本發(fā)明涉及深度學(xué)習(xí)和荔枝數(shù)據(jù)處理，尤其涉及一種基于深度學(xué)習(xí)的荔枝內(nèi)核溫度動態(tài)預(yù)測方法。

背景技術(shù)：

1、我國是全球荔枝產(chǎn)業(yè)第一大國，但荔枝產(chǎn)業(yè)存在上市期集中、保鮮難度大以及貨架期極短的問題。液氮速凍冷鮮是一種高效的食品冷凍技術(shù)，可以在極短的時間內(nèi)將食品溫度降低到冰點以下，形成細(xì)小均勻的冰晶，從而保持食品的口感、色澤和營養(yǎng)價值。冷凍過程中荔枝的內(nèi)核溫度是影響保鮮效果的關(guān)鍵因素，過度凍結(jié)會使細(xì)胞內(nèi)部水分結(jié)晶過度，形成大冰晶，破壞細(xì)胞完整性，導(dǎo)致組織軟化、失水和營養(yǎng)流失。凍結(jié)不足會導(dǎo)致無法遏制微生物活動和酶促反應(yīng)，難以實現(xiàn)長期保鮮?，F(xiàn)有的冷凍方法的溫度控制一般停留在冷凍空間層面上，無法準(zhǔn)確預(yù)測和控制荔枝果實內(nèi)核溫度，導(dǎo)致荔枝果實內(nèi)核溫度未能達(dá)到理想值而影響冷凍品質(zhì)。傳統(tǒng)的紅外線測溫、超聲波測溫和磁共振成像(mri)測溫等方法存在測溫精度相對較低，以及成本較高的問題。

2、近年來，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)的快速發(fā)展為解決這一問題提供了新的可能?；谏疃葘W(xué)習(xí)的方法可以更好地捕捉復(fù)雜的溫度變化規(guī)律，并實現(xiàn)對荔枝內(nèi)核溫度的動態(tài)預(yù)測。現(xiàn)有技術(shù)難以在冷凍過程中無損獲取荔枝內(nèi)核溫度，需要在荔枝完成冷凍后插入溫度傳感器來檢測內(nèi)核溫度是否符合冷凍鎖鮮要求，會對荔枝造成損壞。

3、因此，需要一種在不損壞荔枝內(nèi)核的前提下，可以對冷凍荔枝內(nèi)核溫度進(jìn)行動態(tài)預(yù)測的方法。

技術(shù)實現(xiàn)思路

1、為克服相關(guān)技術(shù)中存在的問題，本發(fā)明的目的是提供一種基于深度學(xué)習(xí)的荔枝內(nèi)核溫度動態(tài)預(yù)測方法，該方法在不損壞荔枝內(nèi)核的前提下，可以對冷凍荔枝內(nèi)核溫度進(jìn)行動態(tài)預(yù)測。

2、一種基于深度學(xué)習(xí)的荔枝內(nèi)核溫度動態(tài)預(yù)測方法，包括：

3、獲取原始數(shù)據(jù)，對所述原始數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理后數(shù)據(jù)；其中，所述原始數(shù)據(jù)包括冷凍空間溫度、荔枝內(nèi)核溫度和風(fēng)機(jī)轉(zhuǎn)速；

4、將所述預(yù)處理后數(shù)據(jù)輸入優(yōu)化后lstm模型進(jìn)行預(yù)測，得到k時刻的荔枝內(nèi)核初步預(yù)測溫度；

5、將k時刻的所述荔枝內(nèi)核初步預(yù)測溫度輸入卡爾曼濾波器進(jìn)行預(yù)測和更新，得到k時刻的荔枝內(nèi)核最終預(yù)測溫度。

6、在本發(fā)明較佳的技術(shù)方案中，所述將所述預(yù)處理后數(shù)據(jù)輸入優(yōu)化后lstm模型進(jìn)行預(yù)測之前，還包括：

7、構(gòu)建lstm模型；

8、使用adam優(yōu)化算法對所述lstm模型進(jìn)行參數(shù)優(yōu)化，得到優(yōu)化后lstm模型。

9、在本發(fā)明較佳的技術(shù)方案中，所述構(gòu)建lstm模型，包括：

10、構(gòu)建輸入層、單向lstm層和全連接輸出層；

11、將所述輸入層的輸出端與所述lstm層的輸入端連接；

12、將所述lstm層的輸出端與所述全連接輸出層的輸入端連接。

13、在本發(fā)明較佳的技術(shù)方案中，所述使用adam優(yōu)化算法對所述lstm模型進(jìn)行參數(shù)優(yōu)化，得到優(yōu)化后lstm模型，包括：

14、確定待優(yōu)化參數(shù)，計算adam優(yōu)化算法的損失函數(shù)關(guān)于所述待優(yōu)化參數(shù)的梯度；

15、根據(jù)所述梯度計算一階矩估計和二階矩估計；

16、根據(jù)所述梯度和指數(shù)衰減率對所述一階矩估計和所述二階矩估計進(jìn)行更新，得到更新后一階矩估計和更新后二階矩估計；

17、對所述更新后一階矩估計和所述二階矩估計進(jìn)行偏差修正，得到修正后一階矩估計和修正后二階矩估計；

18、使用所述修正后一階矩估計和所述修正后二階矩估計更新所述待優(yōu)化參數(shù)，得到優(yōu)化后lstm模型。

19、在本發(fā)明較佳的技術(shù)方案中，所述將k時刻的所述荔枝內(nèi)核初步預(yù)測溫度輸入卡爾曼濾波器進(jìn)行預(yù)測和更新，得到k時刻的荔枝內(nèi)核最終預(yù)測溫度，包括：

20、將k時刻的所述荔枝內(nèi)核初步預(yù)測溫度輸入卡爾曼濾波器進(jìn)行迭代預(yù)測，得到狀態(tài)方程和觀測方程；

21、對所述狀態(tài)方程和所述觀測方程進(jìn)行迭代更新，得到狀態(tài)更新方程、誤差協(xié)方矩陣更新方程、卡爾曼增益矩陣更新方程、狀態(tài)估計測量更新方程和誤差協(xié)方差矩陣量測更新方程；

22、根據(jù)所述狀態(tài)估計測量更新方程計算出k時刻的荔枝內(nèi)核最終預(yù)測溫度。

23、在本發(fā)明較佳的技術(shù)方案中，所述將k時刻的所述荔枝內(nèi)核初步預(yù)測溫度輸入卡爾曼濾波器進(jìn)行預(yù)測和更新之前，還包括：

24、建立卡爾曼濾波器；

25、將所述lstm模型作為所述卡爾曼濾波器的狀態(tài)轉(zhuǎn)移模型。

26、在本發(fā)明較佳的技術(shù)方案中，所述得到k時刻的荔枝內(nèi)核最終預(yù)測溫度之后，還包括：

27、計算k+1時刻至k+n時刻的所述荔枝內(nèi)核最終預(yù)測溫度；

28、將k時刻至k+n時刻的所述荔枝內(nèi)核最終預(yù)測溫度組成荔枝內(nèi)核預(yù)測溫度序列；

29、將所述荔枝內(nèi)核預(yù)測溫度序列發(fā)送至速凍溫控系統(tǒng)；

30、控制所述速凍溫控系統(tǒng)調(diào)節(jié)閥門開度，以調(diào)節(jié)冷凍腔內(nèi)的溫度。

31、在本發(fā)明較佳的技術(shù)方案中，所述對所述原始數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理后數(shù)據(jù)，包括：

32、對所述原始數(shù)據(jù)進(jìn)行異常值剔除，得到異常值剔除后數(shù)據(jù)；

33、對所述異常值剔除后數(shù)據(jù)進(jìn)行歸一化處理，得到預(yù)處理后數(shù)據(jù)。

34、在本發(fā)明較佳的技術(shù)方案中，所述對所述原始數(shù)據(jù)進(jìn)行異常值剔除，得到異常值剔除后數(shù)據(jù)，包括：

35、設(shè)置第一溫度閾值、第二溫度閾值和轉(zhuǎn)速閾值；

36、計算單位時間內(nèi)所述冷凍空間溫度的第一溫度變化量，計算單位時間內(nèi)所述荔枝內(nèi)核溫度的第二溫度變化量，計算單位時間內(nèi)所述風(fēng)機(jī)轉(zhuǎn)速的轉(zhuǎn)速變化量；

37、若所述第一溫度變化量的絕對值大于所述第一溫度閾值，則判定對應(yīng)的所述冷凍空間溫度異常，得到冷凍空間溫度異常值；

38、若所述第二溫度變化量的絕對值大于所述第二溫度閾值，則判定對應(yīng)的所述荔枝內(nèi)核溫度異常，得到荔枝內(nèi)核溫度異常值；

39、若所述轉(zhuǎn)速變化量的絕對值大于所述轉(zhuǎn)速閾值，則判定對應(yīng)的所述風(fēng)機(jī)轉(zhuǎn)速異常，得到風(fēng)機(jī)轉(zhuǎn)速異常值；

40、從所述原始數(shù)據(jù)中剔除所述冷凍空間溫度異常值、所述荔枝內(nèi)核溫度異常值和所述風(fēng)機(jī)轉(zhuǎn)速異常值，得到異常值剔除后數(shù)據(jù)。

41、在本發(fā)明較佳的技術(shù)方案中，所述adam優(yōu)化算法的損失函數(shù)采用rmse函數(shù)，所述rmse函數(shù)的自變量為驗證集中荔枝內(nèi)核的溫度平均值，以及每個樣本的荔枝內(nèi)核溫度預(yù)測值。

42、本發(fā)明的有益效果為：

43、本發(fā)明提供的基于深度學(xué)習(xí)的荔枝內(nèi)核溫度動態(tài)預(yù)測方法包括獲取原始數(shù)據(jù)，對原始數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理后數(shù)據(jù)；其中，原始數(shù)據(jù)包括冷凍空間溫度、荔枝內(nèi)核溫度和風(fēng)機(jī)轉(zhuǎn)速。將預(yù)處理后數(shù)據(jù)輸入優(yōu)化后lstm模型進(jìn)行預(yù)測，得到k時刻的荔枝內(nèi)核初步預(yù)測溫度。將k時刻的荔枝內(nèi)核初步預(yù)測溫度輸入卡爾曼濾波器進(jìn)行預(yù)測和更新，得到k時刻的荔枝內(nèi)核最終預(yù)測溫度。本發(fā)明結(jié)合lstm模型和卡爾曼濾波器，建立冷凍荔枝內(nèi)核溫度動態(tài)預(yù)測模型，可以準(zhǔn)確預(yù)測荔枝在冷凍過程中的溫度變化，為控制冷凍荔枝內(nèi)核溫度提供基礎(chǔ)，從而改善荔枝冷凍質(zhì)量。lstm模型可以較好的捕捉時間序列數(shù)據(jù)中的長期依賴關(guān)系，利用冷凍空間溫度對荔枝內(nèi)核溫度實時的進(jìn)行智能預(yù)測。卡爾曼濾波器對線性高斯系統(tǒng)的效果較好，且可以利用測量噪聲協(xié)方差矩陣，有效的抑制噪聲對狀態(tài)估計的影響，解決了單一神經(jīng)網(wǎng)絡(luò)對噪聲數(shù)據(jù)比較敏感，時變系統(tǒng)建模能力較弱，導(dǎo)致難以獲得穩(wěn)定的預(yù)測結(jié)果的問題，從而增強(qiáng)本方面預(yù)測荔枝內(nèi)核溫度的魯棒性和抗噪能力。