لتحقيق التعرف الدقيق على بكتيريا المياه، استخدمت هذه الدراسة تقنية الطيف الناقل، مع طريقة تعزيز البيانات باستخدام الشبكة التوليدية التنافسية، لتصنيف خمسة أنواع نموذجية من بكتيريا المياه. نظرًا لتكاليف الحصول على عينات الطيف الناقل العالية، وتأثر الأداء بأداء الأجهزة، وضعف قدرة تعميم النماذج على عينات صغيرة، تم اقتراح استراتيجية تعزيز بيانات الطيف بناءً على الشبكة التوليدية التنافسية ذات الفرز الديناميكي (DFGAN)، وتم بناء نموذج تصنيف باستخدام الشبكة العصبية الالتفافية (CNN). أولاً، تم جمع 600 عينة طيف ناقل من خمسة أنواع بكتيريا تحت فترات نمو وتركيزات متدرجة مختلفة كبيانات أصلية؛ ثم تم بناء الشبكة التوليدية العميقة ذات الالتفاف التنافسي (DCGAN) و DFGAN لتعزيز البيانات، وتم تقييم جودة الطيف المتولد من خلال ثلاثة أبعاد: الشكل المرئي، تشابه التوزيع الإحصائي، وتنوع فضاء الميزات؛ وأخيرًا تم مقارنة أداء ثلاث فئات من المصنفات: آلة الدعم النقطي، K أقرب الجيران، و CNN. أظهرت النتائج أن جودة الأطياف المتولدة بواسطة DFGAN تفوق بشكل ملحوظ تلك المتولدة بواسطة DCGAN؛ كانت طريقة DFGAN-CNN أفضل أداء في نموذج التعرف على بكتيريا المياه، حيث بلغت دقة التعرف 95.00%، الدقة 95.45%، الاستدعاء 95.00%، ودرجة F1 95.00%، مما يعكس أفضل دقة ومتانة. توفر هذه الطريقة مسارًا جديدًا لكشف بكتيريا المياه، كما تقدم مرجعًا تقنيًا لحل مشاكل العينات الصغيرة في مجال تحليل الطيف.

الطيف الناقل;تعزيز البيانات;بكتيريا المياه;التعرف;الشبكة التوليدية التنافسية ذات الفرز الديناميكي