Die bestehenden auf einem einzelnen Spektrum basierenden Klassifizierungs- und Identifikationsmodelle für transgenes Rapsöl weisen Probleme wie geringe Informationsmenge und hohe Daten-Dimensionalität auf, was zu einer niedrigen Modelleffizienz und ungenauen Detektionsergebnissen führt. Zur Lösung dieses Problems schlägt diese Studie eine Klassifizierungs- und Identifikationsmethode für transgenes Rapsöl basierend auf mit Terahertz fusionierten Spektren in Kombination mit einem verbesserten Fused Lasso Modell vor. Zwei Arten von transgenem und zwei Arten von nicht-transgenem Rapsöl wurden als Forschungsobjekte verwendet. Mit dem Terahertz-Zeitbereichsspektroskopie-System (THz-TDS) wurden Terahertz-Absorptionsspektren von vier Rapsölproben im Frequenzbereich von 0,2 bis 1,6 THz aufgenommen. Nach der Merkmalextraktion aus den Terahertz-Absorptions- und Ableitungsspektren unter Verwendung des kontinuierlichen Projektionsalgorithms (SPA) wurden diese fusioniert. Es wurde ein regularisiertes sparsames Modell namens Fused Lasso eingeführt, das Merkmalsauswahl und Klassifikation kombiniert und mittels Methode Eins-gegen-Eins (OVO) zu einem Mehrklassenmodell verbessert wurde. Die Regularisierungsparameter wurden durch bayessche Optimierung (BO) optimiert. Die Ergebnisse zeigen, dass das BO-Fused Lasso Modell basierend auf fusionierten Spektren im Vergleich zum traditionellen Fused Lasso Modell auf Basis eines einzelnen Absorptionsspektrums eine bessere Klassifizierungsleistung für vier Arten von Rapsöl erzielt, mit einer Trainingsgenauigkeit von 96,88 % und einer Testgenauigkeit von 95,00 %. Somit bietet diese Studie eine neue Methode zur Identifikation von transgenem und nicht-transgenem Rapsöl und liefert wertvolle Referenzen für die Erkennung anderer transgener Substanzen.

Terahertz; transgenes Rapsöl; fusioniertes Spektrum; regularisiertes sparsames Modell; bayessche Optimierung