基于机器学习的直接电离质谱爆炸物检测方法

直接电离质谱系统在现场快速检测中的应用日益广泛,主要用于爆炸物、毒品、食品添加剂等的检测。然而,直接电离质谱系统中质谱信号波动大且同一浓度样品峰强呈现对数正态分布,严重影响了检出限附近低浓度样品的检测准确性。该研究将乙酰水杨酸(115个样品)作为爆炸物模拟物,利用介质阻挡放电离子源与质谱系统,研究了基于机器学习的直接电离质谱数据预处理和分类算法,以提高低浓度样品的检测准确率。对两种浓度为1ng/mL的常见爆炸物样本(三硝基甲苯和硝酸铵分别为110、90个)及空白对照样本(366个)开展了应用实验。结果表明,与传统提取离子流方法和高斯混合模型方法相比,采用随机森林算法可将F_score从0.74、0.89提升至0.96,显著提高了检测准确率,且单个样本数据分析时间远少于0.1s,满足实时检测需求。