Se utilizó espectroscopía Raman diferencial combinada con técnicas de aprendizaje automático para estudiar la clasificación de 43 tipos diferentes de tinta de bolígrafos azules comunes en el mercado. Primero, se obtuvieron los picos característicos Raman de las muestras mediante espectroscopía Raman diferencial, y basándose en este método, las muestras fueron clasificadas manualmente en 4 grandes categorías. A continuación, se emplearon análisis de clúster y el algoritmo de bosque aleatorio para la investigación de la clasificación, y se compararon con los resultados de la clasificación manual. Los resultados muestran que el modelo de clasificación construido con el bosque aleatorio alcanzó una precisión predictiva del 90.00%. La espectroscopía Raman diferencial puede analizar rápida y no destructivamente los componentes de las tintas de bolígrafos azules, y combinada con el algoritmo de bosque aleatorio para construir el modelo de clasificación, permite una clasificación rápida. El modelo de bosque aleatorio mejora la eficiencia y precisión en la identificación de compuestos desconocidos mediante espectroscopía Raman diferencial, permitiendo una mejor clasificación y predicción de las categorías de muestras.

espectro; Raman diferencial; bolígrafo azul; aprendizaje automático; bosque aleatorio