基于预测模型的农产品选品优化调度方法与流程

摘要: 本发明涉及农产品调度。更具体地,本发明涉及一种基于预测模型的农产品选品优化调度方法。背景技术:1、农产品在采后流通过程中受自身生物特性与外部环境条件共同作用,其...
基于预测模型的农产品选品优化调度方法与流程

本发明涉及农产品调度。更具体地,本发明涉及一种基于预测模型的农产品选品优化调度方法。

背景技术:

1、农产品在采后流通过程中受自身生物特性与外部环境条件共同作用,其品质呈动态演变。果蔬类农产品采后持续进行细胞呼吸,内部糖分、酸度、硬度等品质指标随时间发生不可逆生化降解,降解速率受温度、湿度等环境参数的非线性调控。不同农产品品类之间存在天然的气体交叉影响机制,乙烯敏感型品类在乙烯释放型品类的邻近存储下会加速成熟衰败。上述自然属性决定了农产品可供货窗口极为有限,不同品类在同一存储与运输环境中的品质衰减轨迹相互耦合,导致选品决策与调度排期须在严格的自然时效约束下完成。如何构建融合农产品生物降解规律与多品类环境交互特性的预测优化方法,是实现精准选品与高效调度的核心科学问题。

2、时间融合变换器(temporal fusion transformer,tft)通过门控残差网络与多头自注意力机制的协同设计,对静态属性、已知周期性输入与历史时序观测进行联合建模,具备多步时序预测能力与特征重要性的可解释性输出。但是对农产品选品进行优化调度时,不同农产品品类的呼吸速率、乙烯释放强度及温湿度敏感系数存在本质差异,同一调度批次内各品类的品质衰减轨迹呈现相位不同步、速率非线性的异质演化特征。原始tft的多头自注意力机制对所有品类与时步采用统一的query生成规则,无法感知不同品类在特定衰减阶段对历史观测窗口的差异化依赖程度。当多个品类同时处于各自衰减曲线的关键转折期且转折时刻相互错位时,统一query机制将导致多品类并行预测精度参差不齐,引发调度优先级排序偏差与选品方案的系统性偏差。

技术实现思路

1、本发明提供一种基于预测模型的农产品选品优化调度方法,旨在解决相关技术中原始tft的多头自注意力机制对所有品类与时步采用统一的query生成规则,无法感知不同品类在特定衰减阶段对历史观测窗口的差异化依赖程度的问题。

2、本发明提供了基于预测模型的农产品选品优化调度方法,包括:获取各品类农产品的呼吸速率,并计算设定时长内呼吸速率的均值得到基线呼吸速率;构建各品类在各时刻的呼吸跃变相位指数,所述呼吸跃变相位指数表征该品类农产品在当前时刻的呼吸速率相对基线呼吸速率的偏离程度;构建各品类在各时刻的品质衰减耦合系数,所述品质衰减耦合系数反映了混合储运场景下跨品类乙烯诱导对该品类品质衰减的影响程度;将该品类在各时刻的呼吸速率系数除以该品类在各时刻的品质衰减耦合系数,得到该品类在各时刻的历史依赖跨度权重;将所述历史依赖跨度权重作为时序指数衰减掩码的调制参数,对时序预测模型的自注意力得分进行加权,以预测各品类的未来品质状态;根据所述未来品质状态确定各品类的调度优先级与存放分区策略。该方法打破了现有农产品预测模型在处理混合储运场景时对所有目标采用统一历史观测窗口的局限性,通过动态结合果蔬自身的呼吸代谢状态与外界环境催熟压力,为不同果蔬量身定制了差异化的模型注意力权重,从而在复杂的生鲜冷链物流中,能够精准地预测出存在相互催熟干扰情况下的真实品质衰败轨迹,有效避免了因货架期预估错误导致的生鲜大面积腐烂损耗,实现了高时效性的排期调度。

3、进一步的,各品类在各时刻的呼吸跃变相位指数的获取方法,包括:计算出第个品类在时刻的呼吸速率与第个品类的基线呼吸速率的比值,并计算出时刻的呼吸速率与-1时刻的呼吸速率的差值的绝对值,所述呼吸跃变相位指数与所述比值和所述差值的绝对值均呈正相关。消除了不同种类农产品之间因基础代谢率不同而产生的尺度混淆,使得监控系统在实际储运检测中,能够敏锐且准确地捕捉到任意果蔬从稳定缓慢期突变为急剧衰败期的瞬时生理变化特征,为后续差异化的模型计算提供了标准化的底层数据支持。

4、进一步的,各品类在各时刻的品质衰减耦合系数的获取方法,包括:计算第个品类在时刻的呼吸跃变相位指数与第个品类的乙烯敏感等级的乘积,再计算出除第个品类之外的所有品类的呼吸跃变相位指数与各自乙烯释放系数的乘积之和的均值,将两个计算结果相乘,得到第个品类在时刻的品质衰减耦合系数。该方法弥补了传统单品类预测方法忽视环境气体交叉影响的漏洞,能够在苹果、香蕉等多种果蔬共装于同一冷藏车或冷库的场景下,直观且量化地评估出高乙烯释放物对高敏感品种造成的催熟加速压力,避免了调度决策由于未考虑相邻货物影响而产生的严重滞后。

5、进一步的,还包括对获取的数据进行预处理:所述预处理为采用3σ准则对各传感器数据进行异常值检测与剔除,以线性插值补全因设备间歇性故障导致的缺失值。

6、进一步的,包括:从usda agricultural handbook 66及gb/t系列标准中获取各品类的呼吸速率系数、乙烯敏感等级和乙烯释放系数。

7、进一步的,对时序预测模型的自注意力得分进行加权,包括:对自注意力得分施加基于所述历史依赖跨度权重的掩码,使远期历史时步的注意力得分随历史依赖跨度权重的减小而衰减。该方法改良了传统tft算法的注意力分配机制,使得模型在果蔬进入快速腐败期时能够自动屏蔽掉无效的远期历史干扰噪音而聚焦近期的突变恶化趋势,在果蔬处于稳定期时又能有效利用长线规律,进而大幅提升了多品类并行预测的贴合度。

8、进一步的,掩码的计算需满足以下关系式:;式中,为第个品类在时刻进行预测时,对历史时刻的注意力保留程度,为历史时步,为当前时刻与历史时步的时序距离,为总历史窗口长度;为第个品类在时刻的历史依赖跨度权重。利用特定的衰减掩码公式实现了具有物理生物学意义的算法调节,让预测模型不仅具有数据层面的拟合能力,更能真实反映出具体农产品因内在代谢快慢及外部环境压力综合作用下的历史依赖渐忘规律,保障了衰减预测轨迹的合理性。

9、进一步的,预测各品类的未来品质状态,包括:将加权后的时序预测模型部署于农产品选品优化调度系统中,以多品类同步观测矩阵为输入,其中多品类同步观测矩阵包含各品类呼吸速率、品质校准数据及温湿度协变量;输出各品类的未来品质状态。

10、进一步的,所述调度优先级的确定方法包括:根据各品类的未来品质状态预测结果,计算各品类从当前时刻至品质指标首次跌破预设阈值的时间长度,作为可售时间窗口;以所述可售时间窗口升序对各品类进行排序,得到调度优先级序列。

11、进一步的,所述存放分区策略的确定方法包括:对于同一批次内共同存放的多种品类,若某品类的乙烯释放系数与另一品类的乙烯敏感等级均大于各自的预设阈值,则将所述两种品类划分至不同存放分区。

12、有益效果:针对复杂冷链物流中多品类农产品混合储运产生的交叉催熟加速腐败问题,构建呼吸跃变相位指数与品质衰减耦合系数,精准量化了果蔬所处生理阶段及跨品类乙烯诱导带来的衰变压力,并以此动态调节tft预测模型对历史数据的注意力权重。最终精准预判各品类的剩余可售时间,为生鲜供应链提供防损的出库排期与物理防串味隔离方案。

1.一种基于预测模型的农产品选品优化调度方法,其特征在于,包括:

2.根据权利要求1所述的基于预测模型的农产品选品优化调度方法,其特征在于,各品类在各时刻的呼吸跃变相位指数的获取方法,包括:

3.根据权利要求1所述的基于预测模型的农产品选品优化调度方法,其特征在于,各品类在各时刻的品质衰减耦合系数的获取方法,包括:

4.根据权利要求3所述的基于预测模型的农产品选品优化调度方法,其特征在于,还包括对获取的数据进行预处理:

5.根据权利要求3或4所述的基于预测模型的农产品选品优化调度方法,其特征在于,包括:

6.根据权利要求1所述的基于预测模型的农产品选品优化调度方法,其特征在于,对时序预测模型的自注意力得分进行加权,包括:

7.根据权利要求6所述的基于预测模型的农产品选品优化调度方法,其特征在于,掩码的计算需满足以下关系式:

8.根据权利要求1所述的基于预测模型的农产品选品优化调度方法,其特征在于,预测各品类的未来品质状态,包括:

9.根据权利要求1所述的基于预测模型的农产品选品优化调度方法,其特征在于,所述调度优先级的确定方法包括:

10.根据权利要求1所述的基于预测模型的农产品选品优化调度方法,其特征在于,所述存放分区策略的确定方法包括: