Используя дифференциальный рамановский спектр в сочетании с методами машинного обучения, была проведена классификация 43 различных типов синих гелевых ручек, распространенных на рынке. Сначала с помощью дифференциального рамановского спектра были получены рамановские характерные пики образцов, и на основе данного метода образцы были вручную разделены на 4 основных класса. Затем для классификации применялись кластерный анализ и алгоритм случайного леса, результаты которых сравнивались с ручной классификацией. Результаты показывают, что модель классификации, построенная с использованием алгоритма случайного леса, имеет точность прогнозирования 90,00%. Дифференциальный рамановский спектр позволяет быстро и неразрушающе анализировать компоненты красителя синих гелевых ручек, а использование алгоритма случайного леса для построения модели классификации обеспечивает быструю классификацию. Модель случайного леса повысила эффективность и точность идентификации неизвестных соединений с помощью дифференциального рамановского спектра, что позволяет лучше классифицировать и прогнозировать категории образцов.

спектр; дифференциальный раман; синие гелевые ручки; машинное обучение; случайный лес