자외선 스펙트럼과 머신러닝 알고리즘을 기반으로 메트로니다졸, 케토코나졸, 클로람페니콜 및 노르플록사신의 4가지 일반적인 금지 항감염 약물을 모델 물질로 하여 여드름 피부용 화장품 내 불법 첨가 금지 약물 신속 선별 정성 모델을 구축하였다. 본 연구에서는 167개의 여드름 화장품 배치에서 자외선 스펙트럼을 수집하였으며, 2차원 상관 스펙트럼(2D-COS)을 통해 자외선 스펙트럼 특징 파장을 선택하였다. 22가지 스펙트럼 전처리 방법, 3가지 머신러닝 알고리즘, 3가지 데이터셋 분할 비율 하에서 각 모델의 성능을 비교하여 메트로니다졸, 케토코나졸, 클로람페니콜, 노르플록사신이 포함된 양성 및 음성 샘플의 5분류 정성 모델을 구축하였다. 결과는 190~360nm 자외선 스펙트럼을 선택하고 표준정상 변수 변환(SNV)과 Savitzky-Golay 컨볼루션 평활(SG)을 결합 처리하며, 학습 집합과 예측 집합의 분할 비율을 7:3으로 설정하고 역전파(BP) 신경망 알고리즘을 사용하여 정성 분류 모델을 구축할 때 모델의 학습 집합과 예측 집합 정확도가 각각 96.58%와 98.00%에 달해 우수한 예측 및 일반화 능력을 보였다. 이 방법은 화장품 내 4가지 금지 항감염 약물을 신속하고 정확하게 선별 식별할 수 있어 검사 비용과 시간을 절감하고 검사 효율을 높이며, 화장품 내 불법 첨가 금지 물질 검출을 위한 새로운 지능형 수단을 제공하며, 앞으로 지속적으로 갱신되는 불법 첨가 금지 물질의 신속 선별을 위한 새로운 아이디어와 해결책을 제시하고 현장 신속 검사에도 기여할 수 있다.

자외선 스펙트럼; 화장품; 역전파 신경망; 랜덤 포레스트; 서포트 벡터 머신; 2차원 상관 스펙트럼