Les modèles existants de classification et d'identification de l'huile de colza génétiquement modifiée basés sur un spectre unique présentent des problèmes tels que peu d'informations et une haute dimension des données, ce qui entraîne une faible efficacité du modèle et des résultats de détection peu précis. Pour résoudre ce problème, cette étude propose une méthode de classification et d'identification de l'huile de colza génétiquement modifiée basée sur un spectre THz fusionné combiné à un modèle Fused Lasso amélioré. Deux types d'huile de colza génétiquement modifiée et deux types d'huile de colza non génétiquement modifiée ont été utilisés comme objets d'étude. Un système de spectroscopie dans le domaine temporel THz (THz-TDS) a été appliqué pour obtenir le spectre d'absorption THz de quatre échantillons d'huile de colza dans la gamme de fréquence 0,2 à 1,6 THz. Après l'extraction des caractéristiques des spectres d'absorption THz et des spectres dérivés à l'aide de l'algorithme de projection successive (SPA), celles-ci ont été fusionnées. Un modèle régularisé parcimonieux combinant la sélection de caractéristiques et la classification, Fused Lasso, a été introduit et amélioré en un modèle multiclasses via la méthode un-contre-un (OVO), et les paramètres de régularisation ont été optimisés par l'algorithme d'optimisation bayésienne (BO). Les résultats montrent que par rapport au modèle Fused Lasso traditionnel basé sur un spectre d'absorption unique, le modèle BO-Fused Lasso basé sur des spectres fusionnés offre une meilleure classification des quatre types d'huile de colza avec une précision de 96,88 % sur l'ensemble d'entraînement et de 95,00 % sur l'ensemble de test. Cette étude propose donc une nouvelle méthode pour identifier l'huile de colza génétiquement modifiée et non génétiquement modifiée, et offre une référence précieuse pour l'identification d'autres substances génétiquement modifiées.

Térahertz; huile de colza génétiquement modifiée; spectre fusionné; modèle régularisé parcimonieux; optimisation bayésienne