基于CNN-GRU-AE的蓝莓货架期预测模型研究.pdf

※包装贮运食品科学2024,Vol.45,No.13229

基于CNN-GRU-AE的蓝莓货架期预测模型研究

111121,*3,*

张润泽，冯国红，付晟宏，王宏恩，高 珊，朱玉杰，刘中深

（1.东北林业大学机电工程学院，黑龙江哈尔滨150040；2.东北林业大学土木与交通学院，黑龙江哈尔滨150040；

3.黑龙江农业工程职业学院生物制药学院，黑龙江哈尔滨150025）

摘 要：04

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‘自由’蓝莓为研究对象，测定其在、、

25215

℃条件下的颜色参数、质量损失率、腐败率、质地参数等共计个品质指标。通过种具有自带特征选择功能

7

的机器学习算法，筛选出个影响货架期的关键特征作为模型的输入变量，构建基于注意力（attention，AE）机制

的卷积神经网络（convolutionalneuralnetwork，CNN）和门控循环单元（gatedrecurrentunit，GRU）的蓝莓货架期

预测模型。结果表明，与原始GRU相比，CNN-GRU-AE模型的平均绝对误差、均方误差和平均绝对百分比误差分

别降低了75.83%、91.46%、61.58%，决定系数增加了2.25%。说明添加注意力机制并与CNN结合后的GRU模型显著

提高了货架期的预测精度。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，并为剩余货架期的

预测提供技术帮助。

关键词：蓝莓；货架期预测；卷积神经网络；门控循环单元；注意力机制

ConvolutionalNeuralNetwork-GatedRecurrentUnit-AttentionBased

ModelforBlueberryShelfLifePrediction

111’121,*3,*

ZHANGRunze,FENGGuohong,FUShenghong,WANGHongen,GAOShan,ZHUYujie,LIUZhongshen

(1.CollegeofMechanicalandElectricalEngineering,NortheastForestryUniversity,Harbin150040,China;

2.CollegeofCivilEngineeringandTransportation,NortheastForestryUniversity,Harbin150040,China;

3.SchoolofBiopharmaceuticalSciences,HeilongjiangAgriculturalEngineeringVocationalCollege,Harbin150025,China)

Abstr