱线中的外界噪声，得到样本本身的样品谱线，如图3所示，包括：步骤S310处，将样品的原始谱线即原始信号f(t)进行小波分解，以将前述原始谱线投影到不同频率下的子空间，该子空间包括近似空间和细节空间，得到各个分解尺度下的细节系数和近似系数。具体地，小波分解中，优选小波基为haar，分解层数为三层。步骤S320处，对各前述子空间下的细节系数Wf(u,s)进行阈值化处理得到阈值处理后的细节系数Wf’(u,s)。小波基、阈值均依据数据毛刺数量、处理后的数据是否会存在峰型失真、峰位漂移以及荧光技术大幅度改变做选择。优选地，阈值化处理采用软阈值。步骤S330处，根据近似系数和阈值处理后的细节系数进行小波重构，得到样品本身的样品谱线，实现去噪的目的，即得到去噪信号f’(t)。在一个应用场景中，原始谱线中的噪声可以是设备噪声或环境噪声。

[0052] 基于前述S220得到的去噪后的样本本身的样品谱线，在步骤S230处，对前述样本本身的样本谱线进行背景信号扣除，得到样品中轻质元素的特征谱线。

[0053] 在一个实施方式中，图4示意性示出了图2所示检测方法中背景信号扣除过程的流程示意图，图4所示的方法400可以理解为对前文图2所描述的方法200中步骤S230的一种应用示例。在一个应用场景中，由于实际采集的光谱信号叠加在一定的背景信号上，使得各通道的荧光计数均有所增加。背景信号相对真实光谱信号更光滑平坦，由小波多分辨分析的原理可知，背景信号在小波域中对应尺度水平较高的近似分量，直接重构尺度水平较高的近似分量即可获取背景估计信号，将该背景估计信号从原始信号中扣除即可实现背景信号的扣除。具体地，如图4所示，对前述样品谱线进行背景扣除以得到轻质元素的特征谱线，包括以下步骤：

[0054] 步骤S410参数设置：确定母小波、分解尺度、迭代次数Num，设置迭代计数器Count的初始值为1；具体地，根据背景扣除后谱线的最大峰背比选择最优小波基，优选地，小波基选择为sym4和Meyer。

[0055] 步骤S420获取去噪后的信号：将所述样品谱线设置为输入信号，即将去噪后的信号S_DeNoised赋值给输入信号S_In。也就是说，将去噪后的信号f’(t)作为输入信号。

[0056] 步骤S430小波分解：基于所述母小波和所述分解尺度对所述输入信号S_In进行N层小波分解。

[0057] 步骤S440阈值化处理：选择第N层的近似系数进行阈值化处理。

[0058] 步骤S450信号重构：重构阈值化处理后的第N层的近似系数，得到与所述样品谱线的信号长度一致的背景估计信号S_BackGround，所述迭代计数器的值+1。具体地，重构指小波重构过程，根据阈值选取规则对各尺度系数进行处理，由于背景信号对应尺度水平较高的近似分量，一般对第N层系数进行置0处理，再利用处理后的各系数按分解规则重构合成原信号。

[0059] 步骤S460判断执行：将所述背景估计信号设置为输入信号，执行对所述输入信号进行N层小波分解，选择第N层的近似系数进行阈值化处理的步骤，循环执行直至所述迭代计数器Count的值与所述迭代次数Num相等；具体地，判断迭代计数器Count的值是否等于迭代次数Num，如若相等，则结束，转到步骤S470。否则，将S_BackGround赋值给S_In，Count加1，返回步骤S430。

[0060] S470背景估计信号：得到背景估计信号，并根据经验判断是否符合真实环境下信号的分布，将最后一次得到的背景估计信号从所述样品谱线信号中进行扣除；

[0061] S480：得到轻质元素的特征谱线。

[0062] 基于前述步骤S230处得到的轻质元素的特征谱线，在步骤S240处，从样品中轻质元素的特征谱线中寻找轻质元素的特征峰，并进行元素匹配，得到轻质元素的第一检测结果。步骤S240是根据实际检测得到的特征谱线进行元素的种类与含量分析，也可以称之为正向计算过程。

[0063] 在一个实施方式中，步骤S240可以包括：从前述样品中轻质元素的特征谱线中寻找轻质元素的特征峰谱线，所述特征峰谱线包括多个特征峰；对寻找到的每个特征峰进行特征峰拟合，对拟合的特征峰进行元素匹配，得到轻质元素的第一检测结果，该第一检测结果用于表征样品中轻质元素的第一种类和第一含量。根据理论分析或经验可知，根据特征峰的位置确定元素种类，利用特征峰面积建立与已知样品中轻质元素含量的关系曲线。因此，拟合的特征峰的对应位置可以确定元素种类，特征峰面积可以确定元素含量。在一个具体的应用场景中，例如样品为土壤时，目标轻质元素可以包括多种，例如可以是C、N、O，从特征谱线中寻找目标轻质元素C、N、O对应的多个特征峰谱线，对寻找到的每个元素对应的特征峰进行特征峰拟合，例如可以是高斯拟合，对拟合的特征峰进行元素匹配和特征峰面积的提取，得到第一检测结果，即可确定土壤中是否包含轻质元素C、N、O及其含量。

[0064] 在另一个实施方式中，步骤S240可以包括：在步骤S241处，从特征谱线中寻找轻质元素的特征峰谱线，特征峰谱线包括多个特征峰。从特征谱线中寻找轻质元素的特征峰的方法可以为二阶导数寻峰法。特征峰定位主要解决峰的重叠、弱峰、逃逸峰和干扰峰等问题，由于轻质元素的谱线能量较低且相近，故弱峰和峰的重叠现象严重，二阶导数寻峰法具有较强的重峰分辨能力、弱峰寻找能力和假峰抑制能力。

[0065] 在步骤S242处，寻找多个特征峰谱线中的最大峰。接着步骤S243对寻找到的最大峰进行特征峰拟合。步骤S244对寻找到的最大峰进行特征峰匹配，根据拟合结果进行元素匹配，得到最大峰对应的轻质元素的第一子检测结果。在拟合结果包含多种轻质元素的高斯分布谱线时，将峰值最大的高斯分布谱线对应的轻质元素的种类和含量作为最大峰对应的轻质元素的第一子检测结果。理论上，元素发出的特征X射线谱是一种能量值确定的线状谱，由于能级本身存在一定宽度和探测器分辨率有限的影响，使得元素的特征谱为具有一定宽度的类高斯分布的谱峰，采用高斯拟合的方法能够实现特征峰面积的计算，即得到对应元素的含量。

[0066] 在步骤S245处，将拟合结果从特征峰谱线中进行扣除，得到扣除后的特征峰谱线。进一步地，将峰值最大的高斯分布谱线从特征峰谱线中进行扣除。在扣除后的特征峰谱线不符合高斯分布时，对扣除后的特征峰谱线进行补充，得到符合高斯分布的特征峰谱线。在步骤S246处，对扣除后的特征峰谱线处执行寻找特征峰谱线中的最大峰的步骤，循环执行直至扣除后的特征谱线不存在特征峰。在步骤S247处，将前述得到的所有第一子检测结果拟合输出作为所述第一检测结果。

[0067] 如图2所示，轻质元素的检测方法还包括步骤S250，对预估轻质元素的谱线模型进行叠加，在叠加结果与所述特征谱线匹配时，输出轻质元素的第二检测结果。步骤S250为利用人工算法系统对样品中可能存在的轻质元素的种类及其含量的预估，该利用人工算法系统得到前述轻质元素的种类及含量的过程可以包括对预估轻质元素建模、元素模型与特征谱线进行谱线逼近等，该过程可以称为逆向计算过程。

[0068] 在一个实施方式中，步骤S250可以包括：在步骤S251处逆向建模，从元素特征谱数据库获取与预估轻质元素的种类对应的轻质元素谱线模型。步骤S252对各预估轻质元素进行建模。步骤S253进行元素估计，预估轻质元素的种类，对样品例如土壤中所包含的轻质元素种类进行估计，预估的轻质元素可以是多种。可以理解的是，也可以先对样品例如土壤中所包含的多种轻质元素的种类进行估计，再从元素特征谱数据库获取与预估轻质元素的种类对应的轻质元素谱线模型，并对各预估轻质元素进行建模。在步骤S254处，采用寻优算法对获取的轻质元素谱线模型进行模型叠加，优选地，该寻优算法可以是遗传算法。步骤S255将叠加后的模型与特征谱线进行谱线逼近，此过程中还可以包括调整各元素的含量以调整峰形。具体地，将叠加后的模型与步骤S230得到的轻质元素的特征谱线进行逼近。步骤S256判断叠加后的模型与特征谱线是否匹配，并在叠加后的模型与特征谱线匹配时，步骤S257输出轻质元素的第二检测结果，即轻质元素的第二种类和第二含量。当叠加后的模型与特征谱线不能匹配时，调整预估轻质元素的种类，继续进行从元素特征谱数据库获取与调整后预估轻质元素的种类对应的轻质元素谱线模型，采用寻优算法对获取的轻质元素谱线模型进行模型叠加的步骤，直至叠加后的模型与所述特征谱线匹配，输出轻质元素的第二检测结果。

[0069] 在一个具体的实施方式中，例如Ca的Kα1特征峰位置在3.691KeV处，多次测量Ca含量已知的样品，可得到各Ca含量对应的Kα1特征峰峰值，基于此建立Ca的模型，重复此步骤可得到多种元素的模型，将前述多种元素的模型进行叠加，调整各元素含量以控制峰形，并与特征谱线进行逼近，匹配条件例如可以预设阈值，当二者对应元素的峰强差值小于预设阈值时，可以认为逆向计算过程得到的元素谱线与步骤S230后得到的特征谱线匹配，输出逆向计算过程的结果，即第二检测结果。

[0070] 基于前述步骤S240得到的轻质元素的第一检测结果、步骤S250得到的轻质元素的第二检测结果，在步骤S260处进行双向融合解算，具体可以是将所述第一检测结果、所述第二检测结果进行比对，步骤S270根据比对结果确定轻质元素的最终检测结果。在比对结果表明所述第一检测结果、所述第二检测结果存在交集时，将交集内容作为轻质元素的最终检测结果。在比对结果表明所述第一检测结果、所述第二检测结果不存在交集时，将所述第一检测结果作为轻质元素的最终检测结果。可以理解的是，根据前述过程，输出的第一元素种类、第一元素含量、第二元素种类与第二元素含量与实际样品中的元素含量会存在差别。双向融合解算过程也可以是进行多次试验后，得到多组第一元素含量、第二元素含量与实际元素含量的数据值，对该多组数据值进行拟合处理可得到三者的关系，如加权平均值或者函数关系，根据上述三者的关系进一步确定最终检测结果，即最终轻质元素的种类和含量。

[0071] 与传统XRF荧光分析技术相比，本申请针对轻质元素特征能力低与荧光产额少的特点，设计了两个方向的XRF谱线解耦合方法，并将二者得到的结果进行比对分析，极大降低了传统特征峰拟合与提取的误差，也减少了算法模型预测的失真，针对性地解决了XRF荧光分析技术在轻质元素分析方面的问题，有效提高了XRF对轻质元素的检测能力，提高了检测精度，降低了检测误差。

[0072] 虽然本文已经示出和描述了本申请的多个实施例，但对于本领域技术人员显而易见的是，这样的实施例只是以示例的方式来提供。本领域技术人员可以在不偏离本申请思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本申请的过程中，可以采用对本文所描述的本申请实施例的各种替代方案。所附权利要求书旨在限定本申请的保护范围，并因此覆盖这些权利要求范围内的等同或替代方案。