黄芪の産地追跡を行うために、CTGAN+1D-CNN+エンコーダ-デコーダ（CCEN）ネットワークモデルを提案した。まず、条件付きテーブル生成対抗ネットワーク（CTGAN）を用いて黄芪の近赤外分光データを増強し、データ不足の問題を解決した。次に、一次元畳み込みニューラルネットワーク（1D-CNN）にエンコーダ-デコーダ構造を加えることで、ネットワークが特徴間のグローバルおよびローカルな関係を同時に捉えられるようにした。実験結果は、CTGANおよびSavitzky-Golayによる増強後に、部分最小二乗法判別分析（PLS-DA）、ランダムフォレスト（RF）、K近傍法（KNN）、1D-CNNの精度がそれぞれ0.9733、0.9533、0.9600、0.9733に向上したことを示した。エンコーダ-デコーダを加えると、1D-CNNの精度は0.9778に上昇した。最終的にCCENモデルは黄芪データセットで、精度、再現率、F1値がそれぞれ0.9867、0.9872、0.9868に達し、比較モデルを上回った。結果は、CCENモデルが近赤外分光のような構造が複雑でサンプル数が限られた一次元信号データに適しており、黄芪の中薬材の道地性産地識別研究に新たな手法を提供することを証明した。

黄芪; 近赤外分光; CTGAN; ニューラルネットワーク; エンコーダ-デコーダ