程艳燕 宋家俊 孙士保 张艺馨 杨春坤 王欣怡

摘要：水果成熟度的准确预测对于农业生产和供应链管理至关重要。传统方法在水果预测领域被广泛采用，但难以捕捉复杂的成熟特征无法实现高精度的预测模型。为应对这一挑战，文章采用了PSO-BP神经网络，其强大的非线性建模能力使得预测结果更为准确。文章设计了一个多层前馈神经网络模型，通过学习复杂的成熟度特征来进行预测。使用真实的水果数据进行训练和测试，结果显示该文的模型在预测水果成熟度方面表现出色，相较于传统方法，具有更高的准确性。训练得到的这款模型可达到98%以上的预测率。

关键词：深度学习；PSO-BP神经网络模型；PaddleX框架；果然共知

中图分类号：TP18      文献标识码：A

文章编号：1009-3044（2023）34-0016-04

开放科学（资源服务）标识码（OSID）

0 引言

我国是世界水果生产大国，随着水果市场对苹果的需求不断增加，消费者对苹果的质量要求越来越高，然而有的果农因无法准确地预测苹果成熟度而造成了大量苹果浪费[1]。传统的预测苹果成熟度的技术存在着一些缺陷，果农无法快速并且准确预测苹果的成熟度，本项目弥补了当代检测技术的漏洞，采用了近红外光谱检测技术，PSO-BP神经网络等算法以及定量预测模型，能够更高效、方便、准确地预测苹果的成熟度，并且能够让果农通过手机更方便、迅速了解苹果的成熟度。本项目通过近红外光谱检测出水果的信息，高效地传递给手机移动端通过PSO-BP人工神经网络等算法以及定量预测模型来预测苹果成熟度的小程序——果然共知。……