基于改进LSTM的蘑菇生长状态时空预测算法

作     者：杨淑珍 黄杰 苑进 YANG Shuzhen;HUANG Jie;YUAN Jin

作者机构：上海第二工业大学智能制造与控制工程学院上海201209 山东农业大学机械与电子工程学院泰安271018 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2024年第55卷第3期

页      面：221-230页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 082804[工学-农业电气化与自动化] 081104[工学-模式识别与智能系统] 08[工学] 0828[工学-农业工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：上海市科技计划项目(21N21900600) 上海市科技兴农项目(2019-02-08-00-10-F01123) 山东省重点研发计划(重大科技创新工程)项目(2022CXGC010609) 

主　　题：蘑菇 生长状态预测 长短时记忆网络 扩散模型 面积差异损失函数 

摘      要：密集蘑菇簇会严重影响蘑菇质量和自动采摘成功率。为避免形成超密集蘑菇簇,提出一种蘑菇生长状态时空预测算法,对蘑菇生长状态进行预测以指导提前疏蕾。该算法采用编码器-预测器框架,将历史序列图像转换为3D张量序列作为模型的输入;编码器网络中将卷积和长短时记忆(Long short term memory, LSTM)网络融合实现对蘑菇生长的时空相关性特征的提取;在预测网络中加入扩散模型以解决预测图像的模糊问题;此外,在损失函数中增加了蘑菇面积差异损失函数来进一步减小预测蘑菇与实际蘑菇的形状和位置偏差。实验结果表明,本文算法峰值信噪比可达35.611 dB、多层级结构相似性为0.927、蘑菇预测准确性高达0.93,有效提高了蘑菇生长状态图像预测质量和精度,为食用菌生长预测提供了一种新思路。