Para realizar la trazabilidad del origen del astrágalo, se propuso el modelo de red CTGAN+1D-CNN+Encoder-Decoder (CCEN). Primero, mediante la red generativa adversarial condicional tabular (CTGAN) se aumentaron los datos espectrales de infrarrojo cercano del astrágalo, resolviendo el problema de escasez de datos. Luego, al agregar la estructura codificador-decodificador (Encoder-Decoder) a la red neuronal convolucional unidimensional (1D-CNN), la red puede capturar simultáneamente las relaciones globales y locales entre las características. Los resultados experimentales mostraron que después del aumento con CTGAN y Savitzky-Golay, la precisión del análisis discriminante de mínimos cuadrados parciales (PLS-DA), del bosque aleatorio (RF), del algoritmo de k vecinos más cercanos (KNN) y del 1D-CNN aumentaron a 0.9733, 0.9533, 0.9600 y 0.9733 respectivamente. Tras añadir el codificador-decodificador, la precisión de 1D-CNN aumentó a 0.9778. Finalmente, el modelo CCEN en el conjunto de datos del astrágalo alcanzó una precisión, recuperación y puntuación F1 de 0.9867, 0.9872 y 0.9868 respectivamente, superando a los modelos comparativos. Los resultados demuestran que el modelo CCEN es adecuado para señales unidimensionales con estructuras complejas y muestras limitadas, como los espectros de infrarrojo cercano, proporcionando un nuevo método para el estudio de la identificación del origen genuino de la materia médica del astrágalo.

astrágalo; espectroscopía de infrarrojo cercano; CTGAN; red neuronal; codificador-decodificador