1 引言
涉枪案件的枪支溯源是法庭科学构建证据体系的核心环节
[1]。射击残留物（Gunshot residue， GSR）作为枪支发射过程中伴随产生的特征性痕量证据，其化学组成与枪支-弹药组合存在特异性关联，在证实嫌疑人与枪击事件关联的同时，也能为犯罪现场溯源提供直接的科学依据。随着涉枪案件的复杂化与弹药技术的发展，GSR的研究不再只局限于是否检出，而是更加关注能否用于分类判别与溯源。即在提取GSR具有区分度的组分特征的基础上，选择相应的检测方法获得可重复数据，并结合化学计量学方法进行特征融合与判别建模，从而为枪支口径、品牌、弹药类型以及射击次数的区分和辨别提供支撑
[2]。
已有研究显示，传统GSR的检测方法与分类应用仍存在局限。检测技术上，单一无机组分分析在复杂环境背景下容易受到同源颗粒物或污染物影响，对无铅或低重金属弹药体系的适配性也较为有限；单一有机组分分析则可能存在荧光干扰、信息覆盖不足等问题，因而单一路径难以全面表征GSR的多维特征
[3-4]。在分类应用上，大部分现有方法仍依赖单技术数据或较为简单的统计处理，对多维、强共线特征的融合与筛选不足，使得枪支口径与品牌等精细区分任务的分类性能受到影响，难以在复杂案件场景下同时兼顾快速筛查与可靠判定
[5]。因此，多组分信息获取、模型可验证性的同步加强，仍是值得重点解决的问题。
基于上述背景与研究现状，本文旨在从分析化学视角系统梳理GSR的特征组分与检测技术，并总结其在枪支分类中的应用与研究进展。全文结构如下：首先概述GSR无机组分与有机组分的构成特点及特异性标识作用，为后续研究提供理论基础；然后综述电感耦合等离子体质谱、激光诱导击穿光谱、电化学法等无机组分检测技术，以及色谱-质谱联用技术、傅里叶变换红外光谱、拉曼光谱等有机组分分析方法的原理、应用优势及实践局限；最后探讨偏最小二乘判别分析等特征关联分析在枪支分类中的应用与效果。通过整合现有研究进展，本文将为涉枪案件的枪支溯源提供可行的技术参考，并为后续多技术联用、统计模型优化奠定基础，进而推动法庭科学领域涉枪案件鉴定技术的精准化，为案件侦破与证据认定提供可靠支撑。
2 GSR特征组分来源
枪支的GSR主要来源于底火击发过程中产生的铅、钡、锑等无机元素，以及发射药中的有机添加剂及其燃烧产物，两者共同构成了反映枪支与弹药来源差异的特征化学体系。
2.1 无机组分
弹药底火是GSR中无机成分的主要来源。传统弹药底火主要包含铅（Pb）、钡（Ba）、锑（Sb）三元组合
[6]，其中铅主要来源于底火起爆药如斯蒂芬酸铅或叠氮化铅，以金属铅微粒或PbO形式存在；钡来自底火氧化剂，燃烧后可能形成BaCl
2或BaSO
4；锑则来自底火摩擦剂硫化锑，以金属锑或Sb
2O
3形式存在（
表1）。传统弹药的GSR颗粒通常呈现Pb-Ba-Sb三元共存特征，这是判断是否接触枪击的关键依据
[7]。需要注意的是，现代无铅弹药可能使用锌、钛或钾等元素替代上述成分
[8]，无法通过传统Pb-Ba-Sb检测方法进行GSR判定。
2.2 有机组分
GSR中的有机成分主要来源于发射药中含能组分、稳定剂、增塑剂等组分的不完全燃烧产物及燃烧中间体，其主要有机组分类型见
表2。具体包括：（1）发射药特征组分，发射药根据主要组分差别可分为单基发射药、双基发射药。硝化纤维素（NC）在单基发射药中占比超过90%；硝化甘油（NG）作为双基发射药的核心含能成分，含量通常为25%~40%。这些基础组分的组合比例和降解模式具有弹药类型特异性
[9]，由此可通过化学计量学方法找到统计规律，从而实现枪支分类。（2）发射药专用稳定剂，稳定剂是弹药配方中更具溯源价值的有机组分
[10]。在弹药储存及射击过程中，二苯胺（DPA）体系会发生逐步硝化，首先生成初期产物
N-亚硝基二苯胺，并进一步转化为2-硝基二苯胺（2-nDPA）和4-硝基二苯胺（4-nDPA）
[11]，这些硝化产物的相对含量可用于推断弹药的储存时间与环境条件。乙基中定剂（EC）和甲基中定剂（MC）主要应用于军用弹药，其存在和比例是区分军用与民用弹药的重要依据
[12]。（3）发射药增塑剂，不同厂商使用特定比例的邻苯二甲酸酯组合（DMP/DEP/DBP），而这种比例关系具有高度特异性，且在射击后仍能保持相对稳定的组成特征，由此是重要的枪弹溯源检测组分。（4）发射药燃烧中间体，二硝基甲苯异构体（2，4-DNT和2，6-DNT）来自不纯的TNT原料，其异构体比例具有显著的批次特征，相当于生产过程的特殊标记
[13]。这些副产物的组成模式不受射击过程影响，可以反映弹药的生产工艺和来源。此外，发射药及底火在高温爆燃条件下还会产生低分子挥发性芳香族化合物，包括多环芳烃（PAHs）及芳香腈类物质
[14]，这类燃烧副产物在时间推断及挥发组分分析中具有重要研究价值。
3 GSR传统检测技术
3.1 无机射击残留物检测技术
无机射击残留物（Inorganic gunshot residue，IGSR）的检测主要依据Pb、Ba、Sb等无机特征元素。下文将围绕IGSR传统检测技术展开，通过比较分析各方法在元素分辨能力、定量精度及现场适用性等方面的优势与局限性，明确其适用范围与技术定位（
表3）。
3.1.1 扫描电镜-能谱联用技术
扫描电镜-能谱联用技术（Scanning electron microscopy-energy dispersive spectroscopy， SEM-EDS）将扫描电子显微镜与能量色散X射线能谱仪相结合，可实现在获取射击颗粒二次电子成像以观察其形貌特征的同时，解析其无机金属元素组成
[15]，被确立为GSR无机成分分析的国际标准方法
[16]，为基于形态-元素关联的枪支分类提供了直接证据。1979年，Wolten等
[17]最早系统提出，以球形形貌结合同步检测Pb-Ba-Sb三元元素组合，作为GSR特征颗粒的判别，同时与环境颗粒进行对比验证，证实该组合具有显著区分性。从而奠定了特征颗粒的判别基础。随后，Phermpornsagul等
[18]以AK-47与M16为研究对象，利用SEM-EDS自动化搜索系统统计特征颗粒数量变化，发现M16样本中特征颗粒数量显著高于AK-47，建立了颗粒元素组合与枪支类型间的溯源联系。Brożek-Mucha等
[15]在进一步的射击距离研究中，通过自动扫描分析0~150 cm区间内的残留物，证明特征颗粒数量峰值范围及分布模式与射击距离密切相关，为射击行为解释提供了量化依据。然而，该技术在无铅弹药体系中的适用性下降，现行ASTM E1588-20分类标准对无铅弹药颗粒的界定能力有限，SEM-EDS在自动化分析过程中难以有效识别无铅弹药产生的特征颗粒
[19]。
3.1.2 电感耦合等离子体质谱
随着技术的发展，电感耦合等离子体质谱（Inductively coupled plasma mass spectrometry，ICP-MS）被引入GSR分析领域，用于获取更丰富的元素指纹信息。其凭借高温电离与高分辨质量检测能力，不仅可检测GSR样品中的Pb、Ba、Sb等传统特征元素，还能同时检测Sn、Cu、Zn、Sr等多种痕量元素。与SEM-EDS基于颗粒类别判定的离散信息不同，ICP-MS可获得连续浓度变量
[20]，由此可构成多维数值向量，从而支持协方差计算与多变量统计建模。
相比于其他检测技术，ICP-MS具有极高的时间检测稳定性，以及良好的抗干扰性能。Halim等
[21]将ICP-MS与SEM-EDS对比，针对静水浸泡降解后的GSR样本检测展开研究：ICP-MS在静水浸泡14 d后仍能稳定检出射入口与射出口的Pb、Sb、Ba差异，而SEM-EDS在0 d即无法检出。Boracchi等
[22]对25例暴露于开放环境10 d~3年的非枪弹伤尸体及16例埋藏11年出土尸体的皮肤样本进行ICP-MS分析，枪弹伤阳性对照样本中均检测到高浓度GSR特征元素Pb、Sb、Ba，而非枪弹伤尸体均未检出3种元素。
不过需要指出的是，常规ICP-MS测的是样品经消解后，元素的整体平均浓度，个体颗粒特征信号被掩盖，在复杂环境下易受基体效应干扰
[20]。面对这一局限，近年来，在ICP-MS技术基础上进一步发展出了单颗粒电感耦合等离子体飞行时间质谱（Single-particle inductively coupled plasma time-of-flight mass spectrometry，spICP-TOF-MS）。该技术通过将射击颗粒以低浓度悬浮状态引入等离子体，并结合微秒级时间采集能力，将检测维度聚焦于单颗粒层面，降低基体效应影响
[23]（
图1）。Szakas等
[24]使用spICP-TOF-MS对含铅及无铅GSR与刹车片、烟花、矿物这3种典型干扰源混合的样本进行分析。结果显示，即使在干扰颗粒数量超过真实GSR颗粒200倍的混合体系中，该技术仍能实现准确识别，充分证实该技术具备复杂环境背景下的单颗粒级别的抗干扰能力。这为提升枪支溯源分析的精准检测能力，以及在复杂环境背景下建立特征元素数据库提供了方法学支撑。
3.1.3 激光诱导击穿光谱
尽管SEM-EDS与ICP-MS在精准检测方面具有显著优势，但其对实验室条件的高度依赖，限制了其在大面积或不可移动物证的现场勘查中的应用。相比之下，激光诱导击穿光谱（Laser-induced breakdown spectroscopy，LIBS）作为一种原位、快速的多元素分析技术，不仅能够对大面积物证表面进行高效扫描，还可同步检测Cu、Zn、Ti、Fe等与弹药类型及枪管材质相关的特征元素，从而拓展了GSR检测的应用场景，实现了犯罪现场分析与实验室检测之间的有效衔接。
例如，Doña-Fernández等
[25]对90个现场采集的胶带样本，首先使用便携式LIBS系统进行分析，通过同步检测Sb、Pb、Ba的特征发射线实现快速筛查，成功识别出22个疑似GSR样本并送交实验室。随后结合SEM-EDS进行精确认证与分析，显著提升了实验室检测效率。此外，LIBS能对GSR进行二维元素空间分布成像。Vander Pyl等
[26]采用连续扫描模式对大面积GSR沉积区域进行扫描，建立特征元素的二维分布图，并结合化学计量学方法进行数据处理，所提取的空间分布信息为更加精细化的射击行为重建提供了关键特征维度数据。
3.1.4 电化学法
相比LIBS，电化学法能以更高的灵敏度定量痕量元素。电化学法以一次性丝网印刷电极为核心检测平台，结合方波阳极溶出伏安法进行检测，在GSR检测中具有较高的灵敏度
[27]。基于上述优势，该方法能满足对嫌疑人进行快速排查的需求
[27]，例如，Wongpakdee等
[28]基于一次性丝网印刷电极的便携式系统，在约5 min内完成对手部擦拭样本中Pb和Sb的同步检测，实现了快速现场初筛。同时，Dalzell等
[29]研究表明，便携式电化学检测设备在灵敏度与特异性方面可与传统台式仪器相媲美，采用2种设备对350例真实样本进行检测，结果显示便携式仪器的总体分类准确率为96.5%，略高于台式仪器的95.7%（
图2），表明该便携式设备具备与实验室仪器相当的分析能力，可用于现场快速筛查。该技术使得现场人员能够快速获得高灵敏度的检测数据，从而有效区分重点人员，为侦查方向提供指引。
3.2 有机射击残留物检测技术
需要指出的是，上述IGSR分析主要聚焦于无机特征组分，在无铅弹药或需要对弹药来源进行精细区分的情形下，其信息维度存在一定局限。相比之下，针对GSR中有机组分的检测技术，为弹药类型判别与溯源提供了新的分析路径。有机射击残留物（Organic gunshot residue，OGSR）检测能够解析发射药种类、添加剂组成等分子层面的指纹特征，尤其在无铅或低重金属弹药条件下，这些有机特征组分在弹药识别与溯源分析中具有不可替代的证据价值
[30,31]。
为便于直观比较不同技术之间的差异，
表4汇总了主要OGSR检测方法的核心优势、局限及适用场景。下文将围绕3类代表性OGSR检测技术展开介绍：一是具有高分离与高分辨能力的色谱-质谱联用技术；二是具备快速筛查优势的光谱检测技术；三是融合现有技术优势，适用于多维化学表征与特征融合分析的多光谱联用技术。
3.2.1 色谱-质谱联用技术
色谱-质谱联用技术可以对复杂有机组分进行高效分离和定量检测，适用于复杂基质中痕量组分的定性与定量分析。根据分离机制与电离方式的不同，可分为气相色谱-质谱联用技术与液相色谱-质谱联用技术。
（1）气相色谱-质谱联用技术（Gas chromatography-mass spectrometry，GC-MS）主要适用于GSR中多环芳烃、硝基芳香化合物等有机组分的检测，这些挥发性有机组分的时间衰减特性在枪击事件的时间推断方面具有重要价值
[32]。例如，Gallidabino等
[32]采用固相微萃取结合GC-MS，通过检测GSR中未完全燃烧的组分多环芳烃萘，实现了对枪弹发射时间的科学推算。在此基础上，该团队继续优化检测流程与分析模型，采用顶空吸附萃取结合热脱附GC-MS，检测了9 mm枪弹GSR中的29 种挥发性有机物组分
[33]。系统鉴定了射击后挥发性有机物的组成，并通过监测其随时间衰减的规律，构建了用于推断发射时间的多元回归模型，可用于在射击48 h内精准估算枪弹发射时间，展现了该技术在提供时间维度溯源信息方面的独特优势
[34]。
（2）液相色谱-质谱联用技术（Liquid chromatography-tandem mass spectrometry，LC-MS/MS）相较于GC-MS，LC-MS/MS无需样品气化，能有效避免热不稳定化合物的分解，不仅能对热稳定有机组分进行检测，还能对硝化甘油、
N-亚硝基二苯胺等热不稳定及不易挥发组分进行高灵敏度分析检测，可实现对复杂基质中pg级痕量成分的准确定性定量
[35]。
同时，LC-MS/MS能够在复杂基质条件下实现OGSR多组分的有效分离，从而有效削弱基质效应对后续检测的干扰。Redouté Minzière等
[36]采用超高效液相色谱，通过优化梯度洗脱程序，成功分离了碳黏性垫采集样本中的硝化甘油、稳定剂MC、二苯胺及其衍生物等8种关键目标化合物，显著降低了基质干扰。此外，LC-MS/MS在OGSR检测中还展现出极高的灵敏度与显著的组分区分能力。在一项基于美国真实人群的大规模研究中
[37]，研究者对超过400份手部样本进行了LC-MS/MS分析。结果显示，真实射击者样本中关键稳定剂EC的平均检出浓度高达38 ppb（1 ppb=1×10
-9），而低风险背景人群的平均浓度仅为0.6 ppb，差异超过60倍，展现出显著的群体区分效应。在射击者样本中，除检测到EC外，还可检测到2-nDPA（检出率36%）、DPA（29%）、4-nDPA（24%）等多种特征稳定剂，进一步证明了LC-MS/MS在复杂背景条件下对射击相关有机标志物具有较高的检测灵敏度和判别能力。
在实际应用中，色谱-质谱联用技术不仅能够对OGSR进行高灵敏度检测，还能通过将化学指纹与统计推理相结合，为枪支溯源提供可量化评估的客观证据。Feeney等
[38]将LC-MS/MS获得的有机组分数据与基于神经网络模型的似然比评价框架相结合，将复杂的数据转化为易于法庭理解的证据权重表述，增强了证据的可解释性。
3.2.2 光谱技术
尽管色谱-质谱联用技术在OGSR分析中具有高灵敏度的定性与定量能力，但其对实验室条件及仪器环境的依赖，在一定程度上限制了其在大规模现场筛查中的应用。相比之下，具备快速、无损检测能力的光谱技术在现场快速筛查方面展现出明显优势与应用潜力。傅里叶变换红外光谱、拉曼光谱，以及傅里叶变换近红外光谱在OGSR检测中各有侧重，三者在检测上互为补充。
（1）傅里叶变换红外光谱（Fourier transform infrared spectroscopy， FT-IR）基于分子对红外辐射的选择性吸收，可特异性识别硝基等官能团的特征振动信号，实现对NC、NG为代表的硝酸酯类有机组分的靶向检测。此前Bueno团队利用衰减全反射傅里叶变换红外光谱（ATR-FT-IR），成功识别了NC、NG等有机特征组分，并以此为基础结合偏最小二乘判别分析，实现了对不同枪支口径GSR的有效区分，识别准确率高达93.3%
[39]。之后该团队将FT-IR与高光谱成像结合，通过靶向检测OGSR中硝酸酯类与2，4-DNT等特征有机组分，生成了像素分辨率1.56 μm、空间分辨率4.7 μm的分布图，实现了GSR颗粒的自动检测与可视化
[30]。需要注意的是，红外光谱难以区分结构相似的有机组分，对精细化溯源支撑有限。相比之下，拉曼光谱对分子骨架结构更为敏感，可提供指纹光谱信息，与红外光谱形成互补。
（2）拉曼光谱（Raman spectroscopy）基于拉曼散射效应，通过检测分子振动和转动引起的非弹性散射光频率变化，来获取物质结构信息
[40]。在GSR分析中，拉曼光谱能有效识别DPA、EC、MC、2，4-DNT等有机组分，其显著优势在于可提供指纹光谱信息且水干扰极小
[41]。Shafirovich等
[42]利用便携式拉曼光谱仪对DPA、EC、2，4-DNT、2-nDPA、4-nDPA等OGSR组分进行液相检测，成功获取了各分析物的特征指纹谱图，并报道了2-nDPA和4-nDPA的振动归属，实现了对这两种结构相似的硝基衍生物的精准区分。
值得注意的是，拉曼光谱对荧光干扰较为敏感，特征信号存在被荧光信号掩盖的可能。针对这一局限，研究者已从多个方面进行了改进。Zhao等
[43]通过优化激光激发波长与功率参数，减少背景荧光干扰并改善信噪比，获得了清晰的GSR拉曼光谱信号。此外，表面增强拉曼散射（SERS）技术利用金属纳米结构的局域电磁场增强效应显著放大拉曼信号，亦可有效提高信噪比，降低荧光干扰。Wongpakdee等
[44]利用SERS技术提高拉曼光谱检测灵敏度，构建了适用于现场快速检查的便携式拉曼光谱检测平台（
图3）。研究显示该技术可在30 s内完成检测，适配嫌疑人手部、枪械表面及弹孔周围残留物的原位筛查。
（3）傅里叶变换近红外光谱（Fourier transform near-infrared spectroscopy，FT-NIR）主要反映含氢官能团（如C—H、N—H、O—H）的振动信息，可用于GSR中NC、DPA等有机特征组分的快速识别。FT-NIR采用较长波长的入射光，相较于可见光激发的拉曼光谱，较少受到织物染料、血迹或焦化残留物产生的荧光背景干扰，在深色或复杂污染基质样本中具有更好的适用性
[45]。在枪击案件中，射击距离是判断射击行为性质（如自杀、他杀或意外射击）以及重建射击过程的重要参数，因此基于GSR化学特征建立客观的距离估算方法具有重要的法庭意义。FT-NIR具有较强的光学穿透能力，能够探测样本内部沉积的有机残留组分。已有研究表明，OGSR中有机组分的沉积量与射击距离呈负相关
[46]。基于这一特性，Sarraguça等
[47]利用FT-NIR分析20~90 cm区间内靶面GSR有机成分的光谱变化，并结合偏最小二乘回归建立射击距离估算模型，实现了对射击距离的快速无损估算。
3.2.3 多光谱联用技术
近年来，具备多组分联合表征能力的多光谱联用技术逐渐应用于GSR分析，以获取更丰富的特征指纹信息。其中，拉曼光谱-激光诱导击穿光谱联用法（Raman-LIBS）作为其代表性方法，首先利用拉曼光谱对GSR颗粒进行分子结构识别与颗粒筛选，然后通过LIBS获取其无机元素组成信息，在单颗粒尺度实现分子和元素的双维表征。Khandasammy等
[48]采用Raman-LIBS联用，实现了OGSR分子结构与无机元素组成的同步获取。相较于单独使用拉曼光谱或LIBS，该联用策略显著提升了化学信息的维度与区分能力，成功实现了对同口径、同制造商、同射击条件下3种高度相似弹药产生OGSR的精准区分（39个样本中仅1个误分类），展现了多光谱联用技术在高度相似样本区分中的独特优势。
4 GSR新型检测技术
除上述传统方法外，近年来以传感技术、空间成像技术及弹药标记技术为代表的新型检测方法逐渐应用于GSR分析，在提升现场适用性与复杂基质检测能力方面优势明显，成为GSR领域中极具潜力的创新方向。为便于分析不同技术路线的特点与适用场景，
表5对相关技术进行了系统归纳，下文将围绕3类代表性技术分别展开介绍。
4.1 新型传感技术
针对传统GSR检测方法周期长、成本高、操作复杂等局限，以快速响应和现场便携化为导向的新型传感技术持续发展。通过引入新材料、新机制，目前已构建出可用于IGSR和OGSR检测的新型传感体系，同时爆炸物检测领域的生物及化学传感策略也为GSR检测提供了新思路。
荧光共振能量转移（FRET）传感体系通过分子与识别元件相互作用改变FRET效率，实现目标组分的快速特异检测。Dey等
[49]将该技术引入 IGSR检测领域，利用FRET效率随Pb
2+、Ba
2+、Sb
3+浓度升高而下降的规律，直接以枪管冲洗液为样品，无需消解或提取，数分钟内即可判断GSR是否存在（
图4）。通过构建校准曲线，还可对Sb
3+浓度进行一定范围内的定量估算，并辅助区分Pb
2+与Ba
2+，提升多元素判别能力。与传统方法（如SEM-EDS、ICP-MS）相比，该技术设备简单、成本低、操作便捷，适用于基层实验室大规模初筛。
除IGSR外，新型传感技术也可用于OGSR的快速无损分析。Chatterjee等
[50]开发了一种基于钆基金属有机框架（Gd-MOF）的荧光猝灭传感体系，其与聚苯乙烯制备成传感片可用于OGSR检测。该材料在紫外激发下具有稳定荧光，但与OGSR中硝基芳香族化合物（如2-nDPA、4-nDPA）相互作用时发生荧光猝灭，荧光强度降低，从而实现对目标组分的可视化识别（
图5）。该方法简便快速，检测限可低至1 ppm（1 ppm=1×10
-6），灵敏度接近拉曼光谱、GC-MS等传统方法。此外，该传感体系对射击后48 h采集的GSR样品仍能保持响应，为延迟送检物证的现场筛查提供了新可能。
除上述已应用于GSR检测的传感体系外，爆炸物检测领域近年来发展出一系列成熟的生物传感与化学传感策略。鉴于爆炸物与GSR在化学组成上存在一定交叉（如DNT、DPA及其硝基衍生物等），相关传感设计策略具备向GSR分析领域迁移的理论基础，下文将简要介绍几类具有迁移潜力的爆炸物传感技术。
基于生物识别与模拟的生物传感体系，具有响应快速、特异性强、可视化等优势，可用于爆炸物的快速筛查。Yang等
[51]构建了可用于识别爆炸物中无机金属离子（Pb
2+等）及DNT等有机分子的蛋白开关型生物传感器，数分钟内即可完成爆炸物检测。此外，该团队还通过改造大肠杆菌番茄红素合成通路，构建了对2，4-DNT具有诱导响应的全细胞生物传感器
[52]。该传感器在诱导剂2，4-DNT存在时，菌液颜色由黄色变为红色，可在自然光下直接判读（
图6）。鉴于GSR中同样含有Pb、DNT等特征组分，上述传感体系具备向GSR检测领域迁移的潜力。进一步地，通过定向设计针对GSR特征组分的专属识别模块，有望构建面向Sb、Ba、2-nDPA等其他组分的新型传感体系，实现低成本、快速筛查。
除了上述生物传感体系，一些化学传感体系也被用于爆炸物快速检测。部分传感体系甚至能够在选择性识别的同时实现痕量组分的定向富集，降低基质干扰并提高检测灵敏度。Zhao等
[53]构建柱芳烃主-客识别体系，用来选择性捕获爆炸物中的硝基芳香族化合物，并实现痕量组分检测（
图7）。此外，Senthilnathan等
[54]将荧光探针与Fe
3O
4纳米颗粒复合构建磁荧光微型机器传感器，该传感器利用Fe
3O
4的远程磁控导航能力主动靶向残留物区域，在复杂基质中搜寻捕获痕量组分，并通过荧光探针的“开-关”响应实现特异性可视化识别。上述传感体系的发展，为GSR特征组分的识别与富集提供了重要的技术借鉴。
4.2 空间成像技术
此外，为更好地重建射击活动，近年来GSR成像技术不断发展。Kusluski等
[55]采用改装的商用平板扫描仪，突破传统单点采样模式局限，在蓝绿荧光（BGF）模式下显现未燃尽推进剂颗粒分布、红外反射（IR）模式下同步记录烟尘沉积与铅蒸汽残留，从而实现不同组分空间分布的协同成像，完整保留了GSR在靶面上的二维空间排布信息（
图8）。更为关键的是，该团队引入亮度对比度作为量化指标，对不同弹药品牌及背景下的显影效果进行了可重复的量化评估。结果显示，该方法单次扫描约3 min，即可实现射击活动的有效重建，提供了传统光谱技术难以获取的二维分布证据，为射击距离判定及射击行为重建提供量化分析方法。
4.3 弹药标记技术
前述检测方法主要基于对GSR固有化学组分的分析，而弹药标记技术通过在弹药中引入具有特定光学信号的标记物，实现对射击行为的主动识别与溯源。相较于传统依赖射击后残留物分析的被动检测，弹药标记技术可在案件发生前通过源头标识强化追踪能力。此外，标记物通常具有独特且可区分的信号特征，在复杂环境基质中可获得更高信噪比，降低背景干扰对检测的影响。
2020年，Júnior等
[56]报道了一种基于单金属铕金属有机框架[EuHbtec]
n的发光标记体系。研究表明，将该荧光标记物掺入0.40 英寸（in， 1 in=25.4 mm）口径弹药后，在254 nm紫外光照射条件下，射击残留物呈明显红色荧光信号，该荧光特征主要分布于弹壳表面及枪管内壁区域（
图9），表现出良好的可视化识别效果，验证标记策略在射击后快速检测与溯源追踪中的可行性。
基于上述研究，Carneiro等
[57]进一步将弹药标记技术与光谱识别相结合，首先合成三种配体不同的铕基金属有机框架Eu（DPA）、Eu（BTC）、Eu（BDC），分别掺入弹药中，采用发射光谱、激发光谱、普通拉曼光谱及共振拉曼光谱对GSR进行分析，并结合偏最小二乘判别分析构建分类模型。结果表明，将发射与激发光谱进行中层级数据融合后，模型对3种标记物的分类准确率接近 100%，实现了基于光谱指纹的弹药编码（
图10）。
为进一步实现对不同弹药类型的直接区分， De Oliveira Silva等
[58]发展了可调谐发光的混合镧系金属有机框架系列。通过调控Eu
3+、Tb
3+、Gd
3+的摩尔比例，合成了分别发射绿、黄、橙、红4种颜色的混合标记物，并分别掺入手枪、步枪的弹药中。射击试验表明，在紫外灯照射下，不同口径武器产生的残留物呈现特征颜色，实现了弹药类型的目视区分。
5 基于GSR化学特征的枪支分类与溯源
将GSR的化学特征转化为对枪支溯源与射击行为判别的能力，是涉枪案件调查的核心。传统涉枪案件调查主要依赖弹头膛线、弹壳击针痕迹的视觉比对，主观性强且适用范围有限。相比之下，GSR中的化学组成具有更高的客观性和溯源价值，能够突破视觉比对的局限。
早期基于GSR化学特征的应用，依赖显微镜、SEM-EDS等对颗粒形貌的肉眼观察与经验判断，该方法主观性强且较难量化，难以实现精细分类。随着分析技术发展，研究者开始引入化学计量学方法进行枪支分类与溯源。其分析流程如
图11所示，即在采集GSR后，通过分析检测得到特征组分数据，随后采用化学计量法对GSR定量数据进行降维与特征提取，找到可实现枪支分类、射击行为判别的依据，用于枪弹溯源
[59]。
偏最小二乘判别分析（PLS-DA）可实现有监督的分类建模，Bueno等
[39]使用PLS-DA将拉曼光谱与ATR-FT-IR光谱进行数据融合，成功区分了9 mm与0.38 in口径枪支产生的GSR，分类灵敏度与特异性均接近100%。主成分分析（PCA）可直观展示不同类型GSR的聚类趋势，Ferreira等
[60]运用PCA对荧光光谱获取的6种不同口径弹药的GSR组分数据进行了聚类分析。结果显示，0.40 in、9 mm、0.38 in、0.308 in等不同枪支口径样本在PCA得分图中呈现出明显分离的聚类分布（
图12）。装药量小的0.32 in口径样本由于组分含量过低，无法将其与空白样本进行有效区分，该研究印证了PCA在GSR分类中的适用性，同时其检测灵敏度会受GSR中组分含量的影响。
除了传统PLS-DA等分析方法，随着人工智能技术发展，机器学习算法逐渐被引入该领域，用于弹药类型、口径的区分，进而推断枪支类别。例如，Khandasammy等
[48]采用遗传算法（GA），结合Raman-LIBS联用，构建支持向量机（SVM）模型，实现了对同口径、同制造商、同射击条件下3种高度相似弹药产生的GSR的准确区分，准确率高达97.4%。此外，在接近真实案件的复杂基质环境下，机器学习算法仍能实现较高的GSR分类准确性与鲁棒性。Ledergerber等
[61]采用LC-MS/MS对5种不同制造商弹药的OGSR进行了系统评估，共分析了900份样本，系统比较了LDA、SVM等模型对不同弹药类型的分类性能，发现机器学习算法在复杂样本中仍能实现63.7%以上的分类准确率，尽管随着样本复杂度增加分类性能有所下降，但仍具备可观的区分能力，为弹药来源判别提供重要依据。
除区分弹药类型和口径外，GSR组分分析还可判别射击距离、射击次数等射击行为。Vander Pyl等
[62]利用LIBS光谱成像结合线性判别分析（LDA），成功构建了射击距离估算模型，并对6、12、24、36英寸不同射击距离范围内的所有样本实现了成功分类。Sarraguça等
[47]则采用傅里叶变换近红外光谱结合偏最小二乘回归，将对射击距离的估算扩展至连续预测，并且预测误差小于11 cm。在是否射击及射击次数判别方面，Wenceslau等
[63]基于LIBS光谱数据，结合主成分分析与线性判别分析（PCA-LDA），成功区分了射击者与非射击者。LDA分类模型在训练集（
图13a）和外部验证集（
图13b）上均实现了100%的分类准确率，有效区分了射击者与非射击者。此外，该团队还分析了不同射击次数下GSR中Ba、Sr等元素的浓度变化，对射击次数进行了推断。
从该技术的演进来看，基于GSR化学特征的枪支溯源已从经验性视觉判别，发展到数据驱动的化学计量学建模，再迈向高精度的机器学习分类。未来，随着标准化数据库建立与算法的持续优化，有望为法庭科学提供更精准的分析手段
[64]。
6 结论与展望
本文聚焦GSR特征组分分析及法庭科学溯源应用，系统梳理了GSR特征组分、检测技术及其在枪支分类与溯源分析中的研究进展。本部分将归纳当前GSR分析从检测到分类再到实战溯源所面临的关键瓶颈，并提出针对性解决思路，以期为后续研究提供参考。
目前，GSR检测已发展出多种技术手段，将化学组分分析与化学计量学结合，可有效用于枪支分类溯源。然而，随着弹药技术发展和案件场景日益复杂，依赖单一组分或单一检测技术已难以满足精细化分类与高可靠性判别需求，多技术联用与多维组分协同表征成为未来发展方向。今后应着力推进无机与有机组分信息整合，构建系统化特征数据库，为枪支分类提供更丰富的判别维度，提升模型的区分能力与抗干扰性能。此外，针对复杂基质干扰问题，spICP-TOF-MS等单颗粒多元素分析技术的应用使复杂场景下的抗干扰检测成为可能，也为未来技术发展指明了方向。
新型检测技术领域，传感技术已初步应用于GSR分析，具备结果可视、操作简单的优势，为基层实战提供了可普及的技术手段；弹药标记技术则从源头赋予弹药可追溯性，同时加入的标记物可有效避免背景和基质干扰。然而，面对多样化弹药类型，现有识别元件多针对单一分子设计，难以满足精细化分类需求。未来可通过设计同步识别GSR核心组分的广谱元件，将识别策略从单一靶标检测拓展至多组分协同判别，提高分类准确度。而针对弹药标记技术可能引发的交叉干扰问题，可通过设计具有可控半衰期的标记物，在降低环境长期残留风险的同时，又能通过半衰期实现对弹药生产时间的推断，增加溯源维度。
值得注意的是，现有枪支分类研究多局限于已知类别的判别任务，即在已知枪支口径、品牌类别的前提下建立分类模型实现样本归类。然而，实战溯源的核心需求是对未知来源样本进行归属推断并量化不确定性，现有研究尚未建立相应的溯源推理框架，导致分类结果难以直接转化为法庭证据。针对上述局限，未来应着力构建覆盖多口径、多弹药类型、多基质条件的GSR溯源参考数据库，并建立标准化的检测体系。同时，推动GSR溯源结果从模糊的准确率转向概率化表达，引入似然比框架和贝叶斯方法，建立可量化的溯源推理体系，增强法庭证据的可评估性。
此外，机器学习模型的场景迁移能力不足，限制了分类方法在实战溯源中的应用。目前技术联用结合PLS-DA、SVM、LDA等化学计量法已在实验室条件下取得较高的分类准确率，但这些模型的训练数据多来自单一基质、可控环境的小样本，跨体系迁移性能尚缺乏系统评估。应用于实战时，环境背景差异往往导致模型性能显著下降，出现实验室精度高而泛化能力弱的困境。未来应构建多条件覆盖的GSR数据库，系统采集不同基质与环境的检测数据，同时可探索引入生成式人工智能技术（如生成对抗网络和扩散模型等），基于实测数据生成覆盖更多变量组合的样本，提升模型对未知场景的泛化能力，确保分类模型在跨场景迁移中仍保持可靠的分类性能。
PDF
(7899KB)
