植物调和油是一种由两种或两种以上的纯植物油按照一定的比例混合而成的植物油,因为具有更加均衡的营养成分,受到人们的喜爱,已经成为植物油市场上的重要产品,因此鉴别植物调和油的品质具有重要的现实意义。拉曼光谱因为具有无损、快速和灵敏度高等特点,受到研究人员的广泛关注,已经成为食品鉴别领域的重要检测方法。深度学习的快速发展为解决光谱的多重共线性问题提供了新的方法。本研究利用拉曼光谱结合卷积神经网络（CNN）对植物调和油进行定性与定量鉴别研究。主要的研究工作如下:（1）以玉米油（CO）、花生油（PO）和特级初榨橄榄油（EVOO）为研究目标,利用共聚焦拉曼光谱仪对由三种纯植物油混合制备的植物调和油进行拉曼光谱表征,探索植物调和油中特级初榨橄榄油含量与拉曼特征峰强度之间的关系。（2）拉曼光谱结合CNN对三种含有EVOO的植物调和油进行定性鉴别。玉米橄榄调和油（CO-EVOO）、花生橄榄调和油（PO-EVOO）和玉米花生橄榄调和油（CO-POEVOO）样本通过共聚焦拉曼光谱仪采集拉曼光谱,构建三种植物调和油的数据集。建立CNN分类鉴别模型,来定性鉴别三种植物调和油样本中的不含EVOO的样本、低含量EVOO的样本和高含量EVOO的样本,并与传统分类鉴别方法支持向量机（SVM）和偏最小二乘判别分析（PLS-DA）进行对比以评估CNN分类模型的性能。（3）拉曼光谱结合CNN对CO-EVOO中的EVOO进行定量鉴别。CO-EVOO样本通过共聚焦拉曼光谱仪采集拉曼光谱,构建具有7个比例315条拉曼光谱的数据集。建立CNN回归分析模型,来定量鉴别CO-EVOO样本中的EVOO,与传统的支持向量回归（SVR）和偏最小二乘回归（PLSR）进行对比来评估CNN回归分析模型的性能。结果表明,研究提出的基于拉曼光谱和CNN分类和回归模型在定性与定量鉴别植物调和油中具有巨大的应用潜力。