主题：【第十二届原创】云？X荧光光谱法的下一个增长点？ Cloud + XRF， The next step forward

题目是我编造的，这样看起来比较international和professional，是的，我就是这么一个naughty boy。

XRF是我工作之后接触的新原理和新仪器，既无参考书可以借鉴，也没有人员可以垂询（带我的师傅在我入职三个月后离职了），通过不断的比对检测数据和实际值，不断的拆机装机、不断的尝试各种制样方法，终于积攒起粗粝、粗暴的认识，对XRF的感情也非常深。

但是，对于XRF的相关知识，我并没有系统的知识储备，也不知道XRF发展历史中有哪些阶段性的变革，所以“下一个增长点”的说法其实是我杜撰的。

先说几句题外话。

大约十六、七年前，当时的卓越网（现亚马逊中国）搞了一个征文活动，我写了一篇《卓越，请你听我说》获得了征文二等奖（一等奖一个，所以可以理解我排名第二），讲述的其实是营销模式的问题，卓越网奖励我1000礼品卡，并许诺终生免运费。很可惜的是，后来的亚马逊中国不认账了。

大概十三年前，我活跃在bbs.imp3.net，热衷于参加各种数码产品的内测、试用活动，要是全部算起来，迄今试用过的数码产品估计近百。

其实我想说的是，跨界或许是门外汉的一种先天的优势，不至于桎梏于我们现有的认知。

我接触的样品很杂，所以使用过、相对较为了解的分析方法和分析仪器种类很多，这些都对我的思路有帮助，我要是借助仪器信息网这个平台以及原创大赛这个机会“胡说八道”几句，估计专家们应该能海涵。

从2015年的BCEIA开始，我就发现仪器小型化、傻瓜化的趋势非常明显，在设计上会更贴近消费者的需求，注意，我这里不再使用“使用者”或“分析测试人员”的称谓，而使用的是“消费者”。

对于任何类型的分析仪器，检测数据的准确是最基本的要求，也是我们最为看重的要求，但是对于客户的真正诉求和痛点，他们感兴趣的难道真的只是几个干巴巴的数据么？

不一定！

他们很可能想知道的是，我的产品或我购买的商品是否符合要求，我买到的商品到底是什么？我有没有可能找到更好的供货渠道。

你给我看数据？我只能尴尬地笑笑，其实我就想要一个结论。买了你的仪器我还要招人，他会不会骗我其实我也不知道，有没有可能样品进去，结论出来，所有的事情仪器帮我搞定。

以前很难，现在呢？

以前经验跟着人走，不管是检测人员还是销售工程师、还是应用工程师，现在呢？

互联网环境变了，翻天覆地！

计算机的运算能力变了，地覆天翻！

我到汉堡王吃汉堡，居然手机都不用带了，刷脸就行了！

十几年前，我看到帕纳科的衍射能远程操作都觉得是黑科技，现在呢？

我觉得对“云”的运用，各类分析仪器好像都差那么些意思，有些落后于这个外部大环境的发展变化。

最有可能在“云”的运用上有所突破的，是各类基于算法生存和谱图匹配的分析仪器领域，我基于自己的认知想了一下，主要包括：

XRF、SEM-XRF、拉曼、红外光谱（含近红外）、XRD。

对于XRF和SEM-XRF主要体现在云计算和云匹配上；对于拉曼、红外光谱、XRD主要体现在云匹配上。

先说下云计算，XRF的优点在于算法，可以不借助标准样品，对于较宽的元素范围（通常F-U）和较大的动态响应区间（从ppm到%）使用以基本参数法为基础的拟合算法得出半定量的检测结果。缺点也在于算法，集体效应、矿物效应、颗粒效应以及仪器自身硬件特性都会影响最终的结果。要搞一个考虑周全、生命力长且可靠的算法不容易，用起来也可能有诸多的局限性。

可现在情况不一样了，消费者可以在客户端提交原始数据，厂商在云端进行更多变量的拟合，再返回数据，算法越来越快、越来越准（大家想想现在头条的各种推送吧，有时候是不是倒吸一口冷气）。硬件到时候不是核心卖点，而算法以及样品库是最大的卖点。消费者也完全可以按次缴费，降低自己的检测成本或者提高仪器的共享利用率。

除了返回检测数值以外，厂商还可以通过与消费者共同建库的模式，通过数据比对、匹配返回更明确的信息。

例如：

消费者通过检测一个白色粉末的样品（注意，检测时色度、粒度及粒度分布信息都有可能同时被采集上传），数据在云端计算出氧化铝含量46%，二氧化硅含量49%，二氧化钛含量2%，氧化铁1%，进而给出高岭土匹配度99的结论。

一旦算法足够精准、样品库足够大，甚至可以给出原产地信息。

例如：

样品氧化铁含量和二氧化硅含量与澳大利亚XX矿区铁矿吻合度较高；

样品氧化铁含量与澳大利亚XX矿区铁矿含量吻合，但是二氧化硅、氧化铝含量与典型值差距很大，与XX矿区铁矿（低品位）一致，要考虑掺入高铁含量物质造假的可能性。

样品的微量元素与波尔图地区土壤的微量元素含量吻合，你买到的是真酒。

SEM-XRF做面扫描的时候，可以通过准确的云端计算得出夹杂物的成分，并进而匹配出夹杂物可能的物相（目前物相还是靠经验以及XRD佐证）。

云匹配不说了，匹配是更加纯粹的数学计算方法，已经非常成熟了，很多物相识别仪（拉曼光谱）已经在使用这种方式，避免单机数据库不全、更新不及时对检测准确性造成影响。

对于单机版表现已经非常强悍的XRF，我们有理由相信云端的算法会更强悍，到时候只要各家厂商能通力协作开放共享硬件参数（不但因厂商而异、而且因各个仪器而异），实现原始数据的标准化（Normalize），共同打造、完善云端的算法，XRF很有可能会有更加广泛的应用前景。



（附图为此次BCEIA上我到访的安科慧生展位，样机展示了高度开放以及参数高度细化的算法，它的表现让我进一步坚定了我文中所述观点）

P.S.

全文完，感谢仪器信息网和各位坛友的支持，CrazyAnalyst战队第12届原创大赛收官了！希望来年有更多的坛友、同行加入我的战队，为分析测试的科普以及做一个更省事、更强势的消费者而努力奋斗。