领学术科研之先,创食品科技之新
—— 中国食品杂志社
期刊集群
蓝莓货架期PKO-CNN-BiLSTM-AT预测模型
来源:导入 阅读量: 27 发表时间: 2025-08-25
作者: 杨慧敏,郑兴婵,刘中深,郑兴秀,王鹤霏,孙仕源
关键词: 蓝莓品质指标;二元灰狼优化算法;斑翠鸟优化算法;深度学习模型;货架期预测
摘要:

为探究贮藏于不同温度条件下蓝莓的品质变化及货架期,以‘怡颗莓’蓝莓为研究对象,测定其在5、10、15、20、25 ℃条件下的可溶性固形物、质量损失率、腐败率、质地参数等多个品质指标。通过基于二元灰狼优化算法进行特征选择,筛选出7 个影响货架期的关键特征作为模型的输入变量,构建附加斑翠鸟优化算法(pied kingfisher optimizer,PKO)的卷积神经网络(convolutional neural network,CNN)-双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)-注意力机制(attention mechanism,AT)的蓝莓货架期预测模型,利用PKO对CNN-BiLSTM-AT网络进行参数化寻优,主要用以确定最优学习率、正则化参数、Attention键值及BiLSTM神经元数量。结果表明,与CNN-LSTM相比,PKO-CNN-BiLSTM-AT模型的平均绝对误差、平均绝对百分比误差、均方误差和均方根误差分别降低了76.13%、80.96%、92.03%和71.75%,决定系数增加了5.85%。说明引入PKO后的CNN-BiLSTM-AT模型显著提高了货架期的预测性能,本研究可为蓝莓在不同贮藏温度条件下的货架期制定提供理论支持。

电话: 010-87293157 地址: 北京市丰台区洋桥70号

版权所有 @ 2023 中国食品杂志社 京公网安备11010602060050号 京ICP备14033398号-2