استاندارد سازی فیروزه نیشابور با کمک هوش مصنوعی و روش‌های پیشرفته گوهرشناسی

نوع مقاله : مقاله پژوهشی

نویسندگان

مرتضی رزم آرا فرزقی ¹

مینا کاریزنویی ²

¹ گروه زمین شناسی، دانشکده علوم، دانشگاه فردوسی مشهد، ایران.

² کارشناس ارشد گوهرشناسی کاربردی و کانی های صنعتی دانشگاه فردوسی مشهد، ایران.

10.22067/gemiran.2026.48050

چکیده

یک روش نوآورانه برای امکان‌سنجی تلفیق هوش مصنوعی (AI) و روش‌های پیشرفته جهت استاندارد سازی فیروزه های با کیفیت بالای معدن نیشابور ابداع گردید. در ابتدا از روشهای های معمول در شناسایی گوهرسنگ ها و هوش مصنوعی، جهت شناسایی فیروزه استفاده شد، سپس از روش‌های پیشرفته گوهرشناسی جهت استاندارد سازی اقدام گردید.
   گوهرسنگ فیروزه با کمک تجزیه و تحلیل تصاویر دیجیتال و هوش مصنوعی (AI) از ویژگی‌های گوهرشناسی مشخص شد. این روش بر پردازش تصاویر توسط هوش مصنوعی (AI) متکی است. 1600 سری تصویر دیجیتال از 18 نمونه از مناطق مختلف معدن فیروزه نیشابور تهیه و به پایگاه داده منتقل شد. دقت شناسایی گوهرسنگ فیروزه با استفاده از این روش 94% بود. با کمک آنالیزهای XRD، شناسایی کانی، تعیین ساختار بلوری، تعیین فازها و اندازه ذرات بلوری، امکان پذیر گردید. میانگین اندازه ذرات فیروزه با کیفیت کمتر، °A 201/2 و فیروزه های با کیفیت گوهری°A 137/9 توسط فرمول دبای شرر محاسبه شدند. پیک های رامان شناسایی شده در محدوده های cm^1- 200، cm^1- 400 و cm^1- 1000 می‌باشند. پیک cm^1-1031 و cm^1-1036 مربوط به ارتعاشات فسفات است، اما پیک‌های محدوده cm^1-200 احتمالا مربوط به ارتعاشات آب یا هیدروکسیل در ساختار است. نمونه‌های فیروزه بررسی شده توسط SEM نشان داد که فیروزه های نامرغوب علاوه بر عناصر اصلی خود، حاوی عناصر Si و Ca نیز می‌باشند.
   مقایسه آنالیزهای RAMAN, XRF, XRD و SEM فیروزه معدن نیشابور با فیروزه های سایر مناطق دنیا نشان داد که فیروزه معدن نیشابور دارای الگوی XRD ویژه منحصر به فرد خود است که با الگو فیروزه های دیگر مناطق دنیا، تفاوت قابل توجهی نشان می دهد. این تفاوت ها در آنالیزهای RAMAN, XRF و SEM نیز به صورت بارزی، مشخص می باشند. این پژوهش نشان داد که گوهرسنگ فیروزه معدن نیشابور (با کیفیت گوهری)، باید به عنوان فیروزه استاندارد مرجع دنیا معرفی گردد.

کلیدواژه‌ها

فیروزه استاندارد مرجع

فیروزه نیشابور

هوش مصنوعی (AI)

RAMAN

XRF

XRD

SEM

موضوعات

• گوهرشناسی و کانی های صنعتی

---

مراجع

Abdu, Y. A.; Hull, S. H.; Fayek, M. And Hawthorne, F. C. (2011) The turquoise-chalcosiderite Cu(Al,Fe³⁺)6(PO₄)₄(OH)₈·4H₂O solid-solution series: A Mössbauer spectroscopy, XRD, EMPA, and FTIR study. American Mineralogist, Volume 96, pages 1433–1442.

Cid-Dressner, H. (1965) Determination and refinement of the crystal structure of turquois, CuAl6(PO4)4(OH)8 • 4H2O. Zeits. Krist., 121, 87–113.

Foord, E.E. and J.E. Taggart, Jr. (1998) A reexamination of the turquoise group: the mineral aheylite, planerite (redefined), turquoise and coeruleolactite. Mineral. Mag., 62, 93–111.

King. J. R (2002) Mineral explained, Turquoise. Geology Today, Vol. 18, No. 3.

Kolitsch, U. and Giester, G. (2000) The crystal structure of faustite and its copper analogue turquoise.

Jagannatha Reddy. B, Ray L. Frost, Matt L. Weier and Wayde N. Martens (2006) Ultraviolet-visible, near infrared and mid infrared reflectance spectroscopy of turquoise.

Liu, X.; Lin, C.; Li, D.; Zhu, L.; Song, S.; Liu, Y.; Shen, C. (2018) Study on Mineralogical and Spectroscopic Characteristics of Turquoise from Hami, Xinjiang. Spectrosc. Spectr. Anal. 38, 1231–1239.

Mousavipak, N. (2020) Physico-chemical characterization of Iranian turquoise: a tentative to trace middle-eastern turquoise-bearing artifacts.

Palache, C., H. Berman, and C. Frondel (1951) Dana’s system of mineralogy, (7th edition), v. II, 946–951.

Schaller W.T. (1912) Crystallized Turquoise from Virginia.

Xueding Wang and Ying Guo (2020) The impact of trace metal cations and absorbed water on colour transition of turquoise.

Zhang, Y.; Shi, G. (2025) Big Data and AI-Enabled Construction of a Novel Gemstone Database: Challenges, Methodologies, and Future Perspectives. Minerals, 15, 1149.