基于GC－MS和化学计量法探究边角料添加比例对食品接触用再生PE薄膜的影响

对含不同比例边角料再生聚乙烯（PE）薄膜的颜色、总迁移量进行测定,基于气相色谱－质谱联用（GC－MS）技术对其中的挥发性物质进行筛查,并结合化学计量法分析差异性物质。结果表明：边角料的加入对单层再生薄膜颜色的影响可忽略,且原生和再生PE薄膜在4种食品模拟物的总迁移量均小于安全限量10 mg/dm2。GC－MS共检出90种挥发性有机化合物,主要为脂肪烃、添加剂及其降解产物和杂质等。通过主成分分析（PCA）和正交偏最小二乘－判别分析（OPLS－DA）模型将再生PE薄膜分为3类,边角料含量低于10%时与原生薄膜相似,10% ~ 50%时需进一步评估,高于50%时需重点关注。并构建V－plot筛选出26种造成样品差异的特征成分,主要为脂肪烃,其次为添加剂及其降解产物,如十二酰胺、壬醛和抗氧剂1010的降解产物等。该研究可为食品接触用领域边角料“膜对膜”同级回收的应用提供借鉴。     

基于SPME/GC×GC-QTOF MS法测定回收PET中的挥发性有机物

建立了顶空-固相微萃取（HS-SPME）结合全二维气相色谱－串联四极杆飞行时间高分辨质谱（GC × GC－QTOF MS）测定回收聚对苯二甲酸乙二醇酯（rPET）中挥发性有机物的方法。比较了不同固相微萃取纤维头、萃取温度、顶空平衡时间、调制周期和升温速率对测定效果的影响,用NIST谱库结合色谱保留指数对物质进行定性,并对高频检出物质进行半定量。结果表明,最佳检测条件为：80 μm DVB/C-WR/PDMS萃取纤维头、萃取温度110 ℃、平衡时间30 min、二维调制周期4 s、色谱升温速率8 ℃/min。9个回收PET样品中共检出209种挥发性有机物,包括苯系物、烷烃类、醇类、醛酮类、酯类、烯烃类、萘类、羧酸类和酚类等。高频物质的最高含量为2.13 mg/kg（十四烷）,未发现浓度极高的误用物质。该研究为回收PET中的挥发性有机物调查提供了科学和可靠的方法依据,并为回收PET的利用和安全评估提供了基础数据。     

基于高光谱的黑色签字笔墨水种类鉴别方法研究

该文提出了高光谱成像技术结合机器学习快速无损鉴别黑色签字笔墨水种类的新方法。采集36支不同品牌型号的黑色签字笔笔迹的高光谱图像,对每支签字笔笔迹的高光谱图像选取18个感兴趣区域,共提取648个平均光谱作为样本集。对450～950 nm的原始光谱进行Savitzky－Golay平滑、Z－Score标准化和两种组合方法光谱预处理,使用线性判别分析（LDA）和随机子空间－线性判别分析（RSM－LDA）分别构建黑色签字笔墨水种类鉴别模型。实验结果表明：不同预处理方法对RSM－LDA模型的鉴别准确率影响较小,而对于LDA模型,组合预处理具有更优的鉴别准确率;相比LDA模型,RSM－LDA模型分类效果更佳,训练集的平均分类准确率达100%,交叉验证平均分类准确率达99.09%,测试集的平均分类准确率达90.70%,每类样本的准确率、精准率、召回率均高于LDA模型分类结果,模型的接受者操作特征曲线下方面积（AUC值）达0.998 3,模型性能良好。因此,采用高光谱成像技术结合RSM－LDA可实现不同品牌型号黑色签字笔墨水的快速无损鉴别。     

顶空/气相色谱-质谱联用结合化学计量学分析金属油墨印刷纸制品中气味物质

利用顶空/气相色谱－质谱联用法结合化学计量学分析3种原纸板及3种金属油墨印刷纸板中的挥发性物质及其差异。将样品剪裁后经顶空/气相色谱－质谱（HS/GC - MS）检测,结合MS－DIAL软件解卷积、NIST质谱库和物质保留指数定性分析,采用峰面积归一法计算各物质的相对含量,并计算相对气味活性值（ROAV）,分析金属油墨印刷纸板中关键气味贡献物质及其影响。结果表明,所有纸样中共检出63种化合物,其中鉴定出46种挥发性物质,包括醛类、酮类、烷烃类和烯烃类等化合物。金属油墨印刷后使得纸板产生更多醛酮类挥发性化合物,影响纸板整体的气味特征。筛选出苯甲醛、正辛醛、（E, E）-2,4-庚二烯醛、正癸醇、2-戊基呋喃等19种关键气味物质,建立主成分分析（PCA）、正交偏最小二乘判别分析（OPLS－DA）及层次聚类分析（HCA）模型,区分效果不明显,结果说明这些物质在不同原纸板及其金属油墨印刷纸板中均有分布。     

60Co-γ辐照对食品接触用复合包装袋中挥发性化合物的影响

针对辐照杀菌会使塑料包装产生未知辐解产物的问题,该文采用顶空气相色谱－质谱法（HS/GC－MS）结合MS－DIAL软件对60Co-γ辐照（0 ~ 10 kGy）后的19种商用塑料复合包装袋中的挥发性有机物（VOCs）进行检测。以MS－DIAL软件对谱图的解卷积、峰对齐及物质定性结果,以正交偏最小二乘法判别分析（OPLS－DA）模型对辐照前后材料的VOCs组成进行分析,考察不同辐照剂量下复合包装材料中VOCs组成的变化。结果显示,复合包装中的VOCs以聚合物降解产物烷烃和烯烃为主,60Co-γ辐照前后复合包装中的VOCs组成具有显著差异,且包装产生的VOCs总量随辐照剂量的增加而递增。通过OPLS－DA模型投影变量重要度（VIP）值筛选出17种对差异贡献较大的物质,这些差异物质大多为材料的降解产物,总体呈现检出量随辐照剂量增加而递增的趋势。该研究结果为辐照包装中挥发性非有意添加物质数据库的建立提供了依据。     

应用顶空气相-离子迁移谱与相对气味活度值法分析卷烟特征香气物质

为考察不同卷烟产品挥发性物质的差异,剖析不同卷烟产品香气风格特征,选取5款不同品牌市售 卷烟,基于顶空气相－离子迁移谱（HS－GC－IMS）开展卷烟挥发性物质研究,采用相对气味活度值法 （ROAV）分析不同卷烟特征香气物质。HS－GC－IMS结果表明,5款卷烟产品的挥发性有机物组分大致相同, 但不同化合物的含量之间存在较大差异;ROAV分析结果表明,主要挥发性物质为醛类、酮类、醇类和酯类, 对卷烟香气有重要贡献的物质包括糠硫醇、1-辛烯-3-酮、呋喃醇、3-甲基丁醛、乙酸异戊酯等,化合物间含 量和感觉阈值的差异影响了其对卷烟香气风格的贡献度,进而影响卷烟的风格特征。借助 HS－GC－IMS和 ROAV值可以剖析不同卷烟特征香气物质,为卷烟产品的风格分析和品质评定提供一定技术支持。     

全二维气相色谱－飞行时间质谱测定PBAT生物降解膜中挥发性有机物

采用顶空固相微萃取（HS－SPME）结合全二维气相色谱－飞行时间质谱技术（GC × GC－TOF MS）对聚己二酸对苯二甲酸丁二酯（PBAT）生物降解膜中主要挥发性有机物（VOCs）进行分析测定,并考察了萃取纤维头类型、平衡温度、平衡时间、萃取时间对HS－SPME在生物降解膜中VOCs测定的影响。结果显示：以聚二甲基硅氧烷－二乙烯基苯－碳分子筛羧乙基（PDMS－DVB－CAR）为萃取头、80 ℃下分别平衡与萃取目标物10 min与40 min,在进样口260 ℃条件下解析3 min后进GC × GC－TOF MS分析,采用基质谱数据库与结构谱图等定性,内标法定量,生物降解膜中共检出55种VOCs,按结构可分为苯系物、萘、醛酮、醇、酯、茚、胺、酚、其它类共9类。相比常规一维气相色谱,全二维气相色谱可有效分离生物降解膜中的同系物、异构体及干扰物质,获得准确的定性结果。方法的日内和日间相对标准偏差（RSD）均不高于19%,表现出较好的稳定性和可重复性。对不同厂家（A、B、C、D） PBAT生物降解膜中的55种VOCs进行检测并多元统计分析,主成分分析结果显示,PBAT A与PBAT B样品重叠,VOCs差异较小,PBAT A+B、PBAT C与PBAT D有明显差异,VOCs差异较大,表明同类型不同来源的生物降解膜中具有不同的物质组成。热图分析显示,PBAT D中的苯系物与PBAT A+B中的萘、胺类、酚类化合物含量较高,而PBAT C中的VOCs普遍偏低。由此表明建立的HS－SPME结合GC × GC－TOF MS检测方法具有准确可靠、简单、快速等优点,对PBAT生物降解膜的安全评价及使用具有一定的参考价值。     

基于UPLC-QTOF MS的食品接触用回收PET中非挥发性有机物的非靶向筛查

采用超高效液相色谱－串联四极杆飞行时间质谱技术（UPLC－QTOF MS）对经初步清洗后的回收聚对苯二甲酸乙二醇酯（rPET）瓶片中潜在的非挥发性有机物进行非靶向筛查,并考察了不同沉淀溶剂、去除溶剂方式、测试样品量等前处理方法,以及不同测试方法、流动相及洗脱剂梯度等条件对rPET瓶片中非挥发性有机物测定的影响。研究结果显示：以0.2 g的rPET瓶片溶于10 mL六氟异丙醇中,20 mL甲醇作为沉淀溶剂、氮吹去除溶剂的前处理方式,以甲醇－0.1%甲酸水体系作为流动相梯度洗脱,采用数据依赖型采集（DDA）模式进行测试。此时获得方法的回收率为66.0%～80.4%,相对标准偏差（RSD）均不高于5.1%,表现出较好的稳定性和可重复性。采用质谱数据库和二级谱图定性,通过结构类似的化合物进行半定量,rPET瓶片中共检出30种非挥发性有机化合物,含量范围为0.038～4.92 mg/kg。检出物质包括环状和线型寡聚物、助剂副产物或降解产物和污染物等非有意添加物27种,其余3种可能是有意添加物。利用建立的非靶向筛查方法以及主成分分析（PCA）对两个不同地域厂家的24种rPET瓶片（rPET C和rPET N）进行检测,结果显示两组样品在正离子模式下有明显差异,检出差异物质15种;负离子模式下差异不明显。表明同类型但不同来源的rPET瓶片具有不同的差异物质。研究表明,所建立的UPLC－QTOF MS筛查方法具有准确可靠、简单、快速等优点,可有效用于食品接触rPET中非挥发性有机物的分析及安全评价工作     

基于人血浆荧光光谱与CARS-PLS-LDA的结直肠癌早期检测

该文利用竞争性自适应加权算法（CARS）筛选重要的人血浆荧光光谱变量,并结合偏最小二乘法判别分析（PLS－LDA）建立了结直肠癌患者与非癌患者的分类模型,同时与全波长模型和基于平行因子分析（PARAFAC）建立的模型进行比较。从模型评价指标看,CARS－PLS－LDA的性能显著优于全波长模型和基于PARAFAC的模型。高波未稀释组和低波稀释组的荧光光谱结合CARS－PLS－LDA分类模型的AUC（Area under curve）值均高于0.9,可有效地识别结直肠癌患者。结果表明,CARS变量筛选能够明显改善结直肠癌分类模型的性能,有助于后续癌症临床诊断工具的开发与研究。     

基于脂肪酸含量分析结合化学计量学的橄榄油等级鉴别方法

建立了一种基于脂肪酸含量分析结合化学计量学技术的橄榄油等级判别方法。以经确认属性的特级初榨橄榄油和精炼橄榄油作为测试集,采用气相色谱法分别测定两类橄榄油中的脂肪酸含量,通过主成分分析（PCA）、聚类分析（HCA）及偏最小二乘判别分析（PLS－DA）法建立橄榄油的等级鉴别模型。结果表明,PCA能成功区分特级初榨橄榄油和精炼橄榄油,HCA也能有效对两种等级橄榄油进行鉴别,最终筛选出VIP值（重要贡献值）大于1的6种特征组分：C23∶0、C18∶2n6t、C24∶0、C18∶1/C18∶2、C20∶1和C18∶1n9c。同时以98个未知属性的橄榄油样品为验证集,对建立的橄榄油等级判别模型进行交叉验证（CV）,模型预测评估值（Q2）及相关系数（R2）均大于0.96,说明所建的橄榄油等级鉴别预测模型较可靠。因此,采用脂肪酸含量分析结合化学计量学技术可用于特级初榨橄榄油和精炼橄榄油的等级鉴别     

顶空固相微萃取/气相色谱-质谱联用技术结合相对气味活度值分析回收聚乙烯中的主体气味物质

为探究回收聚乙烯的挥发性气味成分及其对总体气味的贡献,该文采用顶空固相微萃取/气相色谱－质谱联用技术（HS－SPME/GC－MS）对8种回收聚乙烯（PE）的挥发性成分进行提取和检测,通过检索NIST质谱库,结合保留指数对挥发性气味物质进行定性分析,最后利用相对气味活度值（ROAV）对其进行主体气味成分评价。萃取温度为80 ℃,平衡时间为30 min,萃取时间为40 min,萃取头为50/30 μm DVB/CAR/PDMS,色谱柱为HP－5 MS（30 m × 0.25 mm,0.25 μm）。结果表明,8种回收PE中共鉴定出47种挥发性气味物质,主要包括14种酯类、11种醇类、6种酮类、4种醛类、4种酚类、2种烷烃类、2种烯烃类、2种醚类、1种羧酸类和1种胺类,其中有31种共有成分。ROAV分析结果表明,壬醛、异佛尔酮、水杨酸戊酯、二苯醚、2-萘甲醚、苯酚和冰片是8种回收PE的主体气味物质。回收PE中的异味是限制其应用范围的重要因素之一,该研究可为回收PE的脱气除臭工艺改良提供理论依据。     

静态顶空/气相色谱-质谱联用法测定食品接触用纸中的挥发性气味物质及其贡献度分析

为解决食品接触用纸中“异味”问题,保证食品接触用纸的安全,采用静态顶空/气相色谱－质谱联用法（SHS/GC－MS）结合谱库检索和保留指数（RI）对食品接触用纸中的挥发性气味物质进行定性,借助峰面积归一法进行半定量,并通过计算相对气味活性值（ROAV）鉴别构成纸张“异味”的主体气味物质。在所有纸样中共检测到119种化合物,鉴别出51种挥发性气味成分,包括醛类、酮类、醇类、烷烃类、芳香烃类、烯烃类、杂环类、酯类、醚类、羧酸类等10大类。结果表明,（E,E）-2,4-壬二烯醛、壬醛、癸醛、（E）-2-壬烯醛、2-正戊基呋喃、正十八烷和苯乙烯是食品接触用纸中关键的气味物质。该方法方便且高效,可为食品接触用纸行业的工艺改进、挥发性气味检测与分析提供技术支持。 关键词     

交叉响应传感器鉴别β受体激动剂及其混合体系

开发了一种鉴别β受体激动剂的新型阵列传感器。该传感器由8种传感物质构成,使用96孔板酶标仪采集响应数据,结合主成分分析(PCA)、分层聚类分析(HCA)、判别分析(LDA)等模式识别方法进行数据处理,对5类β受体激动剂及其混合物进行检测。PCA结果表明,该传感器主要是基于空间结构以及氢键作用实现对β受体激动剂的识别;HCA结果显示,93个分析样本归类正确;LDA结果显示,该传感器对于β受体激动剂识别的准确率达98.9%。本方法在β受体激动剂的检测中有潜在应用价值。     

气相色谱结合化学计量学用于6种食用植物油的分类

运用气相色谱法对6类植物油(大豆油、花生油、茶籽油、菜籽油、玉米油、橄榄油)的脂肪酸组成进行分析,构建植物油的指纹图谱,对植物油进行鉴别和分类。本工作采用遗传-偏最小二乘法(GA-PLS)筛选出7个有效特征变量作为输入变量,采用主成分分析法(PCA)和有监督模式识别法(径向基函数神经网络(RNF-ANN),线性判别分析(LDA)和最小二乘-支持向量机(LSSVM))进行建模分析。结果表明,PCA能够较好地区分六类植物油,而在植物油种类判别分析中,LDA的预报结果最佳。本文提出的方法能够准确直观地区分植物油种类,可用于食用植物油的鉴别和掺杂食用植物油的鉴定。     

基于液体阵列味觉仿生传感器鉴别白酒香型的新方法

通过模拟哺乳动物的味觉系统, 建立了交叉响应的液体阵列传感器, 为鉴别白酒香型提供了新方法. 选用7种染料和1种卟啉化合物作为传感单元, 构建液体阵列传感器, 集合8个传感单元的光谱响应信号构成分析物的指纹图谱, 达到识别的目的. 使用96孔板酶标仪采集响应数据, 结合主成分分析(PCA)、分层聚类分析(HCA)和判别分析(LDA)等模式识别方法进行数据处理, 对9种具有代表性的不同香型白酒样品进行了鉴别分析. PCA结果表明, 该方法对于白酒的检测主要基于酒体微量成分, 其中酸类物质对识别的贡献最大(贡献率达54.3%), 芳香类物质贡献率为18.6%; 同时, 仅用63.4%的数据信息量即可对白酒香型进行区分. HCA结果表明, 平行样均正确归类, 各白酒之间的相似程度在聚类图上得到体现. LDA结果表明, 该阵列对于9种白酒样品香型识别的准确率达到100%.     

微波萃取－SPE柱净化/气相色谱－质谱法测定固体废物中53种半挥发性有机物

采用微波辅助萃取技术,结合固相萃取（SPE）小柱净化,建立了固体废物中53种半挥发性有机物的气相色谱－质谱检测方法。通过优化前处理条件,选择以丙酮－正己烷（1∶1,体积比）为萃取剂,微波萃取温度为100 ℃,萃取时间为15 min,萃取液经硅酸镁固相萃取柱净化,DB－5MS（30 m × 0.25 μm × 0.25 mm）色谱柱分离,结合电子轰击电离源（EI）选择离子监测（SIM）模式,采用内标法进行定量检测。实验表明：53种半挥发性有机物在0.2 ~ 5.0 mg/L范围内线性良好,相关系数（r）均不小于0.998,对典型固体废物灰渣和生化污泥样品的检出限分别为0.002 ~ 0.015 mg/kg和0.004 ~ 0.027 mg/kg,定量下限分别为0.008 ~ 0.060 mg/kg和0.016 ~ 0.108 mg/kg。在0.5、1.0、2.0 mg/kg 3个加标水平下,灰渣样品的平均加标回收率为70.7% ~ 98.5%,相对标准偏差（RSD,n = 6）为1.7% ~ 14%;生化污泥样品的平均加标回收率为71.8% ~ 105%,RSD（n = 6）为1.2% ~ 15%。该方法快速准确、环保可靠、试剂用量少、检测效率高,可满足固体废物中53种半挥发性有机物的高通量检测要求。     

基于显微拉曼检测蛋白核小球藻鉴别丁草胺及草甘膦

以蛋白核小球藻(Chlorella pyrenoidosa)作为鉴别载体,利用共聚焦显微拉曼光谱仪分别获取生长在除草剂草甘膦、丁草胺污染水体以及正常水体的蛋白核小球藻β-胡萝卜素的拉曼光谱信息,对2种除草剂进行了鉴别.利用预处理后的光谱信号,建立偏最小二乘回归(PLS)预测模型及线性判别分析(LDA)分类模型.当阈值为±0.3时,全波段建立的PLS模型对草甘膦和丁草胺的预测正确率高达83.33%,特征峰建立的LDA分类模型对2种除草剂的分类正确率均达到了100%.结果表明,利用蛋白核小球藻为载体对丁草胺和草甘膦2种除草剂进行鉴别是可行的,且LDA分类模型更适合除草剂的分类研究.     

近红外光谱技术结合教与学算法优化极限学习机实现烤烟等级判定

该研究基于近红外光谱（NIRs）技术,以2016～2018年来自13个省份的937个烟叶样本为研究对象,比较了竞争性自适应重加权采样方法（CARS）、蒙特卡洛无信息变量消除法（MC－UVE）以及随机青蛙算法（RF）3种变量筛选方法的极限学习机（ELM）模型效果,与常规判别方法偏最小二乘判别分析（PLS－DA）比较,验证了ELM模型的优势。并通过教与学优化（TLBO）算法对ELM模型进行优化,建立烤烟样本的等级判定模型。结果表明,验证集的分类正确率达到90.16%,测试集的外部验证表现良好,TLBO－ELM模型收敛速度快,泛化能力强,可应用于烤烟等级判定。近红外光谱技术结合教与学算法优化极限学习机为智能化实现烟叶等级判定提供了一种新方法。     

基于近红外光谱技术的毒品现场快速溯源研究

毒品的日益泛滥和快速更新对缉毒部门进行现场识别和快速检测带来了巨大挑战,寻求快速、准确、低成本的现场检测方法对毒品的有效管控和案件侦破具有重要意义。该文通过使用手持式近红外光谱仪,结合粒子群优化－极限学习机（PSO－ELM）算法建立了冰毒和海洛因的现场案件快速溯源模型,并与传统的线性判别分析（LDA）算法和支持向量机（SVM）算法进行比较。结果表明：相对于传统的分类模型,该文所建立的PSO－ELM案件溯源模型能获得更好的分类结果和更高的计算效率。该方法能够实现毒品的现场快速溯源,为禁毒实战中的案件侦破提供制毒、贩毒线索。     

基于近红外光谱技术与化学计量学的绿茶无损鉴别方法研究

该文利用近红外光谱技术结合化学计量学方法开发了不同品种绿茶的无损鉴别方法。通过近红外光谱技术得到了8个品种绿茶样品的近红外光谱,比较了单一以及优化组合光谱预处理方法对光谱的影响,利用无监督的主成分分析(PCA)与有监督的线性判别分析方法(LDA)分别构建了茶叶品种鉴别模型。结果表明：对比单一预处理方法,优化组合预处理具有更优的鉴别准确性。标准正态变量变换预处理消除了茶叶样品大小不均造成的光谱散射影响,一阶导数预处理实现了变动背景的消除,减少了基线漂移的影响,突出了图谱中的有效信息,采用二者相结合的预处理方式并结合无监督的主成分分析法可实现较为准确的绿茶样品种类鉴别分析,准确率达75.0%。此外,采用有监督的线性判别分析方法处理原始光谱数据,可达到100%的鉴别准确率,但该方法需提供类别的先验知识。因此,采用近红外光谱技术和化学计量学相结合的手段可实现不同品种绿茶的快速无损鉴别。