На основе ультрафиолетового спектра в сочетании с алгоритмами машинного обучения был разработан быстрый качественный модельный метод для обнаружения четырех часто запрещенных противоинфекционных препаратов (метронидазол, кетоконазол, хлорамфеникол и норфлоксацин) в косметических средствах против акне. В исследовании было собрано 167 партий косметики против акне с ультрафиолетовым спектром, использовался двумерный корреляционный спектроскопический метод (2D-COS) для выбора характерных полос ультрафиолетового спектра. Сравнивая 22 метода предварительной обработки спектров, 3 алгоритма машинного обучения и 3 пропорции разделения датасетов, были созданы пятиклассовые качественные модели для положительных и отрицательных образцов, содержащих метронидазол, кетоконазол, хлорамфеникол и норфлоксацин. Результаты показали, что при выборе ультрафиолетового диапазона 190–360 нм, с совместной обработкой стандартным нормированием (SNV) и сверткой Савицки — Голая (SG), и использовании соотношения 7:3 для обучающей и тестовой выборок, применение алгоритма обратного распространения ошибки (BP) нейронной сети дало точность 96,58% и 98,00% для обучающей и тестовой выборок соответственно, демонстрируя хорошую предсказательную способность и обобщаемость модели. Данный метод способен эффективно быстро и точно выявлять четыре запрещенных противоинфекционных препарата в косметике, экономя время и затраты на анализ, повышая эффективность, предоставляя новую интеллектуальную методику для обнаружения незаконно добавляемых запрещенных веществ в косметику, а также предлагая новые идеи и решения для быстрого скрининга постоянно обновляющихся запрещенных веществ и поддерживая оперативное экспресс-тестирование на месте.

ультрафиолетовый спектр; косметика; нейронная сеть с обратным распространением ошибки; случайный лес; метод опорных векторов; двумерный корреляционный спектр