陈忍 唐素英 曾慎亮 黄慧琳 程群

摘 要 开发高效、精准的检测技术和方法对于食品溯源至关重要。电感耦合等离子体质谱法（Inductively Coupled Plasma Mass Spectrometry，ICP-MS）凭借其高灵敏度、多元素同步检测及同位素分析能力，逐渐成为食品溯源的核心工具。本文系统阐述了ICP-MS的技术原理及其在食品溯源中的前沿应用。研究表明，ICP-MS通过构建元素指纹图谱结合化学计量学，可以有效实现食品溯源。另外，通过同位素质谱、色谱等多技术联用、AI算法优化及全球化数据库建设，ICP-MS将在食品溯源领域实现更高精度与普适性，为食品安全监管提供科学支撑。

关键词 食品溯源；电感耦合等离子体质谱法；产地溯源；真伪鉴别；化学计量学

Application of Inductively Coupled Plasma Mass Spectrometry (ICP-MS) in Traceability and Authenticity of Food Origin

CHEN Ren ¹ TANG Su-Ying ¹ ZENG Shen-Liang ¹ HUANG Hui-Lin ¹ CHENG Qun ^1*

Abstract The issues such as food adulteration, mislabeling of origin, and ingredient fraud, and ingredients adulteration have become increasingly prevalent. It is essential to develop efficient and accurate detection technologies and methods for food traceability in this context. Inductively coupled plasma mass spectrometry (ICP-MS) has become a pivotal technology in this field, leveraging its unparalleled sensitivity, capability for simultaneous multi-element detection, and isotopic analysis. This study systematically describes the technical principle of ICP-MS and its cutting-edge application in food traceability. Research shows that ICP-MS enables accurate traceability by constructing elemental fingerprints combined with chemometric models. Furthermore, through the combination of multiple technologies such as isotope mass spectrometry and chromatography, optimization of AI-driven algorithms, and the establishment of global standardized databases are expected to further enhance the accuracy and universality of ICP-MS in food traceability, offering strong scientific support for food safety regulation.

Keywords food origin; inductively coupled plasma mass spectrometry; origin traceability; authenticity identification; chemometrics

第一作者：陈忍（1989—），男，汉族，福建莆田人，本科，高级工程师，主要从事食品检测研究工作，E-mail: 408333697@qq.com

通信作者：程群（1971—），女，汉族，福建莆田人，本科，高级工程师，主要从事食品检测研究工作，E-mail: 13859838685@163.com

1. 莆田海关综合技术服务中心 莆田 351100

1. Putian Customs Comprehensive Technical Service Center, Putian 351100

目前，食品溯源的技术手段包括信息溯源技术和检测溯源技术，即一方面通过信息采集和溯源实现全过程监管，另一方面利用检测分析技术进行真实性确证，二者互补共同保障食品质量安全和规范市场秩序^[1]。随着社会经济的发展，消费者对高质量的食物或源自某些特定产区的食品需求增大，例如有机认证食品、野生食物、地理标志产品等。食品的质量、成分、生产方法和来源信息成为消费者决定是否购买以及愿意为特定产品支付溢价的关键因素^[2]。

关于检测溯源技术的研究主要涉及产地溯源和真伪鉴别，相关的检测技术包括：理化分析技术（光谱、色谱和质谱等）、分子生物学技术（聚合酶链式反应、分子标记和DNA指纹图谱等）以及传感器技术（电子鼻、电子舌等），总体上以色谱和质谱分析技术应用最广泛^[3]。在理化分析技术中，相较于其他如近红外光谱（Near Infrared Spectrum，NIRS）、同位素质谱（Isotope Ratio Mass Spectrometry，IRMS）、液相色谱—质谱联用（Liquid Chromatography-Mass Spectrometry，LC-MS）、气相色谱—质谱联用（Gas Chromatography-Mass Spectrometry，GC-MS）等分析技术，电感耦合等离子体质谱法（Inductively Coupled Plasma Mass Spectrometry，ICP-MS）具有样品量需求少、灵敏度高、分析速度快等特点，在测定食品中多元素含量的同时还能够进行同位素分析，可用于众多领域痕量、微量和常量元素的测定，具有广阔的应用前景^[4-6]。本文系统梳理了ICP-MS的技术原理，重点探讨其在食品溯源前沿应用中的技术优势，以期为食品质量控制与监管提供科学参考。

1 ICP-MS简述

ICP-MS是自20世纪80年代发展起来的检测分析技术，用于半定量分析、定量分析和同位素比值分析等，其分析步骤如下：（1）分析样品以液体溶液的气溶胶形式引入氩气流中，然后进入由射频能量激发的处于大气压下的氩等离子体中心区；（2）等离子的高温使样品原子化和电离；（3）部分等离子体经过不同的压力区进入真空系统，在真空系统内，正离子被拉出并根据质荷比（m/z）分离；（4）检测器将离子转化为电子脉冲，然后由积分测量线路计数；电子脉冲的大小与样品中分析离子的浓度有关，通过与已知的标准或参比物质比较，实现未知样品的定量分析^[6-7]。另外，有研究人员开发了多种干扰消除技术方案如冷焰等离子体技术、数学校正法、碰撞反应池模式、串联质谱法、筛选同位素法等，用以提高检测分析结果的准确度和精密度^[8]。

ICP-MS的技术优势^[5-7]包括：（1）灵敏度好，线性范围宽，其检测灵敏度可达ppt级（ng/kg），一次测量的动态线性范围宽达9个数量级；（2）可同时分析多元素，单次进样几分钟内能完成多元素测定（元素周期表中70%以上的元素），显著提升分析效率；（3）同位素分析能力强，可进行100多种同位素分析，增强产地溯源准确性。

2 ICP-MS在食品溯源中的应用

一般来说，通过ICP-MS检测食品中的元素指纹（即代表食品特征状态的元素标记），再结合化学计量学方法建立数学模型进行食品溯源。常用的化学计量学方法有：主成分分析（Principal Component Analysis，PCA）、聚类分析（Cluster Analysis，CA）、层次聚类分析（Hierarchical Cluster Analysis，HCA）、判别分析（Discriminant Analysis，DA）、逐步判别分析（Stepwise Discriminant Analysis，SWDA）、线性判别分析（Linear Discriminant Analysis，LDA）、逐步线性判别分析（Stepwise Linear Discriminant Analysis，S-LDA）、Fisher判别分析（Fisher Discriminant Analysis，FDA）、余弦距离（Cosine Distance，CD）、支持向量机（Support Vector Machine，SVM）、决策树法（Decision Tree，DT）、随机森林法（Random Forest，RF）、朴素贝叶斯法（Naive Bayes，NB）、人工神经网络（Artificial Neural Network，ANN）、概率神经网络（Fourier Neural Network，PNN）、k-最近邻法（k Nearest Neighbors，k-NN）、偏最小二乘法判别分析（Partial Least Squares Discriminant Analysis，PLS-DA）及正交偏最小二乘法判别分析（Orthogonal Partial Least Squares-Discriminant Analysis，OPLS-DA）等，下文分别介绍ICP-MS在食品产地溯源和真伪鉴别两方面的应用，其相关溯源信息、食品类型及化学计量学方法等见表1。

2.1 产地溯源

产地溯源是指通过提取食品中源自不同产地的自然环境信息，表征与产地相关的特异性指标，进而追溯食品的真实产地。研究表明，无论是植物源性食品还是动物源性食品，ICP-MS可以为不同地理跨度的食品实现精准的产地溯源（表1）。

2.1.1 植物源性食品产地溯源中ICP-MS的应用

针对来自不同国家的产地溯源，Richter等^[9]用ICP-MS和多元化学计量学法实现对白芦笋地理来源的判别。其测定了来自德国、波兰、荷兰、希腊、西班牙、中国和秘鲁7个国家319份白芦笋样品的元素图谱，分析发现与产地溯源密切相关的元素有Li、Co、Rb、Sr、U、Ce、Dy等16种元素；采用SVM结合嵌套交叉验证，在对产地进行分类时，获得了91.2%的判别精度。Nguyen-Quang等^[10]在一份关于越南市售商业大豆（4个国家）产地溯源的研究中指出，4个国家的大豆样本的40种被分析元素中33种存在显著差异，使用元素成分分析与化学计量学方法相结合可以确定大豆产地来源。

针对同一国家中不同地区间的产地溯源，Pan等^[11]建立了一种微波消解结合ICP-MS内标法快速测定咖啡中16 种元素，通过建立PCA、FDA和PLS-DA判别模型的方法对来自中国云南普洱、上海宝山和海南万宁3个产区的咖啡样品进行产地追溯，筛选出6种关键元素（Al、Mn、Fe、Cu、Na和Ba）作为元素指纹，判别模型的总体准确率均大于90.0%。赖晓娜等^[12]检测了中国广东新会、广西和湖南3个地区42批陈皮样品中51种矿物元素，运用方差分析和PLS-DA模型研究了不同产地陈皮中矿物元素的差别，以筛选得到的9种元素作为溯源指标，建立了各产地陈皮矿物元素指纹图谱和新会陈皮标准指纹图谱，对24批未知产地陈皮进行产地判别，正确率为91.6%。在印度，Kanrar等^[13]基于8个地区茶叶中67种元素的分析，通过OPLS-DA模型对茶样本产地的正确分类率达到100%，SVM和LDA模型的正确分类率分别为99.4%和88.97%。

针对中国同一省内地区或邻近地区的产地溯源，张爱琴等^[14]以甘肃省陇中地区、陇东地区和河西地区的主栽小米品种为研究对象，测定了小米中18种矿物元素含量。结果表明，13种元素含量存在显著差异，不同主产区小米矿物元素含量具有独特的地域分布特征；基于LDA和OPLS-DA的判别模型对小米产地判别正确率均为100%。另外，Costa等^[15]通过ICP-MS对美国加利福尼亚州2个产地的赤霞珠葡萄酒样品进行了13种金属元素含量分析，并开发了基于化学计量工具和机器学习算法的预测模型按照其产地来源进行分类。结果表明，以Cd、Ni、Mn、Pb、Rb、Co和Cu作为元素指纹对产地来源的判别准确率为89%。朱红玉等^[4]采用ICP-MS测定了中国云南3个不同产地（临沧、普洱、西双版纳）普洱生茶中10种矿质元素的含量，引入Pb、Cd、Ca、Mn、Fe、Cu、Zn等7种元素到产地判别模型中进行初始检验和交叉检验，识别率均为100%。

此外，稀土元素（Rare Earth Elements，REEs）是矿物元素组成之一，具有相似的物理和化学性质，在土壤中非常稳定但含量较低。基于这些特性，REEs被认为是植物源性食品产地溯源的关键性元素指纹，能提高判别准确率。Drivelos等^[16]通过ICP-MS结合DA、k-NN、PLS-DA和PNN等考察了希腊原产地保护产品Fava Santorinis蚕豆中REEs和微量元素（Trace Elements，TREs）的变化。研究结果显示，Fava Santorinis蚕豆中REEs分布模式与其种植土壤的特征一致，并认为REEs具有作为地理溯源的元素指纹的潜力。Ma等^[17]以地理标志产品洞庭碧螺春和普通碧螺春为研究对象，通过ICP-MS分析微量元素和REEs，结果显示通过PCA、CA和LDA均可以有效判别是否为地理标志产品，其中基于微量元素的判别能力为96.4%（占训练集正确分类对象的百分比）；当在训练数据集中加入REEs后，判别能力提高到98.2%，凸显其作为地理标志认证关键指标的潜力。

2.1.2 动物源性食品产地溯源中ICP-MS的应用

在健康的膳食结构中，肉类、鱼类和贝类等动物源性食品占据主体^[18]。消费者通过溯源信息促进膳食选择的健康化和可持续化。一方面，自然环境中的元素经食物链在动物体内放大、积累，不同的组织或器官对某些元素具有高度选择性；另一方面，动物通过饮食和呼吸从所在环境摄取所需营养和矿物元素，造成不同地域的动物源性食品具有各自的元素特征，与原产地建立联系^[19-20]。

针对来自不同国家的产地溯源，Hong等^[21]采用ICP-MS检测来自美国阿拉斯加、挪威、冰岛、英国的鲑鱼，结合LDA、PLS-DA、RF和OPLS-DA等化学计量学法方法实现产地准确判别。Drivelos等^[22]通过ICP-MS和化学计量学方法建立数学模型评估了波兰、希腊、泰国等国家和地区的蜂蜜中REEs和微量元素（Li、Mg、Mn、Ni、Co、Cu、Sr、Ba、Pb）。研究发现，DA模型在蜜源植物类型和蜂蜜产地来源方面表现出良好的判别能力，而CA模型在植物类型方面可有效判别但对产地溯源表现较弱；PLS-DA模型准确率则超过95%。

针对中国不同省（自治区）间的产地溯源，王雪蓉等^[20]采用ICP-MS对内蒙古鄂托克前旗、宁夏盐池县、甘肃环县和陕西定边县的滩羊骨骼中25种矿质元素含量进行测定，证实了不同产地滩羊骨骼的组成元素各具分布特征，且相同矿质元素在不同产地间也差异显著；进一步通过PCA、CA等多元统计方法，构建得到滩羊骨骼矿质元素指纹图谱；FDA判别中，回代检验和交叉检验的整体判别准确率分别为87.50%和86.87%。

有研究表明，利用贝类不同结构如外壳或软组织的微量元素可以识别其采收地点^[23-25]。Zhao等^[23]通过分析蛤蜊软组织的25种元素检测结果，认为蛤蜊软组织中元素相对稳定不受季节变化的影响，对蛤蜊样品的3个产地（山东胶州、江苏南通、辽宁大连）判别成功率为94.4%。 Bennion等^[24]则针对贻贝不同结构和处理方法进行产地溯源的准确率进行了对比分析，研究发现即使贻贝实际采收地点相距仅6 km，通过清洁后的外壳+软组织+表壳层的元素含量分析，也可以100%判别采收地点，而其他如未清洁的外壳、清洁后的外壳、贻贝的足、清洁后的外壳+足等，其产地溯源准确率分别为90%、90%、85%和92.5%；通过贻贝表壳层元素分析结果判别的准确率最低，仅67.5%。另外，Forleo等^[25]通过优化分析方法检测贻贝外壳的元素含量，可有效判别其产地（全部样本产地溯源准确率为93.5%），不仅准确率高且相较于Bennion等^[24]的溯源方法更为便捷；同时由于生长环境的差异性，当准确分类野生贻贝和养殖贻贝时，可分别提高产地溯源的准确率至98.4%和94.1%。

针对中国同一地区或邻近地区，Wang等^[26]对来自内蒙古4个地区的绵羊和山羊样本的元素分析数据及多变量统计分析进行产地、物种和喂养模式的溯源。PCA分析结果显示羊肉中的11种元素（Mg、Al、K、Ca、Mn、Fe、Cu、Zn、Rb、Sr、Ba）在不同区域之间存在显著差异；LDA模型对产地判别的准确率为95.2%，同一产地的山羊肉和绵羊肉的交叉验证准确率为70.2%；OPLS-DA还能有效识别圈养和放牧两种饲养模式的绵羊（R² = 0.864，R²即化学计量学方法的拟合度，代表其判别率）。

2.2 真伪鉴别

根据文献报道，蜂蜜、乳制品和橄榄油是最常被掺假的食品之一^[27]。通常的真伪鉴别主要是检测食品的成分、特性、标签等信息验证产品的真实性（表1）。

2.2.1 成分鉴别中ICP-MS的应用

蜂蜜作为一种具有独特营养价值和保健功效的天然甜味食品，其特征取决于蜜源植物的类型和生长气候条件。Voica等^[28]证实了蜜源植物类型与蜂蜜中矿物元素之间存在显著的相关性，采用ICP-MS检测分析了罗马尼亚4类蜂蜜中（刺槐蜜、椴树蜜、油菜花蜜和向日葵蜜）的18种元素，结合PCA分析可以判别不同蜜源植物的蜂蜜。在天然纯蜂蜜中重金属元素含量极低，如砷（As）含量通常低于15 μg/kg，而掺假蜂蜜中使用最多的是廉价的大米糖浆，由于生物富集作用导致大米糖浆中As含量普遍较高，因此桂茜雯等^[29]通过ICP-MS测定蜂蜜中的As含量有效验证蜂蜜中是否掺入大米糖浆。

成分掺假、造假降低了食品生产成本，但也会对食品的营养品质和安全性产生不良影响。Danezis等^[30]对希腊奶酪样本进行产地和成分的判别，研究了61种元素的分布特征，判别准确率为95.9%（基于地理来源）和91.9%（基于乳源种类），并基于ICP-MS的元素分析结果进行奶酪营养价值评估。在此基础上，Danezis等^[31]又实现了对23种希腊奶酪（原产地保护产品）的真伪鉴别，对奶酪类型的判别准确率为92.9%，乳源种类的准确率为94.6%。除了乳制品，血豆腐是餐馆中常见的一类食品。鉴于鸭血豆腐独特的口感和质地，其价格通常高于其他动物血豆腐，导致被不法商家用猪血、牛血等造假代替。Han等^[32]基于元素指纹结合化学计量学方法对5种动物的血豆腐识别准确率不低于96%。此外，Pérez-Rodríguez等^[33]使用ICP-MS分析阿根廷5种豇豆样本的多元素成分，构建LDA、PLS-DA、k-NN、RF和SVM等品种判别分类模型，其中SVM以93%的准确率成为识别品种之间差异性和验证豇豆真伪的最佳模型。

2.2.2 标签信息验证中ICP-MS的应用

伪造标签信息是消费过程中最不易察觉的，如非地理标志产品冒充地理标志产品、人工饲养的冒充野生捕获的、传统种植的替代有机种植的等。Danezis等^[2]为了鉴定市售兔肉是否源自野生捕获，采用ICP-MS对兔肉中39种元素（包括14种REEs）进行多元素分析，结合化学计量学方法，研究发现依据微量元素判别准确率为81.6%，REEs为85.7%，而同时使用REEs和微量元素可提升判别准确率至95.9%。

另一方面，随着消费升级与绿色理念深化，有机食品成为人们追求健康与环保的重要选择。Birse等^[34]认为物流供应链的飞速发展和果蔬保质期短暂的特质，让更多的农产品直接供应给零售商的配送中心，避免了市场加工和流通环节，使得生产商和分销商的欺诈行为更难被发现，发生标签伪造或替换将使得农产品溯源更加复杂。因此，其对有机蔬菜（Leek，韭葱）进行真伪鉴别，对比了ICP-MS分析元素结合OPLS-DA模型对韭葱不同取样位置的判别准确率，以叶片的判别准确率98.1%最高，茎部及根部的判别准确率分别为92.5%和96.5%。 Barbosa等^[35]通过分析甘蔗样品中32种元素结合NB和RF两种算法模型进行有机甘蔗真伪判别，准确率均超过90%，以筛选得到的Rb、U、Al、Sr、Dy、Nb、Ta和Mo等8种元素作为元素指纹时，NB算法的准确率提高至95.4%。

2.3 ICP-MS结合其他技术在食品溯源中的应用

近年来，使用多种检测溯源技术与化学计量学方法进行融合分析成为食品溯源研究的趋势。Zhang等^[36]使用ICP-MS和电感耦合等离子体原子发射光谱（Inductively Coupled Plasma Atomic Emission Spectroscopy，ICP-AES）结合化学计量学方法有效区分了中国贵州普安、都匀和黎平3个地区的茶叶。卢丽等^[37]运用ICP-MS和电感耦合等离子体光学发射光谱（Inductively Coupled Plasma Optical Emission Spectrometry，ICP-OES）对法国、美国、新西兰、智利等9个产区的8种鳕鱼进行溯源研究，PLS-DA模型和k-NN模型均可实现银鳕鱼物种鉴别，准确率分别为100%和83.8%。

IRMS是一种利用元素分馏效应的溯源技术，IRMS和ICP-MS联用是目前食品溯源最常用的技术方案。禹洁等^[38]通过IRMS和ICP-MS结合多元统计学技术对中国7个省份的蜂蜜进行产地溯源，FDA模型判别正确率100%，交叉验证率为95.7%。同样的技术方案，于寒冰等^[39]通过逐步判别分析建立3种模型对北京昌平、辽宁丹东和四川成都双流的设施种植草莓作产地区分。结果表明，采用单一技术进行草莓产地溯源判别准确率并不理想，而同时利用草莓中稳定同位素比值和元素指纹建立产地判别模型能够准确区分不同产地设施种植草莓。此外，Xie等^[40]在该技术方案（IRMS+ICP-MS）的基础上，结合高效液相色谱法（High Performance Liquid Chromatography，HPLC）检测氨基酸，通过多元统计学建模以追踪中国内蒙古小型乳制品生产区的牛奶来源，研究结果认为营养成分（氨基酸）和地理参数（稳定同位素、元素）的组合是最好的产地溯源方法。

3 结语与展望

综合以上相关研究和数据结果可见：一方面，ICP-MS结合化学计量学方法，可精准构建食品的元素指纹图谱，实现对不同产地、不同动植物种属及不同生产方式的食品溯源，准确率基本上高于90%；还可以通过稀土元素检测、其他检测技术联用以提高溯源准确率，是食品溯源的核心工具；另一方面，ICP-MS多元素数据的高维性、相关性及高信息密度，与化学计量学方法处理复杂数据、提取判别特征的需求高度契合，通过“降维—分类—判别”的递进分析，不仅能解析元素间的交互效应，还可转化为实际应用中的分类、溯源及预测工具。目前使用频次高的化学计量学方法是PCA、PLS-DA和LDA等，通常PCA作为各类研究中数据分析、建模的第一步，将高维元素信息压缩至低维空间，保留最大方差，可以揭示数据内在结构，评估样本内的变异性；运用PLS-DA建模能够确定数据中包含类别分离信息的变量，通过自变量（元素浓度）与因变量（类别标签）关联，有效克服多元素数据的共线性问题，适用于样本量小于变量数的样本，ICP-MS数据的元素间相关性被PLS-DA转化为分类优势，提升了模型稳健性；在LDA建模中，给定样本在一个类别（即地理来源、样品种类和种植方式等）内的分配基于最大似然法判别，而ICP-MS数据中特定元素的浓度差异与样本类别强相关，其高精度数据保障了LDA对正态分布和同方差假设的近似满足，经标准化预处理后，模型能有效识别关键标志元素^[41]。

为进一步发挥ICP-MS的技术优势和加强溯源的准确性与有效性，笔者建议未来研究可参考以下方向：（1）多技术融合与智能化分析。聚焦ICP-MS与其他技术的联用的同时，利用AI与机器学习算法的深度应用（如深度学习神经网络）优化模型的自适应能力，以构建更全面的溯源体系。（2）便携化与高通量检测。基于微流控芯片的便携式质谱技术已在环境监测中初现潜力，开发小型化ICP-MS设备与自动化前处理系统，可降低检测成本并提高效率，满足现场快速筛查需求。（3）标准化与全球化数据库建设。推动国际统一的元素指纹数据库与溯源标准，整合全球不同产地的环境参数（如土壤、水质数据），建立可共享的云端平台。

参考文献

[1]王虹, 王成杰, 杨旭, 等. 进口食品追溯体系的现状及发展趋势[J]. 食品与发酵工业, 2021, 47 (13): 303-309.

[2] Danezis G P, Pappas A C, Zoidis E, et al. Game meat authentication through rare earth elements fingerprinting[J]. Analytica Chimica Acta, 2017, 991: 46-57.

[3]徐毅, 钟鹏, 赵岗, 等. 食品真实性鉴别技术研究进展[J]. 河南工业大学学报(自然科学版), 2021, 42(3): 108-119.

[4]朱红玉, 李云飞, 张薇, 等. 电感耦合等离子体质谱法测定普洱生茶中10种矿质元素并结合化学计量法用于溯源茶产地[J]. 理化检验—化学分册, 2022, 58(1): 45-50.

[5] Mazarakioti E C, Zotos A, Thomatou A A, et al. Inductively Coupled Plasma Mass Spectrometry (ICP-MS), a Useful Tool in Authenticity of Agricultural Products’ and Foods’ Origin[J]. Foods, 2022, 11(22): 3705. DOI: 10.3390/FOODS11223705.

[6]孙梦荷, 苏春风, 方迪, 等. 电感耦合等离子体质谱(ICP-MS)法在稀土分析中的应用进展[J]. 中国无机分析化学, 2023, 13(9): 939-949.

[7] Al-Hakkani F M. Guideline of inductively coupled plasma mass spectrometry “ICP–MS”: fundamentals, practices, determination of the limits, quality control, and method validation parameters[J]. SN Applied Sciences, 2019, 1(7): 1-15.

[8]洪光辉, 王晴晴, 崔喜平, 等. ICP-MS分析中的干扰及其消除研究进展[J]. 试验科学与技术, 2021, 19(3): 14-21.

[9] Richter B, Gurk S, Wagner D, et al. Food authentication: Multi-elemental analysis of white asparagus for provenance discrimination[J]. Food Chemistry. 2019, 286: 475-482.

[10] Nguyen-Quang T, Bui-Quang M, Truong-Ngoc M. Rapid Identification of Geographical Origin of Commercial Soybean Marketed in Vietnam by ICP-MS[J]. Journal of Analytical Methods in Chemistry, 2021: 5583860. DOI: 10.1155/2021/5583860.

[11] Pan X, Yan W, Wu X, et al. Replacing traditional coffee appraisers with inductively coupled plasma mass spectrometry (ICP-MS): From manual sensory evaluation to scientific analysis[J]. Food Chemistry: X, 2024, 24: 101980. DOI: 10.1016/j.fochx.2024.101980.

[12]赖晓娜, 罗辉泰, 张春华, 等. 基于矿物元素指纹图谱鉴定陈皮产地的方法研究[J]. 分析测试学报, 2024, 43(2): 301-308.

[13] Kanrar B, Kundu S, Khan P, et al. Elemental Profiling for Discrimination of Geographical Origin of Tea (Camellia sinensis) in north-east region of India by ICP-MS coupled with Chemometric techniques[J]. Food Chemistry Advances, 2022, 1: 100073. DOI: 10.1016/J.FOCHA.2022.100073.

[14]张爱琴, 郭斌, 柳利龙, 等. 基于ICP-MS的甘肃不同产地小米矿物元素含量特征及判别分析[J]. 食品工业科技, 2023, 44(7): 301-310.

[15] Costa D.L.N, Ximenez B.P.J, Rodrigues LJ, et al. Characterization of Cabernet Sauvignon wines from California: determination of origin based on ICP-MS analysis and machine learning techniques[J]. European Food Research and Technology, 2020, 246(6): 1-13.

[16] Drivelos S A, Danezis G P, Haroutounian S A, et al. Rare earth elements minimal harvest year variation facilitates robust geographical origin discrimination: The case of PDO “Fava Santorinis”[J]. Food Chemistry, 2016, 213: 238-245.

[17] Ma G, Zhang Y, Zhang J, et al. Determining the geographical origin of Chinese green tea by linear discriminant analysis of trace metals and rare earth elements: Taking Dongting Biluochun as an example[J]. Food Control, 2016, 59(1): 714-720.

[18]联合国粮农组织, 农发基金, 联合国儿童基金会. 2023年世界粮食安全和营养状况: 贯穿城乡连续体的城市化、农业粮食体系转型和健康膳食[J/OL].联合国粮农组织, 2023-12-12. https://www.fao.org/3/cc3017zh/cc3017zh.pdf.

[19]赵汝婷, 杨曙明, 赵燕. 利用稳定同位素进行农产品溯源研究进展[J]. 核农学报, 2020, 34 (S1): 120-128.

[20]王雪蓉, 罗瑞明, 李亚蕾, 等. 基于ICP-MS的滩羊骨骼矿质元素溯源指纹图谱[J]. 食品科学, 2022, 43(10): 322-328.

[21] Hong Y, Birse N, Quinn B, et al. Data fusion and multivariate analysis for food authenticity analysis[J]. Nature Communications, 2023, 14(1): 3309. DOI: 10.1038/S41467-023-38382-Z.

[22] Drivelos S A, Danezis G P, Halagarda M, et al. Geographical origin and botanical type honey authentication through elemental metabolomics via chemometrics[J]. Food Chemistry, 2021, 338: 127936. DOI: 10.1016/j.foodchem.2020.127936.

[23] Zhao H, Zhang S. Effects of sediment, seawater, and season on multi-element fingerprints of Manila clam (Ruditapes philippinarum) for authenticity identification[J]. Food Control, 2016, 66: 62-68.

[24] Bennion M, Morrison L, Brophy D, et al. Trace element fingerprinting of blue mussel (Mytilus edulis) shells and soft tissues successfully reveals harvesting locations[J]. Science of the Total Environment, 2019, 685: 50-58.

[25] Forleo T, Zappi A, Melucci D, et al. Inorganic Elements in Mytilus Galloprovincialis Shells: Geographic Traceability by Multivariate Analysis of ICP-MS Data[J]. Molecules, 2021, 26(9): 2634-2634.

[26] Wang Q, Liu H, Zhao S, et al. Discrimination of mutton from different sources (regions, feeding patterns and species) by mineral elements in Inner Mongolia, China[J]. Meat Science, 2021, 174: 108415. DOI: 10.1016/j.meatsci.2020.108415.

[27] Gręda K, Leśniewicz A, Szymczycha-Madeja A, et al. Make a beeline for honey authentication: Na, K, Rb, Mg, Ca-based verification method[J]. Food Chemistry, 2025, 480: 143862. DOI: 10.1016/J.FOODCHEM.2025.143862.

[28] Voica C, Iordache AM, Ionete RE. Multielemental characterization of honey using inductively coupled plasma mass spectrometry fused with chemometrics[J]. Journal of Mass Spectrometry, 2020, 55(7): 1-13.

[29]桂茜雯, 林宏, 丁涛, 等. 砷含量测定在蜂蜜掺假鉴别中的应用[J]. 食品安全质量检测学报, 2014, 5(10): 3008-3015.

[30] Danezis G P, Theodorou C, Massouras T, et al. Greek Graviera Cheese Assessment through Elemental Metabolomics-Implications for Authentication, Safety and Nutrition[J]. Molecules, 2019, 24(4): 670-670.

[31] Danezis G P, Pappas A C, Tsiplakou E, et al. Authentication of Greek Protected Designation of Origin Cheeses through Elemental Metabolomics[J]. International Dairy Journal, 2020, 104: 104599. DOI: 10.1016/j.idairyj.2019.104599.

[32] Han F, Aheto H J, Rashed MAM, et al. Machine-learning assisted modelling of multiple elements for authenticating edible animal blood food[J]. Food Chemistry: X, 2022, 14: 100280. DOI: 10.1016/J.FOCHX.2022.100280.

[33] Pérez-Rodríguez M, Gaiad E J, Hidalgo J M, et al. Classification of cowpea beans using multielemental fingerprinting combined with supervised learning [J]. Food Control, 2019, 95: 232-241.

[34] Birse N, McCarron P, Quinn B, et al. Authentication of organically grown vegetables by the application of ambient mass spectrometry and inductively coupled plasma (ICP) mass spectrometry; The leek case study[J]. Food Chemistry, 2022, 370: 130851. DOI: 10.1016/J.FOODCHEM.2021.130851.

[35] Barbosa R M, Batista B L, Barião C V, et al. A simple and practical control of the authenticity of organic sugarcane samples based on the use of machine-learning algorithms and trace elements determination by inductively coupled plasma mass spectrometry[J]. Food Chemistry, 2015, 184: 154-159.

[36] Zhang J, Yang R, Li Y C, et al. Use of mineral multi-elemental analysis to authenticate geographical origin of different cultivars of tea in Guizhou, China[J]. Science of Food and Agriculture, 2020, 100(7): 3046-3055.

[37]卢丽, 丁博, 刘青, 等. 多元素含量结合化学计量学技术在鳕鱼物种鉴别和产地溯源中的应用[J]. 食品安全质量检测学报, 2021, 12(24): 9436-9444.

[38]禹洁, 周佳, 黄韡, 等. 基于稳定同位素与矿物元素的蜂蜜产地溯源判别模型的构建[J].食品安全质量检测学报, 2024, 15(18): 84-93.

[39]于寒冰, 郭阳, 李安, 等. 基于稳定同位素和元素技术的草莓产地溯源[J]. 食品安全质量检测学报, 2025, 16(3): 162-168.

[40] Xie L, Zhao S, Rogers K M, et al. A case of milk traceability in small-scale districts-Inner Mongolia of China by nutritional and geographical parameters[J]. Food Chemistry, 2020, 316: 126332. DOI: 10.1016/j.foodchem.2020.126332.

[41] Granato D, Putnik P, Kovačević D B, et al. Trends in Chemometrics: Food Authentication, Microbiology, and Effects of Processing[J]. Comprehensive Reviews in Food Science and Food Safety, 2018, 17(3): 663-677.

表1 ICP-MS在食品产地溯源和真伪鉴别中的应用实例

Table 1 Application of ICP-MS in traceability and authenticity of food origin

表1（续）