引用本文
傅得锋, 孙剑聪, 宣宇, 姚伟宣, 徐景, 沈梁, 周恩平, 应剑波, 谢伟宏, 李晓飞. 电子鼻分析技术在油漆稀释剂鉴别中的应用研究[J].刑事技术, 2019,44(4):293-297
FU Defeng, SUN Jiancong, XUAN Yu, YAO Weixuan, XU Jing, SHEN Liang, ZHOU Enping, YING Jianbo, XIE Weihong, LI Xiaofei. Applying E-nose to Identify Paint Thinner[J]. Forensic Science and Technology,2019,44(4): 293-297  
doi: 10.16467/j.1008-3650.2019.04.003
Permissions
Copyright©2019, 《刑事技术》编辑部
《刑事技术》编辑部
电子鼻分析技术在油漆稀释剂鉴别中的应用研究
傅得锋1, 孙剑聪1, 宣宇1, 姚伟宣2, 徐景3, 沈梁3, 周恩平3, 应剑波4, 谢伟宏4, 李晓飞4
1.浙江省公安物证鉴定中心〔浙江省刑事技术应用研究重点实验室〕,杭州 310009
2.浙江省警察学院,杭州 310053
3.浙江省公安消防总队,杭州 310014
4.杭州市公安局,杭州 310016

第一作者简介：傅得锋,男,浙江金华人,硕士,高级工程师,研究方向为理化检验。E-mail: fdf3721@163.com

基金资助: 浙江省分析测试科技计划项目（NO.2016C37002）
摘要

目的 建立不同厂家和品牌油漆稀释剂的鉴别方法。方法 利用超快速气相色谱-电子鼻分析（E-Nose）技术对37种油漆稀释剂样本进行分析,采用主成分分析（principal component analysis,PCA）方法进行数据处理并建立样本识别模型。结果 通过超快速气相色谱-电子鼻分析技术,可实现不同厂家和品牌油漆稀释剂的鉴别。结论 为火灾现场油漆稀释剂鉴别提供了一种有效的分析手段。

关键词: 油漆稀释剂; 电子鼻; 主成分分析
中图分类号:DF795.1 文献标志码:A 文章编号:1008-3650(2019)04-0293-05
Applying E-nose to Identify Paint Thinner
FU Defeng1, SUN Jiancong1, XUAN Yu1, YAO Weixuan2, XU Jing3, SHEN Liang3, ZHOU Enping3, YING Jianbo4, XIE Weihong4, LI Xiaofei4
1. Criminal Investigation Department of Zhejiang Public Security Bureau, Hangzhou 310009, China
2. Zhejiang Police College, Hangzhou 310053, China
3. Zhejiang Fire Fighting Corps, Hangzhou 310014, China
4. Hangzhou Public Security Bureau, Hangzhou 310016, China
Abstract

Objective Establishing a method to identify different brands of paint thinner.Methods Thirty-seven samples of paint thinner were analyzed through fingerprinting by ultra-fast GC coupling electronic nose (E-nose), with the resultant data being processed by PCA (principal component analysis) statistical analysis and one recognition model thereby being brought forth.Results Ultra-fast GC coupling E-nose can identify paint thinners produced from different factories.Conclusions An effective method has been established for tracing the source of paint thinner in fire site.

Key words: paint thinner; E-nose; PCA

油漆稀释剂是一种广泛应用于装饰建筑等行业的挥发性液体, 主要用于溶解油料、树脂和纤维素等成膜物质, 改善油漆涂料的工艺性能, 使油漆涂料在使用过程中便于施工。油漆稀释剂的种类很多, 常见市售产品包括松香水、香蕉水、硝基漆稀释剂等, 主要成分为烷烃、芳香烃、醇类、酮类以及酯类等。油漆稀释剂多为易挥发易燃有机物, 而且在建材市场、工业品市场和普通的油漆店中都很容易获取, 监管难度很大, 近年来油漆稀释剂越来越多地被不法分子用于实施放火犯罪, 危害公共安全。目前常见油漆稀释剂的定性分析方法主要有气相色谱法[1, 2, 3, 4, 5, 6]和气质联用分析法[7, 8, 9, 10, 11, 12]。随着科学技术的发展, 超快速气相色谱分析仪（电子鼻）集成了微径柱MWCOT、柱鞘加热、超快速气相色谱、内置吹扫捕集、电子鼻指纹分析[13]等专利技术, 可用于挥发性气体、香精香料、石油等产品快速检测分析。由于油漆稀释剂品牌种类繁多、市售产品质量参差不齐、挥发性成分复杂多变, 对常见油漆稀释剂进行成分鉴别和溯源是法庭科学领域的一大难点, 本文利用电子鼻分析技术对不同厂家和品牌的油漆稀释剂进行检验, 通过主成分分析[14, 15]对数据进行处理, 可实现不同厂家和品牌油漆稀释剂的鉴别, 供读者参考。

1 实验部分
1.1 主要仪器和设备

法国阿尔法莫斯（ALPHA MOS）公司的快速气相电子鼻-气味分析仪（型号：HERACLES ）, 配备双柱：2 m× 100 µ m ID DB5/DB1701 + (Tenax trap）、双氢火焰检测器FID/FID, Combi PAL自动顶空进样器, 电子鼻指纹识别软件V14.3; 顶空样品瓶10 mL; 微量液体进样器 1~10 μ L; 微量移液器 1~20 μ L, 10~1000 μ L。

1.2 主要试剂和样本

正己烷、甲醇、苯（邻、间、对）和二甲苯（均为色谱纯）; 从建材市场等油漆涂料专卖店购买的标记有“ 香蕉水” “ 松香水” “ 稀释剂” 等名称的油漆稀释剂样本3类37种, 其中“ 香蕉水” 类编为组1, “ 松香水” 类编为组2, “ 稀释剂” 类编为组3, 具体见表1。

表1 37种常见油漆稀释剂样本信息 Table 1 37 kinds of common paint thinner
1.3 实验方法

1.3.1 HERACLES GC仪器实验条件及参数优化

取甲醇、正己烷、苯、二甲苯溶剂各1 μ L样品加入10 mL顶空样品瓶中, 加盖密封, 放入Combi PAL自动进样器进行顶空气体分析, 考察仪器进样方式（液体、气体）、气体进样量（100、200、500、1000 μ L）、加热区温度（40、50、60、70、80 ℃）、初始保留时间（20、25、30、35、40、45、50 s）、升温速率（2、5、10、15、20 ℃/s）、总采集时间（60、90、120、150 s）等条件对分析结果的影响。

1.3.2 油漆稀释剂类样本顶空气体分析

用微量液体进样器吸取1 mL油漆稀释剂类样品加入10 mL顶空样品瓶中, 加盖密封, 按上述操作每个样品制备平行样本5份, 放入Combi PAL自动进样器进行顶空气体分析。

1.3.3 电子鼻指纹分析软件PCA数据处理分析

根据不同种类样本判别模型建立的需要, 整理相应的分析样本GC色谱数据文件至同一个文件目录下, 每个样本有5个平行样品色谱数据文件, 根据预先编好的数据文件名进行分组。PCA分析相关参数设置主要是传感器（色谱峰面积）的选择, 即每个样本的色谱图中各个化合物峰面积或峰高等信息的选择, 本文选择目标化合物峰面积贡献值大于0.9以上目标化合物的峰面积作为传感器。PCA数据处理分析过程由仪器自带的电子鼻指纹分析软件完成, 并给出二维和三维PCA分析结果图。

2 结果与讨论
2.1 HERACLES GC仪器分析条件优化

实验主要考察了进样方式、进样量、加热区温度、初始保留时间、升温速率、总采集时间等因素, 优化后的分析参数如表2所示。

表2 仪器分析参数（HS-GC方法） Table 2 Parameters for instrument analysis (HS-GC)
2.2 4种香蕉水类油漆稀释剂的判别

依据不同香蕉水中含有目标化合物的种类或含量的差别, 考察表1中组1-1~1-4的4种不同厂家生产的香蕉水样本, 分别按1.3.2实验步骤进行数据采集（平行5次）分析, 色谱分析结果如图1a所示。对采集完成的色谱数据进行数据分析, 按照建立数据库、分组、选取传感器（选择峰面积贡献值大于0.9）、PCA统计分析等步骤, 因每组第1个平行样数据不稳定剔除该数据, 获得了识别指数99（大于80即为完全区分）的不同厂家香蕉水样本判别模型, 如图1b、1c所示。实验表明, 对于不同厂家香蕉水样本可通过PCA统计学分析判别模型进行鉴别。

2.3 8种松香水类油漆稀释剂的判别

将表1中编号为组2-1~2-8的8种的松香水样本按1.3.2实验步骤进行数据采集（平行5次）分析, 色谱分析结果如图2a所示。对采集完成的色谱数据进行数据分析, 按照建立数据库、分组、选取传感器、PCA统计分析等步骤, 剔除每组第1个平行样数据, 获得了识别指数91（大于80即为完全区分）的不同厂家的松香水样本判别模型, 如图2b、2c所示, 组2-2、2-3与其他松香水样本（组2-1、2-4、2-5、2-6、2-7、2-8）差异明显, 可以推断组2-2、2-3的松香水样本对应的生产厂家与其他松香水样本对应的生产厂家不同, 该推断结果与表1对应松香水样本（组2）系列生产厂家信息事实相一致。

从图2b的PCA判别模型分析, 组2-1、2-4、2-5、2-6、2-7、2-8六种松香水样本差异不明显, 但是表1中组2-1、2-5、2-7松香水样本与组2-4、2-6、2-8松香水样本分别对应2个不同厂家, 为进一步研究这六种松香水样本的差异性, 对组2-1、2-4、2-5、2-6、2-7、2-8松香水6个样本生成新的识别指数为91的PCA识别模型, 如图3a、图3b所示。从图3a模型分析推断, 中轴线左边为组2-4、2-6、2-8松香水为同一个生产厂家; 而另一边为组2-1、2-5、2-7松香水为同一生产厂家, 该结果与表1对应生产厂家信息事实相符合。

图1 4种香蕉水（组1）样本的HS-GC分析色谱叠加图（DB-5色谱柱）（a）、PCA分析（二维图）（b）、PCA分析（三维图）（c）Fig.1 HS-GC chromatograms (DB-5 chromatographic column) of four samples of banana water (group 1)(a)and their PCA results: (2-D)(b), (3D)(c)

图2 8种松香水（组2）样本HS-GC分析色谱叠加图（DB-5色谱柱）（a）、PCA分析（二维图）（b）、PCA分析（三维图）（c）Fig.2 HS-GC chromatograms (DB-5 chromatographic column) of eight samples of rosin water (group 2)(a)and their PCA results: (2-D)(b), (3D)(c)

图3 组2-1, 4, 5, 6, 7, 8松香水样本PCA分析（二维图）（a） 、 PCA分析（三维图）（b）Fig.3 PCA of group 2-1, 3, 4, 5, 6, 7, 8 rosin water: (2-D)(a) , (3D)(b)

2.4 4种香蕉水样本（组1）与8种松香水样本（组2）的区别

为进一步考察4种香蕉水样本与8种松香水样本成分组成是否有相似性, 将表1中组1和组2共12种样本的GC数据合并建立新数据库并进行PCA分析, 生成新的识别指数为92的PCA识别模型, 如图4a、4b所示。图4a数据表明, 编号为组1-1、1-3的香蕉水样本和组2-2、2-3的松香水样本成分组成不一致, 完全可以区分, 而编号为组1-2、1-4的2种香蕉水样本与组2-1、2-4、2-5、2-6、2-7、2-8的松香水样本成分组成相似, 在该识别模型下不能进一步区别, 可初步推测, 市售“ 香蕉水” 类油漆稀释剂与“ 松香水” 类油漆稀释剂之间存在商品名称不一致但其成分组成一致的情况。

图4 组1与组2共12种样本PCA分析（二维图）（a）、PCA分析（三维图）（b）Fig.4 PCA into 12 samples of group 1 and group 2: (2-D)(a), (3D)(b)

2.5 25种油漆稀释剂样本（组3）的判别

采用相同方法考察表1中组3共25种油漆稀释剂样本之间的差别, 在传统的GC色谱图中很难加以区分, 如图5a所示。通过对25种样本的GC数据采用PCA分析, 可推测以下信息（图5b所示）：1)灰色部分：组3-2、3-5、3-8等13种油漆稀释剂样本在该分析模型中无法区分（识别指数为0.1）, 推测不同厂家或不同品牌的油漆稀释剂因成分或含量比例相似。2)红色圈：组3-3、3-13和3-20聚集, 与表1中组3-3和组3-20样本均为“ 立邦新秀” 品牌信息相一致。3)绿色部分：组3-10、3-17接近, 与表1中组3-10、3-17同为紫荆花公司生产的稀释剂信息相一致, 但同厂家不同批号的组3-17（批号20161019B1Y031）与组3-18（批号20160914B1Y035）实验结果差异较大。

图5 25种稀释剂（组3）样本的HS-GC分析色谱叠加图（DB-5色谱柱）（a）、PCA分析（二维图）（b）Fig.5 HS-GC chromatograms (DB-5 chromatographic column) of 25 samples of paint thinner (group 3)(a)and their PCA results: (2-D(b)

3 结论

综上所述, 本文通过电子鼻分析技术对37种油漆稀释剂样本进行快速鉴别分析研究, 建立了基于微径柱MWCOT、柱鞘加热、超快速气相色谱、内置吹扫捕集、PCA指纹分析等5大技术的复杂混合物样品（几十种甚至上百种目标化合物）成分指纹特征识别方法; 通过对混合出峰的色谱数据进行主成分分析, 可以对不同厂家、不同品牌的油漆稀释剂类样本进行鉴别, 为火灾现场助燃剂的鉴别提供了一种有效的分析手段。

参考文献
[1] 梁国福, 张海涛. 毛细管气相色谱法对油漆稀释剂的鉴定[J]. 消防科学与技术, 2004, 23(5): 503-506. [本文引用:1]
[2] 刘明仁, 杨学雨, 王力, 等. 气相色谱质谱-内标法检测油漆中苯系物[J]. 环境科学与技术, 2011, 34(11): 135-138. [本文引用:1]
[3] 孙剑奇, 钟婵娟. 毛细管气相色谱法同时测定油漆稀释剂中多种微量的苯系物[J]. 九江学院报, 2010, 4: 19-22. [本文引用:1]
[4] 周建钟, 王学利, 曹华茹, 等. 气相色谱法测定油漆稀释剂中的苯系物[J]. 环境科学与技术, 2007, 1(30): 19-21. [本文引用:1]
[5] 张晓慧, 李永海. 应用气相色谱法测定聚氨酯稀释剂的组成[J]. 齐齐哈尔大学学报, 1999, 2(15): 59-62. [本文引用:1]
[6] ZHANG S, ZHAO T B, XU X, et al. Determination of BTEX Compounds in Solid-Liquid Mixing Paint Using the Combination of Solid Phase Extraction, Thermal Desorptionand GC-FID[J]. Chromatographia, 2010, 71(11): 1131-1135. [本文引用:1]
[7] 邓震宇, 鲁志宝, 范子琳, 等. 固相微萃取-气相色谱-质谱法鉴定火场残留物中油漆稀释剂[J]. 理化检验(化学分册), 2010, 46(5): 542-544. [本文引用:1]
[8] 郭严, 刘烁彤. 聚酯漆稀释剂燃烧烟气的GC-MS分析[J]. 辽宁师专学报, 2012, 14(3): 91-93. [本文引用:1]
[9] 喻文娟, 刘玉敏, 苏明明, 等. 静态顶空-气质联用法快速测定油漆中苯系物[J]. 实验室研究与探索, 2010, 29(1): 38-40, 64. [本文引用:1]
[10] 程志冉, 张金专. 聚酯油漆稀释剂燃烧残留物的GC- MS分析[J]. 消防技术与产品信息, 2015, 3: 50-53. [本文引用:1]
[11] YANG S H, SHEN J Y, CHANG M S, et al. Quantification of vehicle paint components containing polystyrene using pyrolysis-gas chromatography/mass spectrometry[J]. Analytical Methods, 2012, 4: 1989-1995. [本文引用:1]
[12] ZHANG S, ZHAO T B, WANG H W, et al. Comparison of SPE-TD-GC-FID with UPLC-PDA and GC-MS Methods for Analysis of Benzene, Toluene and Xylene IsomersinSolid-Liquid Mixing Paints[J]. Chromatographia, 2011, 74: 163-169. [本文引用:1]
[13] 傅得锋, 沈卫东, 莫卫民, 等. 超快速气相色谱电子鼻分析技术在汽油标号判定中的应用研究[J]. 刑事技术, 2012(5): 18-21. [本文引用:1]
[14] 王骏, 王士同, 邓赵红, 等. 聚类分析研究中的若干问题[J]. 控制与决策, 2012, 27(3): 321-328. [本文引用:1]
[15] 孙吉贵, 刘杰, 赵连宇. 聚类算法研究[J]. 软件学报, 2008, 19(1): 48-61. [本文引用:1]