Para realizar a rastreabilidade da origem do Astragalus, foi proposto o modelo de rede CTGAN+1D-CNN+Encoder-Decoder (CCEN). Primeiramente, por meio da rede adversarial generativa condicional tabular (CTGAN), os dados espectrais de infravermelho próximo do Astragalus foram ampliados para resolver o problema da escassez de dados. Em seguida, ao adicionar a estrutura Encoder-Decoder à rede neural convolucional unidimensional (1D-CNN), a rede pode capturar simultaneamente as relações globais e locais entre as características. Os resultados experimentais mostraram que, após o aumento com CTGAN e Savitzky-Golay, as taxas de acurácia da análise discriminante por mínimos quadrados parciais (PLS-DA), da floresta aleatória (RF), do algoritmo dos k-vizinhos mais próximos (KNN) e do 1D-CNN aumentaram para 0,9733, 0,9533, 0,9600 e 0,9733, respectivamente. Após a inclusão do Encoder-Decoder, a acurácia do 1D-CNN aumentou para 0,9778. Finalmente, o modelo CCEN no conjunto de dados do Astragalus alcançou precisão, recall e valor F1 de 0,9867, 0,9872 e 0,9868, respectivamente, superando os modelos comparativos. Os resultados comprovam que o modelo CCEN é adequado para dados de sinais unidimensionais estruturados de forma complexa e com amostras limitadas, como espectros de infravermelho próximo, fornecendo um novo método para a pesquisa de identificação da origem genuína da medicina tradicional chinesa Astragalus.

Astragalus; espectroscopia no infravermelho próximo; CTGAN; rede neural; Encoder-Decoder