苹果货架期GAN-BP-ANN预测模型研究

摘要：

准确预测剩余货架期是降低苹果过长贮藏风险的有效途径,目前基于传统动力学模型的预测准确度较低,提出一种基于生成式对抗网络(GAN)改进的反向传播人工神经网络(BP-ANN)苹果货架期预测方法.以0、5、15、25℃下贮藏的"富士"苹果为研究对象,获取果实的12个理化品质指标随贮藏时间变化的取值;分别采用2种特征选择方法对品质指标进行排序,依次累加排序为l～12的品质指标结合贮藏温度作为BP-ANN的输入层变量.通过GAN扩大BP-ANN的训练集样本数量,建立"富士"苹果货架期的GAN-BP-ANN和BP-ANN预测模型.试验结果表明,经过GAN可生成与真实数据分布范围一致的数据集,以真实和生成数据集共同作为训练集构建的GAN-BP-ANN模型其验证集准确度总体高于BP-ANN模型;以稀疏主成分分析(SPCA)选取得到的前1、2、6个品质指标,结合贮藏温度分别作为GAN-BP-ANN模型的输入层对货架期进行预测,其平均相对误差均在0.070以内,决定系数均在0.988以上.

关键词：富士苹果;品质指标;货架期预测;生成式对抗网络;反向传播人工神经网络

所属期刊栏目：52

分类号：S126;S661.1(农业物理学)

资助基金：陕西省科技重大专项2020zdzx03-05-01

在线出版日期：2021-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：367-375