基于注意力时间卷积网络的香蕉新鲜度识别与剩余货架期预测

[目的]解决传统机器学习算法(BP、SVM)无法很好地挖掘时序数据特征导致模型识别和预测效果不佳的问题,最大限度减少新鲜水果在流通过程中鲜度的损失。[方法]以香蕉为研究对象,使用时间卷积网络(TCN)结合有效通道注意力网络(ECA-NET)建立香蕉新鲜度识别模型(ECA-TCN),并进行仿真测试。[结果]BP、SVM、TCN、ECA-TCN的识别准确率分别为84.89%,85.16%,97.83%,99.03%。[结论]试验方法对香蕉的新鲜度识别具有更好的效果。

波动温度下罗非鱼特定腐败菌生长动力学模型和货架期预测

研究了0℃～15℃范围的波动温度条件下,有氧贮藏养殖罗非鱼的特定腐败菌-假单胞菌的生长动力学模型及其对剩余货架期预测的适用性.由Belehradek方程建立了温度对假单胞菌生长动力学影响的数学模型,在设计的两种波动温度条件下假单胞菌生长动力学模型的预测值,与波动温度贮藏罗非鱼中假单胞菌生长的实测值比较,偏差度在0.906～0.942之间,准确度在1.13～1.19之间.以假单胞菌生长动力学模型预测的剩余货架期,与波动温度贮藏罗非鱼的感官、VBN和假单胞菌数评价获得的实测剩余货架期相比较,相对误差分别为5.9%和 -9.1%.显示在贮藏温度波动的情况下,假单胞菌生长动力学模型同样可以快速可靠地实时预测0℃～15℃贮藏的罗非鱼剩余货架期.