Basado en el espectro ultravioleta combinado con algoritmos de aprendizaje automático, se estableció un modelo cualitativo de tamizaje rápido para cuatro fármacos antiinfecciosos prohibidos comunes (metronidazol, ketoconazol, cloranfenicol y norfloxacino) en cosméticos para el acné. El estudio recopiló espectros ultravioleta de 167 lotes de cosméticos para el acné y utilizó espectroscopia correlacional bidimensional (2D-COS) para seleccionar las bandas características del espectro ultravioleta. Mediante la comparación de 22 métodos de preprocesamiento espectral, 3 algoritmos de aprendizaje automático y 3 proporciones de división de conjuntos de datos, se establecieron cinco modelos cualitativos de clasificación para muestras positivas y negativas que contenían metronidazol, ketoconazol, cloranfenicol y norfloxacino respectivamente. Los resultados mostraron que la selección del espectro ultravioleta de 190 a 360 nm, con transformación de variable estándar normal (SNV) y suavizado por convolución de Savitzky-Golay (SG) combinado, utilizando una proporción 7:3 para conjuntos de entrenamiento y predicción, y aplicando una red neuronal de retropropagación de error (BP), el modelo alcanzó una precisión del 96.58% y 98.00% en los conjuntos de entrenamiento y predicción respectivamente, demostrando buena capacidad de predicción y generalización. Este método puede detectar eficaz, rápida y precisamente cuatro fármacos antiinfecciosos prohibidos en cosméticos, ahorrando costes y tiempo de detección, mejorando la eficiencia, proporcionando un nuevo método inteligente para detectar sustancias prohibidas ilegalmente añadidas en cosméticos, y ofreciendo nuevas ideas y soluciones para el tamizaje rápido continuamente actualizado de sustancias prohibidas, así como ayudando en la detección rápida in situ.

espectroscopía ultravioleta; cosméticos; red neuronal de retropropagación de error; bosque aleatorio; máquina de vectores de soporte; espectroscopía correlacional bidimensional