Pour effectuer la traçabilité de l’origine de l’astragale, un modèle réseau CTGAN+1D-CNN+Encoder-Decoder (CCEN) a été proposé. D’abord, grâce au réseau antagoniste génératif conditionnel tabulaire (CTGAN), les données spectrales proches infrarouge de l’astragale ont été augmentées pour résoudre le problème du faible volume de données. Ensuite, en ajoutant une structure encodeur-décodeur (Encoder-Decoder) au réseau de neurones convolutifs unidimensionnels (1D-CNN), le réseau peut capturer à la fois les relations globales et locales entre les caractéristiques. Les résultats expérimentaux montrent qu’après l’augmentation avec CTGAN et Savitzky-Golay, la précision de l’analyse discriminante aux moindres carrés partiels (PLS-DA), de la forêt aléatoire (RF), de l’algorithme des k plus proches voisins (KNN) et de 1D-CNN a respectivement atteint 0,9733, 0,9533, 0,9600 et 0,9733. Après l’ajout de l’encodeur-décodeur, la précision de 1D-CNN est montée à 0,9778. Enfin, le modèle CCEN a atteint sur le jeu de données d’astragale des valeurs de précision, rappel et F1 respectivement de 0,9867, 0,9872 et 0,9868, surpassant les modèles de comparaison. Les résultats prouvent que le modèle CCEN est adapté aux données de signaux unidimensionnels complexes et à échantillons limités comme le spectre proche infrarouge, fournissant une nouvelle méthode pour l’étude de l’identification de l’origine géographique des matières médicinales d’astragale.

astragale; spectroscopie proche infrarouge; CTGAN; réseau neuronal; encodeur-décodeur