Foi utilizada espectroscopia Raman diferencial combinada com técnicas de aprendizado de máquina para estudar a classificação de 43 tipos diferentes de tintas de canetas azuis comuns no mercado. Primeiro, os picos característicos de Raman das amostras foram obtidos por espectroscopia Raman diferencial e, com base neste método, as amostras foram classificadas manualmente em 4 grandes categorias. Em seguida, foram utilizadas análises de agrupamento e o algoritmo Random Forest para o estudo da classificação, comparando os resultados com os da classificação manual. Os resultados mostram que o modelo de classificação construído pelo Random Forest apresentou uma precisão preditiva de 90,00%. A espectroscopia Raman diferencial permite análise rápida e não destrutiva dos componentes das tintas das canetas azuis, e aliada ao algoritmo Random Forest para construir o modelo de classificação, possibilita uma classificação rápida. O modelo Random Forest melhora a eficiência e precisão na identificação de compostos desconhecidos por espectroscopia Raman diferencial, permitindo uma melhor classificação e previsão das categorias das amostras.

espectro; Raman diferencial; caneta azul; aprendizado de máquina; Random Forest