수체 내 박테리아의 정확한 식별을 위해 본 연구에서는 투과 분광 기술과 생성적 적대 신경망 기반 데이터 증강 방법을 결합하여 5종의 대표적인 수체 박테리아를 분류 및 식별하였다. 투과 분광 샘플 획득 비용이 높고, 기기 성능에 영향을 받으며, 소량 샘플에서 모델의 일반화 능력이 부족한 문제를 해결하기 위해 동적 선택 생성적 적대 신경망(DFGAN)을 기반으로 하는 스펙트럼 데이터 증강 전략을 제안하고, 합성곱 신경망(CNN) 분류 모델을 구축하였다. 우선 다양한 배양 시기와 농도 구배에서 5종 박테리아의 600개의 투과 스펙트럼을 원시 데이터셋으로 수집하였으며; 이후 심층 합성곱 생성적 적대 신경망(DCGAN)과 DFGAN을 구축하여 데이터 증강을 진행하고, 시각적 형상, 통계 분포 유사성, 특징 공간 다양성 세 가지 차원에서 생성 스펙트럼의 품질을 평가하였다. 마지막으로 서포트 벡터 머신, K-최근접 이웃, CNN 세 가지 분류기의 인식 성능을 비교하였다. 결과는 DFGAN이 생성한 스펙트럼 품질이 DCGAN보다 현저히 우수하며; DFGAN-CNN 방법으로 구축한 수체 박테리아 인식 모델이 95.00%의 인식 정확도, 95.45%의 정밀도, 95.00%의 재현율, 95.00%의 F1 점수를 기록하며 최적의 정확도와 강건성을 나타냈다. 이 방법은 수체 박테리아 검출에 새로운 길을 제공하며, 분광 분석 분야에서 소량 샘플 문제 해결을 위한 기술적 참고 자료를 제시한다.

투과 분광;데이터 증강;수체 박테리아;식별;동적 선택 생성적 적대 신경망