水中細菌の正確な識別を実現するために，本研究では透過分光技術と生成対抗ネットワークによるデータ拡張手法を組み合わせて，5種類の代表的な水中細菌の分類識別を行った。透過分光サンプルの取得コストが高く，機器性能の影響を受けやすく，少数サンプル下でのモデルの汎化能力が不足している問題に対して，動的選択生成対抗ネットワーク（DFGAN）に基づくスペクトルデータ拡張戦略を提案し，畳み込みニューラルネットワーク（CNN）分類モデルを構築した。まず，5種類の細菌の異なる培養期間および濃度勾配における600件の透過スペクトルを原データセットとして収集した；次に，深層畳み込み生成対抗ネットワーク（DCGAN）とDFGANを構築してデータ拡張を行い，視覚形態，統計分布類似度，特徴空間の多様性の3つの観点から生成スペクトルの品質を評価した；最後に，サポートベクターマシン，K近傍法，CNNの3種類の分類器の識別性能を比較した。結果は，DFGAN生成スペクトルの品質がDCGANよりも顕著に優れており，DFGAN-CNN法で構築した水中細菌識別モデルの性能が最も優れており，識別精度95.00％，適合率95.45％，再現率95.00％，F1スコア95.00％を達成し，最良の精度と堅牢性を有していた。本手法は水中細菌検出の新たな道を提供し，分光分析分野における少量サンプル問題の解決に技術的な参考とする。

透過分光;データ拡張;水中細菌;識別;動的選択生成対抗ネットワーク