基于LIBS光谱与随机森林的西安唐代白瓷亮度分析与窑口判别新方法

针对传统考古方法在瓷器分类中的局限性，西安研究人员创新性地结合激光诱导击穿光谱(LIBS)与随机森林(RF)算法，建立了D2nd-VIM-RF校准模型（R2CV=0.9814，MRECV=0.0132），实现了唐代白瓷亮度定量分析及窑口精准判别（A/B区分类准确率94.2%），为文物溯源与工艺研究提供了无损检测新范式。

　　

在丝绸之路的起点西安，唐代白瓷承载着东西方文明交融的密码。这些雪色莹润的器物背后，隐藏着窑口工艺的千年之争——传统考古依赖经验判断，难以区分成分相近的邢窑（高钾低铁）、定窑（高铝低钾）和巩义窑（高硅）白瓷。更棘手的是，瓷器亮度这一潜在关键指标长期缺乏量化手段，X射线荧光(XRF)对轻元素(Na/Mg)不敏感，而中子活化分析(NAA)等技术的复杂前处理可能损伤珍贵样本。

西安的研究团队另辟蹊径，将工业领域成熟的激光诱导击穿光谱(LIBS)技术引入考古学。这种通过激光烧蚀产生等离子体发射光谱的方法，能在微损条件下（表面烧蚀直径约50μm）同时检测Fe、Ti、Mg等关键元素。但户外环境的温湿度波动会导致光谱漂移，不同窑口样本的化学组成差异又极其微妙——就像从一杯混浊茶水中辨别茶叶品种。为此，研究人员祭出"机器学习显微镜"：用随机森林(RF)算法构建决策树森林，结合化学计量学方法过滤噪声，最终让数据自己"开口说话"。

关键技术包括：1) 采用高精度色度计测量亮度基准值L?；2) LIBS光谱经多元散射校正(MSC)和二阶导数(D2nd)处理增强特征峰；3) 变量重要性度量(VIM)筛选关键波长变量；4) 建立D2nd-VIM-RF亮度预测模型；5) 结合小波变换(WT)和粒子群优化(PSO)构建窑口分类模型。26件西安出土白瓷样本（A区15件/B区11件）经乙醇清洗后用于实验。

LIBS光谱分析
在320-440nm区间捕捉到Fe II 238.2nm、Ti II 334.9nm等特征峰，这些元素含量差异构成窑口"化学指纹"。邢窑样本显示更强的K I 404.4nm发射线，而定窑在Al I 394.4nm处信号突出，印证了文献记载的原料差异。

亮度量化模型
D2nd处理后的光谱分辨率提升40%，VIM筛选出12个关键变量（含Si I 288.1nm等）。优化后的RF模型预测亮度RPD达4.6，远超传统PLS的2.8，证明算法对微弱光谱信号的提取能力。

窑口判别
WT-PSO-RF模型将A/B区样本分类准确率提升至94.2%，显著高于SVM的86.5%。特征选择发现CaO含量差异是判别关键，这与定窑釉料高钙的文献记录吻合。

这项发表于《Talanta》的研究，首次将亮度作为量化指标纳入白瓷分析体系。其建立的LIBS-RF联用框架，不仅解决了考古材料轻微损伤与分析精度的矛盾（单点烧蚀仅造成<0.1mm³损失），更开创了"化学特征-物理属性-文化溯源"的多维鉴定模式。未来若结合同步辐射X射线吸收谱(XAS)等技术，或将揭开更多古瓷烧制工艺的未解之谜。