Os modelos existentes de classificação e identificação de óleo de canola transgênico baseados em um único espectro apresentam problemas como pouca informação e alta dimensionalidade dos dados, levando a baixa eficiência operacional do modelo e resultados de detecção imprecisos. Para resolver esse problema, este estudo propõe um método de classificação e identificação de óleo de canola transgênico baseado em espectros fusionados de terahertz combinados com um modelo Fused Lasso aprimorado. Foram utilizados dois tipos de óleo de canola transgênico e dois tipos de óleo de canola não transgênico como objetos de estudo. Um sistema de espectroscopia no domínio do tempo de terahertz (THz-TDS) foi aplicado para obter os espectros de absorção de terahertz de quatro amostras de óleo de canola na faixa de frequência de 0,2 a 1,6 THz. Após a extração de características dos espectros de absorção de terahertz e dos espectros derivados usando o algoritmo de projeção sucessiva (SPA), estes foram fundidos. Um modelo regularizado esparso que integra seleção de características e classificação, o Fused Lasso, foi introduzido e aprimorado para um modelo multiclasse usando o método um-contra-um (OVO), e seus parâmetros de regularização foram otimizados pelo algoritmo de otimização bayesiana (BO). Os resultados mostram que, em comparação com o tradicional modelo Fused Lasso baseado em espectro de absorção único, o modelo BO-Fused Lasso baseado em espectros fusionados oferece melhor desempenho na classificação de quatro tipos de óleo de canola, com precisão de 96,88% no conjunto de treinamento e 95,00% no conjunto de teste. Portanto, este estudo fornece um novo método para identificação de óleo de canola transgênico e não transgênico, além de servir como referência valiosa para a identificação de outras substâncias transgênicas.

Terahertz; óleo de canola transgênico; espectro fusionado; modelo regularizado esparso; otimização bayesiana