황기 원산지 추적을 위해 CTGAN+1D-CNN+인코더-디코더(Encoder-Decoder, CCEN) 네트워크 모델을 제안하였다. 먼저 조건부 표 형 생성 적대 신경망(CTGAN)을 통해 황기 근적외선 분광 데이터의 증강을 수행하여 데이터 부족 문제를 해결하였고, 1차원 합성곱 신경망(1D-CNN)에 인코더-디코더 구조를 추가하여 네트워크가 특징 간의 전역적 관계와 국부적 관계를 동시에 포착할 수 있도록 하였다. 실험 결과 CTGAN 및 Savitzky-Golay 증강 후 부분 최소 제곱 판별 분석(PLS-DA), 랜덤 포레스트(RF), K-최근접 이웃 알고리즘(KNN), 1D-CNN의 정확도가 각각 0.9733, 0.9533, 0.9600, 0.9733으로 향상되었으며, 인코더-디코더 추가 후 1D-CNN의 정확도는 0.9778로 상승하였다. 최종적으로 CCEN 모델은 황기 데이터셋에서 정확도, 재현율, F1 점수가 각각 0.9867, 0.9872, 0.9868로 비교 모델보다 우수한 성능을 보였다. 결과는 CCEN 모델이 근적외선 분광과 같이 구조가 복잡하고 샘플이 제한된 1차원 신호 데이터에 적합하며, 황기 중약재의 도지적 산지 식별 연구에 새로운 방안을 제공함을 증명한다.

황기; 근적외선 분광; CTGAN; 신경망; 인코더-디코더