Bunge (Danshen) se utiliza ampliamente en la medicina moderna, pero el mercado enfrenta desafíos por productos de indicación geográfica falsificados y mal etiquetados. Para abordar esto, proponemos un nuevo marco que combina espectroscopía de correlación bidimensional de dos trazas (2T2D), imágenes hiperespectrales (HSI), aprendizaje por transferencia y un modelo de aprendizaje profundo mejorado (DeiT-CBAM) para identificar tanto la autenticidad como el origen con precisión. Se recopilaron datos hiperespectrales (873-1720 nm) de seis regiones genuinas y tres adulteradas y se convirtieron en imágenes de espectroscopía de correlación 2T2D sincrónicas. Evaluamos sistemáticamente cinco estrategias de preprocesamiento, tres métodos de selección de longitudes de onda, tres modelos clásicos y cuatro modelos de aprendizaje profundo. Los modelos basados en imágenes de espectroscopía de correlación 2T2D superaron consistentemente a los modelos espectrales unidimensionales tradicionales. Notablemente, el modelo DeiT-CBAM, integrado con el algoritmo de proyecciones sucesivas (SPA), logró un rendimiento óptimo utilizando solo 79 longitudes de onda, con un 100% de precisión en los conjuntos de entrenamiento y validación y un 99.62% en el conjunto de prueba, sin necesidad de preprocesamiento adicional. La interpretabilidad del modelo se validó aún más a través de mapeo de activación de clase por capas (CAM por capas). Este estudio demuestra que la integración de imágenes de espectroscopía de correlación 2T2D sincrónicas con el modelo DeiT-CBAM ofrece un rendimiento discriminativo robusto, proporcionando una solución técnica confiable para la trazabilidad del origen geográfico de alimentos, hierbas medicinales y otras especies.