通常，金属材料内部的夹杂物可能会成为断裂疲劳源。为评估金属材料的疲劳强度，需要对引起断裂的内部夹杂物进行检查和鉴定。为了观察和测试内部的夹杂物，使用超声波疲劳断裂试验让内部的夹杂物暴露出来进行检测可谓是最佳方法1)。本次我们使用超声波疲劳试验机USF-2000A 对试样SNCM439 中的夹杂物进行检测，并使用电子探针显微分析仪EPMATM-8050G（以下简称EPMA）对引起疲劳断裂的夹杂物进行观察与元素的分析。

液相色谱串联质谱是兽药残留测定的利器。随时检测项目的不断增多，多兽残同时分析也越来越普遍。但在数据处理时，多组分分析常常需要花费更多的时间，并且兽药基质复杂，干扰成分多，有可能造成积分异常的情况。质谱数据处理的准确性直接影响到定量结果的异常，本文介绍了基于“AI”算法的Peakintelligence ™数据解析模块的特点及其在多兽残数据自动化处理中的应用。通过加载人工智能和机器学习的数据处理算法可以有效避免积分异常，尤其是在遇到色谱峰拖尾、基线复杂、响应低等复杂多变的情况时，可获得科学合理的积分结果。

为更好地了解这些化合物对蜜蜂的影响及其对花粉和蜂蜜的污染情况，有必要对其建立一种高灵敏度的含量测定方法。我们采用岛津Nexera X2和LCMS-8060联用建立了一种蜂蜜中新烟碱类化合物的超灵敏含量测定方法。本方法样品制备步骤简单，回收率高。采用的进样模式成功省去繁琐的蒸发/重新溶解或稀释步骤。由于灵敏度极高，本含量测定方法可在远低于规定残留限量的浓度水平测定实际样品。此外，即使是测定长序列的低浓度实际样品，系统仍可保持稳定。