Quantitative Analysis and Identification of Edible Mushrooms via Fusion of XRF and NIR Spectral Data Using Ensemble Learning Models

该数据集和随附的代码支持通过整合 X 射线荧光 （XRF） 和可见光-近红外 （VIS-NIR） 光谱数据对 29 种食用蘑菇物种进行定量鉴定的研究。该数据集包括预处理的光谱特征、元素组成以及蘑菇种类和加工类型的注释标签。该代码实现了一个数据级融合策略和一套用于分类和回归任务的集成学习模型（Random Forest、LightGBM、CatBoost 和 XGBoost）。它还包括预处理脚本（例如 Z 分数归一化、标签编码）、通过网格搜索进行的超参数调整以及准确度、精度、召回率、F1 分数和 ROC-AUC 等评估指标。该项目为蘑菇真伪验证和质量控制提供了一种高精度、无损的方法，为食品安全技术的进步做出了贡献。