“视觉智能与信息安全”专栏 | Sensors：通过生成对抗网络利用合成近红外光谱改进木材刚度预测

本文探讨了利用生成对抗网络（GAN）生成合成近红外光谱数据，以增强木材刚度预测模型的性能。研究背景在于木材工业对快速、可靠的无损评估工具的需求，而近红外光谱作为一种常用的无损检测方法，其应用受到训练数据量有限的限制。研究目的是通过GAN生成合成数据，解决数据量不足的问题，并比较不同机器学习模型在预测木材弹性模量（MOE）方面的性能。研究结果表明，使用GAN增强的数据集显著提高了模型的预测准确性，特别是卷积神经网络（CNN）模型的表现最为突出。结论指出，GAN在增强近红外光谱数据方面具有巨大潜力，可以有效解决木材科学和工程中训练数据量不足的问题。