基于机器学习的黄桃成熟度智能评价模型构建方法及系统

本发明属于果蔬采后品质评价。更具体地说，本发明涉及基于机器学习的黄桃成熟度智能评价模型构建方法及系统。

背景技术：

1、黄桃为典型的呼吸跃变型果实，采收成熟度直接决定其贮藏特性与加工品质。采摘成熟度是影响果实鲜食风味与加工品质的关键因子，除果实色泽、单果重等传统指标外，硬度、可溶性固形物、糖酸含量等已逐步成为判定果实成熟度的重要依据。目前业内尚无统一、精细化的成熟度划分标准，田间阶段仅依靠果皮红绿着色比例等表观指标进行判别，精度有限，果实采收后外观特征差异进一步弱化，单一理化指标或表观指标已无法实现成熟度的精准界定。传统经验判断存在局限性，难以提升果实采收与贮藏加工的精准化水平。因此，建立多维度理化指标体系以精准判定果实的最佳成熟阶段，已成为当前采后生物学研究的重点方向。

2、近年来，机器学习方法被逐步引入果实成熟度判别领域。现有技术中已有基于多指标融合的成熟度判别方案，例如利用熵值法计算多维指标权重并建立聚核模糊分类模型，实现对水蜜桃成熟度的判别。也有研究通过整合机器学习与多指标权重分析，基于聚类与层次分析法确定指标权重，并采用集成学习模型预测成熟度。然而，上述现有方案在权重确定方面仍存在明显不足。基于熵值法的权重计算完全依赖数据本身的离散程度，忽视了指标与成熟度之间的生物学关联机理；基于层次分析法的权重确定则依赖专家主观赋值，难以规避人为偏差。更重要的是，现有方法均采用单一来源的权重确定策略，无法同时兼顾线性关联强度、数据结构特征和非线性预测贡献等多维信息，导致权重融合结果存在片面性。此外，现有方案中成熟度指数的构建多为线性加权形式，未考虑果实成熟后期某些理化指标变化趋于平缓的生物学规律，使得指数在成熟边界区域易产生过度膨胀或震荡。分级阈值的确定也往往依赖专家经验或简单的聚类划分，缺乏纯数据驱动的客观标定手段。上述缺陷限制了成熟度判别模型的精度、泛化能力及数字化表征的可靠性。

技术实现思路

1、为了实现本发明的这些目的和其它优点，本发明提供了一种基于机器学习的黄桃成熟度智能评价模型构建方法，包括以下步骤：

2、步骤一、采集黄桃果实的硬度、可溶性固形物、l*值、a*值、b*值和糖酸比六项理化指标；对原始数据进行缺失值检查，采用z-score方法以|z|>3为标准识别并剔除异常样本；对保留的样本数据进行z-score标准化处理，使其均值为0且标准差为1，得到标准化数据；

3、步骤二、分别采用偏最小二乘回归提取回归系数绝对值、主成分分析提取载荷矩阵贡献度以及经训练测试集验证选优的随机森林模型提取特征重要性，将三者作为三个权重信息源；计算三者之间的两两肯德尔秩相关系数，以任一权重源与其余两者的平均秩相关系数作为该权重源的置信度因子，按置信度因子比例进行加权融合，当三者置信度均低于预设阈值时收缩至等权基准，得到各指标的综合权重；

4、步骤三、基于综合权重构建线性加权基底mi=∑(wi×xi')，其中xi'为标准化指标值，wi为综合权重；引入针对硬度标准化值h'与糖酸比标准化值sar'的交互抑制函数，当硬度标准化值h'与糖酸比标准化值sar'的绝对值均大于等于2.0时，判定二者同时处于极端高值或极端低值，施加负向修正项λ·(|h'|·|sar'|)，λ根据训练集中成熟末期样本的残差波动自动拟合，得到修正后的成熟度指数mi；

5、步骤四、对训练集样本的mi值进行k均值聚类分析，并结合专家经验确定分级阈值，所述分级阈值包括第一阈值0.20以及第二阈值0.55，其中mi<0.20对应i级，0.20≤mi<0.55对应ii级，mi≥0.55对应iii级；

6、步骤五、部署后监测新采集验证集的mi分布与训练集分布的kl散度，当散度超过预设阈值时自动触发上述步骤一至四的重计算，输出更新后的权重与阈值。

7、优选的是，在所述步骤一中剔除异常样本之前，还包括标准样本库建立与标签辅助锚定步骤：将黄桃果实按花后天数划分为i级、ii级以及iii级三个离散等级；在各等级内部依据花后天数进行线性插值，生成介于0至1之间的连续参考值；该连续参考值用于在z-score异常值检测过程中判断边缘样本是否保留，当样本的z-score绝对值在3.0至3.5之间且该样本的连续参考值与同等级内多数样本的连续参考值分布存在偏离时，结合该样本在马氏距离空间中的数值排序位置判断是否剔除该样本；在k均值聚类后，该连续参考值用于辅助专家确定聚类边界，并通过统计各等级内样本的连续参考值与等级标签的一致性对样本标签的准确性进行反向验证；该连续参考值不参与模型训练。

8、优选的是，在步骤二中，所述随机森林模型通过以下方式选出：将有效样本按成熟度等级分层抽样，按8:2比例划分为训练集和测试集；分别采用偏最小二乘回归、支持向量机、随机森林以及人工神经网络四种算法构建预测模型，其中支持向量机采用rbf核函数，随机森林决策树数量在80至120之间，人工神经网络输入层神经元数量在5至7之间、隐含层神经元数量在6至10之间、输出层神经元数量在3至5之间、学习率在0.2至0.4之间、动量因子在0.1至0.3之间、最大迭代次数在500至1500次之间；以测试集上的准确率、均方根误差以及决定系数为评价指标，选择准确率最高、均方根误差最小以及决定系数最大的模型作为最优模型。

9、优选的是，所述置信度因子的计算中，采用bootstrap重采样生成多个子样本集，对每个子样本集计算三者两两肯德尔秩相关系数，取各相关系数的中位数作为最终相关系数，并基于中位数计算平均秩相关系数作为置信度因子；同时，动态收缩正则项的触发阈值设置为三者置信度均小于0.3时触发，且收缩后的权重分配为等权。

10、优选的是，所述λ的拟合过程采用加权最小二乘，以训练集中成熟等级为iii级且连续参考值大于0.8的样本作为成熟末期样本子集，对每一末期样本计算其线性加权基底与实测参考值之间的残差，并以该残差绝对值与硬度标准化值、糖酸比标准化值的乘积绝对值之间的相关系数作为λ的初始估计；然后采用留一法交叉验证优化λ，选择使验证集上修正后mi的均方误差最小的λ值作为最终值，并设定λ的取值范围为0.05至0.20。

11、优选的是，在所述步骤五中，kl散度检测的预设阈值为0.05，当新采集的验证集样本量达到训练集样本量的20%时触发检测；若kl散度超过阈值，则启动重计算，重计算时保留原权重作为参考，并将新权重与原权重进行加权平滑更新，平滑系数与kl散度值正相关；当触发重计算时，同步采用k均值聚类算法对重计算后训练集样本的mi值进行聚类分析，并结合专家经验重新确定分级阈值。

12、优选的是，所述连续参考值的线性插值中，对各等级内部的花后天数进行归一化处理，将等级内最早花后天数映射为0、最晚映射为1，对于花后天数超出等级范围的样本，通过最近邻等级边缘值进行截断赋值；在离群检测过程中，若样本的连续参考值处于前5%或后5%且其z-score绝对值在2.5至3.0之间，则保留该样本。

13、优选的是，还包括模型适用域漂移检测与自适应重校准步骤：在部署阶段，每累积一批新样本，计算该批样本的特征分布与训练集特征分布之间的最大均值差异，若最大均值差异在0.08至0.12之间，则启动对抗式验证，训练一个二分类器区分训练集样本与新样本，当分类器的受试者工作特征曲线下面积在0.65至0.75之间时判定为漂移；在此基础上执行增量式权重调整，以训练集权重为基础，采用贝叶斯在线学习框架，将新样本的梯度信息作为似然函数更新各指标权重后验分布，并重新拟合修正系数以及分级阈值；将更新后的权重与历史权重序列进行时序平滑，形成权重演化轨迹，当权重变化幅度超过历史波动的2.5至3.5倍标准差时触发警报并冻结更新，待人工校验后解冻。

14、优选的是，还包括成熟度指数的不确定性量化与分级置信度输出步骤：在计算成熟度指数的同时，采用蒙特卡洛dropout技术对随机森林模型进行多次随机失活预测，得到成熟度指数的预测分布，取其标准差作为不确定性度量；当成熟度指数距离任一阈值边界小于该不确定性值的1.2至1.8倍时，判定该样本处于临界状态，输出临界等级提示；利用贝叶斯神经网络对六个理化指标的测量误差进行建模，将测量噪声传递至成熟度指数计算过程，得到成熟度指数的总体不确定区间，并根据该区间与各阈值交叉重叠的面积比例计算每个等级的后验概率，输出概率最高的等级及其置信度分数。

15、本发明还提供了一种基于机器学习的黄桃成熟度智能评价系统，包括：

16、数据采集与预处理模块，配置为采集黄桃果实的硬度、可溶性固形物、l*值、a*值、b*值以及糖酸比六项理化指标；对原始数据进行缺失值检查，采用z-score方法以|z|大于3的标准识别并剔除异常样本；对保留的样本数据进行z-score标准化处理，使其均值为0且标准差为1，输出标准化数据；

17、多源权重自适应融合模块，与所述数据采集与预处理模块连接，配置为分别采用偏最小二乘回归提取回归系数绝对值、主成分分析提取载荷矩阵贡献度以及经训练测试集验证的随机森林模型提取特征重要性，将三者作为三个权重信息源；计算三者之间的两两肯德尔秩相关系数，以任一权重源与其余两者的平均秩相关系数作为该权重源的置信度因子cfi，按cfi比例进行加权融合，当三者cfi均低于预设阈值时收缩至等权基准，输出各指标的综合权重；

18、成熟度指数非线性修正模块，与所述多源权重自适应融合模块连接，配置为基于综合权重构建线性加权基底mi=∑(wi×xi')，其中xi'为标准化指标值，wi为综合权重；引入针对硬度标准化值h'与糖酸比标准化值sar'的交互抑制函数，当二者同时处于极端高值或极端低值时，施加负向修正项λ·(|h'|·|sar'|)，λ根据训练集中成熟末期样本的残差波动自动拟合，得到修正后的成熟度指数mi，输出成熟度指数mi；

19、分级阈值确定模块，与所述成熟度指数非线性修正模块连接，配置为对训练集样本的mi值进行k均值聚类分析，并结合专家经验确定分级阈值，所述分级阈值包括第一阈值0.20以及第二阈值0.55，其中mi<0.20对应i级，0.20≤mi<0.55对应ii级，mi≥0.55对应iii级；

20、动态更新模块，分别与所述数据采集与预处理模块、所述多源权重自适应融合模块、所述成熟度指数非线性修正模块以及所述分级阈值确定模块连接，配置为部署后监测新采集验证集的mi分布与训练集分布的kl散度，当散度超过预设阈值时触发上述四个模块的重计算，输出更新后的权重与阈值。

21、本发明至少包括以下有益效果：本发明所述基于机器学习的黄桃成熟度智能评价模型构建方法及系统，通过置信度因子自适应加权融合，使综合权重能够根据多个权重源的一致性动态调整，抑制了单一权重源失真对融合结果的负面影响，提升了权重确定的客观性和鲁棒性。通过引入交互抑制函数对硬度与糖酸比的协同变化进行非线性修正，弥补了纯线性模型在极端状态下预测偏差较大的不足。采用数据驱动与专家经验相结合的阈值确定方式，避免了单一方法的主观性。部署后通过kl散度监测分布变化并自动触发重计算，使模型具备了适应数据分布变化的自我维护能力。连续参考值为边缘样本保留和阈值边界确定提供了量化辅助，在不改变离散等级框架的前提下提升了信息粒度。bootstrap重采样降低了小样本下统计量波动对置信度因子计算的影响。修正系数的自动拟合实现了修正幅度的自适应调节。动态更新中的加权平滑同步重聚类保证了阈值过渡的连续性。边缘样本保留策略保护了关键边界信息，有利于提升模型边界判别精度。双重漂移检测和贝叶斯增量式调整实现了轻量级模型自适应，冻结保护防止了异常漂移导致模型崩溃。不确定性量化为分级决策提供了可靠性标尺，模糊分级提示降低了边界附近误判的风险。

22、本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。