文献类型： 中文期刊

作者： 杨信廷 ¹ ; 刘彤 ¹ ; 韩佳伟 ² ; 郭向阳 ¹ ; 杨霖 ³ ;

作者机构： 1.上海海洋大学信息学院

2.北京市农林科学院信息技术研究中心

3.仲恺农业工程学院信息科学与技术学院

关键词： 番茄;低温贮藏;成熟度识别;时序预测模型;Swin Transformer;GRU

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2024 年 003 期

页码： 213-220

收录情况： EI ; 北大核心 ; CSCD

摘要： 面向绿熟番茄采后持续转熟特征，适时调温是满足不同成熟度番茄适宜贮运温度需求的关键，而果实成熟度自动识别与动态预测则是实现温度适时调控的基础条件。本文基于Swin Transformer与改进GRU提出了一种番茄成熟度识别与时序动态预测模型，首先通过融合番茄两侧图像获取番茄表观全局红色总占比，构建不同成熟番茄图像数据集，并基于迁移学习优化Swin Transformer模型初始权重配置，实现番茄成熟度分类识别；其次，周期性采集不同储藏温度（4、9、14℃）下番茄图像数据，结合番茄初始颜色特征与贮藏环境信息，构建基于Swin Transformer与GRU的番茄成熟度时序预测模型，并融合时间注意力模块优化模型预测精度；最后，对比分析不同模型预测结果，验证本研究所提模型的准确性与优越性。结果表明，番茄成熟度正确识别率为95.783%,相比VGG16、AlexNet、ResNet50模型，模型正确识别率分别提升2.83%、3.35%、12.34%。番茄成熟度时序预测均方误差（MSE）为0.225,相比原始GRU、LSTM、BiGRU模型MSE最高降低29.46%。本研究为兼顾番茄成熟度实现贮藏温度柔性适时调控提供了关键理论基础。