Pour réaliser une identification précise des bactéries aquatiques, cette étude utilise la technologie du spectre de transmission combinée à une méthode d'augmentation de données basée sur un réseau antagoniste génératif pour classifier cinq types typiques de bactéries aquatiques. En raison du coût élevé d'acquisition des échantillons de spectre de transmission, de la sensibilité aux performances des instruments et de la capacité limitée de généralisation des modèles sur de petits échantillons, une stratégie d'augmentation des données spectrales basée sur un réseau antagoniste génératif à sélection dynamique (DFGAN) est proposée, ainsi qu'un modèle de classification utilisant un réseau neuronal convolutif (CNN). Tout d'abord, 600 spectres de transmission ont été collectés pour cinq bactéries à différents stades de culture et concentrations en gradients comme jeu de données original ; ensuite, un réseau antagoniste génératif convolutif profond (DCGAN) et DFGAN ont été mis en place pour augmenter les données, et la qualité des spectres générés a été évaluée selon trois dimensions : forme visuelle, similarité des distributions statistiques et diversité dans l'espace des caractéristiques ; enfin, la performance de trois classificateurs – machine à vecteurs de support, k-plus proches voisins et CNN – a été comparée. Les résultats montrent que la qualité des spectres générés par DFGAN est significativement meilleure que celle de DCGAN ; la méthode DFGAN-CNN a produit le meilleur modèle de reconnaissance des bactéries aquatiques avec une précision de reconnaissance de 95,00 %, une précision (precision) de 95,45 %, un rappel de 95,00 % et un score F1 de 95,00 %, démontrant une excellente précision et robustesse. Cette méthode offre une nouvelle voie pour la détection des bactéries aquatiques ainsi qu'une référence technique pour résoudre le problème des petits échantillons dans le domaine de l'analyse spectrale.

spectre de transmission;augmentation des données;bactéries aquatiques;reconnaissance;réseau antagoniste génératif à sélection dynamique