Para alcançar uma classificação e identificação precisas do óleo de semente de algodão geneticamente modificado e não modificado, este estudo propõe um modelo de classificação explicável baseado em um algoritmo de milhafre-preto aprimorado para otimizar o modelo Extreme Gradient Boosting (XGBoost). Primeiro, foi utilizado um sistema de espectroscopia no domínio do tempo de terahertz (THz-TDS) para coletar o espectro de absorção de terahertz das amostras de óleo de semente de algodão geneticamente modificado e não modificado na faixa de frequência de 0,3 a 1,8 THz. Em seguida, por meio da introdução de uma estratégia de otimização de função de aptidão com dois objetivos, uma estratégia de inicialização da população com aprendizado inverso e uma estratégia de controle do voo de Lévy baseada na função de distribuição de Rayleigh, o algoritmo tradicional de milhafre-preto (BKA) foi aprimorado, e o algoritmo aprimorado (DLBKA) foi usado para otimizar hiperparâmetros biobjetivo da profundidade da árvore, taxa de aprendizado e número máximo de iterações do modelo XGBoost, construindo assim o modelo de classificação DLBKA-XGBoost. Finalmente, o modelo foi aplicado para identificar o óleo de semente de algodão geneticamente modificado, e uma análise de interpretabilidade dos resultados da classificação foi realizada utilizando o método SHAP. Os resultados mostraram que o modelo de classificação explicável XGBoost otimizado pelo algoritmo de milhafre-preto aprimorado não apenas melhorou a precisão na identificação do óleo de semente de algodão geneticamente modificado e não modificado (com uma precisão no conjunto de teste de até 97,78%, aumentando 4,45% em comparação com o modelo otimizado pelo algoritmo tradicional de milhafre-preto e 14,45% em relação ao modelo otimizado pelo algoritmo tradicional da baleia (WOA)), mas também forneceu uma explicação do modelo, esclarecendo o mecanismo de impacto positivo das frequências das características-chave nos resultados da identificação, aumentando assim a transparência e confiabilidade do modelo. Portanto, este estudo fornece um método rápido e preciso de análise para a identificação do óleo de semente de algodão geneticamente modificado e também uma referência valiosa para a identificação de outras substâncias geneticamente modificadas.

Espectroscopia de terahertz; óleo de semente de algodão geneticamente modificado; Extreme Gradient Boosting; algoritmo de milhafre-preto aprimorado; análise interpretável