[发明专利]一种采后鲜食葡萄货架期预测方法及装置

说明书

本发明实施例提供了一种采后鲜食葡萄货架期预测方法及装置，通过分析影响采后鲜食葡萄货架期的主要因素，在环境指标、感官指标和理化指标的基础上采用层次分析法计算恒温和变温环境下的鲜食葡萄货架期，生成网络模型训练和测试数据；利用RBF神经网络的超强自适应能力和自学习能力，设计网络隐含层节点个数和径向基函数，以提高网络的收敛速度和学习能力；采用模糊聚类优化隐含层径向基函数中心与宽度，保证了全局最优；采用遗传算法对网络权值进行寻优不断调整，防止了网络极易陷入局部极小值，提高了网络稳定性和泛化能力。

技术领域

本发明实施例涉及农作物货架预测领域，更具体地，涉及一种采后鲜食葡萄货架期预测方法及装置。

背景技术

鲜食葡萄不仅味美可口，而且营养价值、经济价值很高，受到消费者广泛的喜爱，同时对其品质和安全性的要求也越来越高。但是在采后贮藏和运输过程中易出现腐烂、褐变、干枝、硬度衰减、落粒等问题，严重影响消费者的消费欲，造成了经济损失。货架期是消费者了解食品品质、保障食品安全的重要依据之一，可以根据货架期及时控制和调整贮藏环境，因此及时准确预测和延长采后鲜食葡萄的货架期对于保护消费者权益和有效降低经济损失具有重要意义。

近年来，发展起来的人工神经网络是一种多元非线性动力学系统，具有复杂、高维的非线性映射特性、良好的自适应、自组织和很强的实时学习等能力，可以方便地对多因素影响的复杂未知系统进行预测。BP(Back propagation)神经网络模型在货架期预测领域的应用相对比较广泛，将多种因素综合于一个模型中，建立各种因素与食品货架寿命的关系。与传统动力学模型相比，具有较高的预测精度。但BP神经网络容易陷入局部极小值、收敛速度慢以及出现“过拟合”等现象，而且网络结构难以确定、鲁棒性不足，限制了其在预测货架期方面的应用。

后来发展起来的径向基函数(RBF)是一种局部逼近网络，与其他神经网络模型如BP神经网络相比，在逼近能力、泛化能力、学习速度和拟合精度上有很大的优势。目前，RBF神经网络在货架期的预测方面得到广泛应用，关于RBF预测方法国内外已取得大量研究成果，但在鲜食葡萄货架期预测研究相对较少。

因此，目前缺乏将RBF预测方法应用于鲜食葡萄货架期预测的研究，从而为鲜食葡萄架期预测提供新途径，也可以为鲜食葡萄质量安全管理提供参考依据。

发明内容

为了解决上述问题，本发明实施例提供了一种采后鲜食葡萄货架期预测方法及装置。

根据本发明实施例的第一方面，提供了一种采后鲜食葡萄货架期预测方法，该方法包括：采集采后鲜食葡萄的影响指标；影响指标包括环境指标、感官指标、理化指标和微生物指标；将影响指标输入至采后鲜食葡萄货架期预测模型，输出预测的采后鲜食葡萄货架期，采后鲜食葡萄货架期预测模型根据影响指标和影响指标对应的采后鲜食葡萄货架期进行训练后得到的。

根据本发明实施例的第二方面，提供了一种采后鲜食葡萄货架期预测装置，该装置包括：采集模块，用于采集采后鲜食葡萄的影响指标；影响指标包括环境指标、感官指标、理化指标和微生物指标；预测模块，用于将影响指标输入至采后鲜食葡萄货架期预测模型，输出预测的采后鲜食葡萄货架期，采后鲜食葡萄货架期预测模型根据影响指标和影响指标对应的采后鲜食葡萄货架期进行训练后得到的。

根据本发明实施例的第三方面，提供了一种电子设备，该电子设备包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的采后鲜食葡萄货架期预测方法。

根据本发明实施例的第四方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序使计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的采后鲜食葡萄货架期预测方法。

本发明实施例提供了一种采后鲜食葡萄货架期预测方法及装置，本发明实施例的有益效果包括：