紫外可視光スペクトルと機械学習アルゴリズムを組み合わせ、メトロニダゾール、ケトコナゾール、クロラムフェニコール、ノルフロキサシンの4種類の一般的な禁止抗感染薬物をモデル物質として、にきび化粧品中の違法に添加された禁止薬物の迅速スクリーニング定性モデルを構築した。本研究では167バッチのにきび化粧品の紫外可視光スペクトルを収集し、二次元相関スペクトル（2D-COS）を用いて紫外可視光スペクトルの特徴的な波長帯を選択した。22種類のスペクトル前処理法、3種類の機械学習アルゴリズム、3種類のデータセット分割比率における各モデルの効果を比較し、メトロニダゾール、ケトコナゾール、クロラムフェニコール、ノルフロキサシンを含む陽性・陰性試料の五分類定性モデルを構築した。結果は、190～360 nmの紫外可視光スペクトルを選択し、標準正規変数変換（SNV）及びSavitzky-Golay畳み込み平滑化（SG）の併用処理を行い、訓練セットと予測セットを7:3に分割し、誤差逆伝播（BP）ニューラルネットワークアルゴリズムを用いて定性分類モデルを構築したところ、訓練セット及び予測セットの正答率はそれぞれ96.58％及び98.00％に達し、良好な予測能力と汎化能力を有することが示された。本手法は化粧品中の4種の禁止抗感染薬物を迅速かつ正確にスクリーニング・識別でき、検査コストと時間を節約し、検査効率を向上させ、違法に添加された禁止物質の検出に新たな知能的手法を提供するとともに、今後も絶えず更新される禁止物質の迅速スクリーニングに新たな発想と解決策を提供し、現場での迅速検査にも貢献できる。

紫外可視光スペクトル;化粧品;誤差逆伝播ニューラルネットワーク;ランダムフォレスト;サポートベクターマシン;二次元相関スペクトル