一、标样困局：几百个铂钯铑样品的“理性无奈”

几年前，我拜访了一位从事铂钯铑（Pt-Pd-Rh）提纯的客户。

在讨论如何提高铂钯铑检测精度时，他眉飞色舞地说：“我打算自己做一整套标样。三种元素，每种

5%的阶梯组合，大概要做几百种。”

我有些惊讶地问他：“几百种？为什么要这么多？”

他说得很平静：“我用的那台仪器，只会照着我喂的数据去拟合。见得多了，就准一点。”

那一刻我完全理解他的“理性无奈”。

他太清楚经验算法的短板——不会理解，只会记忆。

我大概算了下，总共需要做231种标样，光想想都累。

我告诉他：“真FP算法不靠拟合。它可以直接用物理方程计算模拟任何比例下的光谱。”

他沉默了一会儿，轻声说：“如果算法能理解，我就不用去记忆世界了。”

那天我记住了这句话。

因为它其实说出了整个行业的困境。

阿基米德说“给我一个支点，我可以撬动地球”；

真FP算法只需要一台XRF的物理参数，就能“撬动”所有样品谱形。

二、K金检测局限：K黄、K白、K红的“三条曲线”

在深圳的一家珠宝检测中心，我遇到了一位质检工程师。

她苦笑着说：“最怕的，就是客户带来不同颜色的K金。我得先搞清楚是K白、K黄还是K红，否则结果

要么偏高要么偏低。”

传统经验算法为每种K金颜色都要建立独立曲线：K白（金+Pd/Ni）、K黄（金+Cu）和K红（金+高Cu），

因为它无法理解不同元素比例带来的吸收与散射变化。

她举了个例子：“同样是18K,我用K黄的曲线测K白，金含量直接掉到74%；换成K白曲线测K黄，结果

直接升到77%。每次都得切换曲线，小心翼翼。”

“这不是品质工程师的经验问题，而是算法的物理局限。”

谱睿真FP算法直接计算不同元素的激发效率、吸收系数和互激发效应。

它能自动修正基体差异，让所有K金都用同一模型精准分析。

三、镀层结构识别：当顾客买到“看起来是真的金”

一位外地批发商带着刚采购的首饰来到我们深圳水贝的展厅，他拿着检测报告有些困惑：“别的地方测

是96%的K金，你们这边一测怎么成了金包银？”

这正是传统经验算法最容易出错的地方。因为他们看的是谱线强度，却不了解样品结构。

问题在于K金和银镀金在谱形上给出的只是金银两组峰，经验算法在不知道样品结构的前提下，只能默

认是K金，所以得到的结论也是K金。

但是真正的K金和银镀金的谱形是不一样的，银的信号在穿透镀金层时被金吸收和金银合金里的吸收是

两码事，一个不懂得物理规律的经验算法当然不知道这是合金还是银镀金。

而谱睿真FP根据模拟谱与实测谱的差异马上就可以观察出差异，并给出镀厚金的提示。

一些仪器会在检测结果上统一加‘镀金风险提示’，看似安全，其实是在回避问题——它并不知道信号

来自哪一层。

我告诉那位客户：“不是仪器错了，而是经验算法没看懂信号的来源。”

她点点头：“原来镀金和K金的差别，不在颜色，而在层里。”

四、复杂元素误判：铼的“假足金”陷阱

一家黄金回收公司找上门来。

他们的检测报告显示：Au 99.9%，纯度完美。

但冶炼后才发现——金里混着铼。

客户很沮丧地说：“我用别的品牌仪器测出来一切正常，根本没法防。”

发现铼金造假的人正是研究了传统XRF算法的缺陷。

因为铼（Re）的峰位Re:La与金（Au）的Au:Ll极为接近，Re:Lb与Au:La重叠。尤其当样品中含Zn时，

Zn:Ka与Re:La峰位几乎完全重叠。

经验算法只能“看到峰”，无法区分那道信号到底来自谁。

所以，它给出“看似完美”的结果——却离真相最远。

真FP算法通过能量分辨建模（Energy Differentiation）与吸收边分析（Edge Analysis），从微观谱形

变化中识别不同元素的物理特征：

• 能量边的微偏移；

• 荧光产额差异；

• 背景散射结构不同。

当他把那块旧料放进仪器再次检测时，谱睿真FP算法很快计算出：Au 96.7%，Re 2.1%，Zn 1.2%。

看到结果，他愣了几秒钟，苦笑道：“看来铼金不是我们看不见，而是算法看不懂。”

五、结语：从“看得见”到“看得懂”

从几百个标样，到K金多曲线；从厚镀金误判，到掺铼陷阱。

传统算法的每一次修正，都在弥补理解的缺陷。

谱睿真FP算法，让仪器不止“看得见”，更能“看得懂”。它能看出信号背后的结构；

• 它能看懂谱形变化的逻辑；

• 它能看穿假象，回归真相。

真FP算法，让检测回归科学。

谱睿真FP算法——用物理的眼睛，看清贵金属的真相。