Los modelos existentes de clasificación e identificación de aceite de colza transgénico basados en un solo espectro presentan problemas como poca información y alta dimensionalidad de datos, lo que resulta en baja eficiencia del modelo y resultados de detección imprecisos. Para abordar este problema, este estudio propone un método de clasificación e identificación de aceite de colza transgénico basado en espectros fusionados de terahercios combinados con un modelo Fused Lasso mejorado. Se utilizaron dos tipos de aceite de colza transgénico y dos tipos de aceite de colza no transgénico como objetos de estudio. Se aplicó un sistema de espectroscopía en el dominio del tiempo de terahercios (THz-TDS) para obtener los espectros de absorción de terahercios de cuatro muestras de aceite de colza en el rango de frecuencia de 0.2 a 1.6 THz. Después de extraer características de los espectros de absorción de terahercios y de los espectros derivados mediante el algoritmo de proyección sucesiva (SPA), estas se fusionaron. Se introdujo un modelo regularizado escaso que integra selección de características y clasificación, Fused Lasso, que se mejoró a un modelo multiclase mediante el método uno contra uno (OVO) y se optimizaron sus parámetros de regularización mediante el algoritmo de optimización bayesiana (BO). Los resultados muestran que en comparación con el modelo Fused Lasso tradicional basado en un solo espectro de absorción, el modelo BO-Fused Lasso basado en espectros fusionados ofrece un mejor rendimiento en la clasificación de cuatro tipos de aceite de colza, con una precisión del 96,88 % en el conjunto de entrenamiento y del 95,00 % en el conjunto de prueba. Por lo tanto, este estudio proporciona un nuevo método para la identificación de aceite de colza transgénico y no transgénico, y también ofrece una referencia valiosa para la identificación de otras sustancias transgénicas.

Terahercios; aceite de colza transgénico; espectro fusionado; modelo regularizado escaso; optimización bayesiana