本技术涉及水果保鲜，且更为具体地，涉及一种基于iot和ai的冬枣保鲜控制方法及其系统。
背景技术：
1、随着人们生活水平的提高和健康意识的增强，新鲜水果的需求日益增长。然而，水果在采摘后的贮藏过程中容易受到环境因素的影响而发生品质下降，特别是对于像冬枣这样对储存条件要求较高的水果而言，如何有效保持其新鲜度和营养价值成为了一个重要的研究课题。
2、传统的保鲜方法主要依赖于人工经验，通过定期检查和手动调节储存环境（如温度、湿度等）来尝试维持水果的新鲜度。然而，这种方法存在明显的局限性，例如监控不够精确、无法提供关于冬枣品质变化的定量分析等，从而可能因反应滞后而导致冬枣品质下降，产生经济损失。
3、近年来，随着物联网(iot)和人工智能(ai)技术的发展，为解决上述问题提供了新的思路。iot技术可以通过部署各种类型的传感器实时监测储存环境的变化，并将这些数据传输到云端或本地服务器进行处理。ai技术则可以在大量数据的基础上，实现智能化的冬枣保鲜管理和控制。
4、因此，期待一种基于iot和ai的冬枣保鲜控制方法及其系统。
技术实现思路
1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种基于iot和ai的冬枣保鲜控制方法及其系统，其采用人工智能技术对冬枣的近红外光谱图像和多项保鲜参数进行数据分析，分别捕捉到冬枣的品质特征和多模态保鲜参数的时域关联模式，并通过对两者进行细粒度交互响应分析，以挖掘出冬枣品质与保鲜参数之间的内在联系，从而智能预测冬枣的保鲜时长，并当预测出的保鲜时长低于预期时发出保鲜质量预警提示。通过这种方式，能够实现对冬枣保鲜过程的精准控制，有效提高保鲜效率，减少不必要的浪费，并且降低了人工成本。所述库内是指ai保鲜库的内部。
2、相应地，根据本技术的一个方面，提供了一种基于iot和ai的冬枣保鲜控制方法，其包括：
3、通过传感器矩阵采集库内保鲜参数的时间队列，同时获取由近红外光谱仪采集的库内冬枣的近红外光谱图像，其中，所述库内保鲜参数包括温度值、湿度值、氧气浓度值和二氧化碳浓度值；
4、对所述库内保鲜参数的时间队列进行多模态参数时序关联编码以得到库内保鲜参数多模态时序关联特征向量；
5、对所述库内冬枣的近红外光谱图像进行冬枣品质特征提取以得到冬枣品质近红外光谱表征特征向量；
6、对所述冬枣品质近红外光谱表征特征向量和所述库内保鲜参数多模态时序关联特征向量进行交互响应分析以得到冬枣品质-保鲜参数主成分粒度显著交互耦合特征向量；
7、基于所述冬枣品质-保鲜参数主成分粒度显著交互耦合特征向量，确定是否生成保鲜质量预警提示。
8、在上述基于iot和ai的冬枣保鲜控制方法中，对所述冬枣品质近红外光谱表征特征向量和所述库内保鲜参数多模态时序关联特征向量进行交互响应分析，包括：对所述冬枣品质近红外光谱表征特征向量和所述库内保鲜参数多模态时序关联特征向量分别进行主成分分析以得到冬枣品质近红外光谱主成分特征分量的集合和库内保鲜参数主成分特征分量的集合；对所述冬枣品质近红外光谱主成分特征分量的集合和所述库内保鲜参数主成分特征分量的集合进行最佳配对多尺度交互耦合以得到所述冬枣品质-保鲜参数主成分粒度显著交互耦合特征向量。
9、在上述基于iot和ai的冬枣保鲜控制方法中，对所述库内保鲜参数的时间队列进行多模态参数时序关联编码以得到库内保鲜参数多模态时序关联特征向量，包括：对所述库内保鲜参数的时间队列进行数据结构化以得到库内保鲜参数多模态时域联合矩阵；将所述库内保鲜参数多模态时域联合矩阵输入基于空洞卷积神经网络模型的保鲜参数时序关联特征提取器以得到所述库内保鲜参数多模态时序关联特征向量。
10、在上述基于iot和ai的冬枣保鲜控制方法中，对所述库内冬枣的近红外光谱图像进行冬枣品质特征提取以得到冬枣品质近红外光谱表征特征向量，包括：将所述库内冬枣的近红外光谱图像输入基于全连接卷积神经网络模型的冬枣品质特征提取器以得到所述冬枣品质近红外光谱表征特征向量。
11、在上述基于iot和ai的冬枣保鲜控制方法中，对所述冬枣品质近红外光谱表征特征向量进行主成分分析以得到冬枣品质近红外光谱主成分特征分量的集合，包括：计算所述冬枣品质近红外光谱表征特征向量的协方差矩阵以得到冬枣品质近红外光谱特征协方差矩阵，并对所述冬枣品质近红外光谱特征协方差矩阵进行特征值分解以得到冬枣品质近红外光谱主成分特征值的集合和对应的所述冬枣品质近红外光谱主成分特征分量的集合。
12、在上述基于iot和ai的冬枣保鲜控制方法中，对所述冬枣品质近红外光谱主成分特征分量的集合和所述库内保鲜参数主成分特征分量的集合进行最佳配对多尺度交互耦合以得到所述冬枣品质-保鲜参数主成分粒度显著交互耦合特征向量，包括：以所述冬枣品质近红外光谱主成分特征分量的集合中的各个冬枣品质近红外光谱主成分特征分量作为查询向量，且以所述库内保鲜参数主成分特征分量的集合作为查询库，从所述查询库中匹配出与各个所述查询向量最优匹配的库内保鲜参数主成分特征分量以得到{冬枣品质近红外光谱主成分特征分量；库内保鲜参数主成分特征分量}最佳匹配对的集合；对所述{冬枣品质近红外光谱主成分特征分量；库内保鲜参数主成分特征分量}最佳匹配对的集合进行多尺度交互融合以得到所述冬枣品质-保鲜参数主成分粒度显著交互耦合特征向量。
13、在上述基于iot和ai的冬枣保鲜控制方法中，从所述查询库中匹配出与各个所述查询向量最优匹配的库内保鲜参数主成分特征分量以得到{冬枣品质近红外光谱主成分特征分量；库内保鲜参数主成分特征分量}最佳匹配对的集合，包括：计算所述查询向量与所述查询库中的各个库内保鲜参数主成分特征分量之间的马氏距离以得到冬枣品质-保鲜参数主成分匹配差异系数的集合；选择所述冬枣品质-保鲜参数主成分匹配差异系数的集合中的最小值对应的库内保鲜参数主成分特征分量作为所述查询向量的最优匹配结果以得到所述{冬枣品质近红外光谱主成分特征分量；库内保鲜参数主成分特征分量}最佳匹配对。
14、在上述基于iot和ai的冬枣保鲜控制方法中，对所述{冬枣品质近红外光谱主成分特征分量；库内保鲜参数主成分特征分量}最佳匹配对的集合进行多尺度交互融合以得到所述冬枣品质-保鲜参数主成分粒度显著交互耦合特征向量，包括：将所述{冬枣品质近红外光谱主成分特征分量；库内保鲜参数主成分特征分量}最佳匹配对的集合中的各个{冬枣品质近红外光谱主成分特征分量；库内保鲜参数主成分特征分量}最佳匹配对分别输入多尺度交互响应耦合模块以得到冬枣品质-保鲜参数最佳匹配对多尺度交互耦合表示向量的集合；将所述冬枣品质-保鲜参数最佳匹配对多尺度交互耦合表示向量的集合进行级联以得到所述冬枣品质-保鲜参数主成分粒度显著交互耦合特征向量。
15、在上述基于iot和ai的冬枣保鲜控制方法中，将所述{冬枣品质近红外光谱主成分特征分量；库内保鲜参数主成分特征分量}最佳匹配对的集合中的各个{冬枣品质近红外光谱主成分特征分量；库内保鲜参数主成分特征分量}最佳匹配对分别输入多尺度交互响应耦合模块以得到冬枣品质-保鲜参数最佳匹配对多尺度交互耦合表示向量的集合，包括：分别计算所述{冬枣品质近红外光谱主成分特征分量；库内保鲜参数主成分特征分量}最佳匹配对中的冬枣品质近红外光谱主成分特征分量和库内保鲜参数主成分特征分量之间的按位置点加、按位置点减和按位置点乘以得到第一最佳匹配交互表示向量、第二最佳匹配交互表示向量和第三最佳匹配交互表示向量；将所述第一最佳匹配交互表示向量、所述第二最佳匹配交互表示向量和所述第三最佳匹配交互表示向量级联融合后输入包含最大值池化层的一维卷积层以得到冬枣品质-保鲜参数主成分最佳匹配多尺度交互表示向量；选择所述冬枣品质近红外光谱主成分特征分量的二范数、所述库内保鲜参数主成分特征分量的二范数和预设尺度调节参数中的最大值作为尺度缩放因子，将所述冬枣品质-保鲜参数主成分最佳匹配多尺度交互表示向量中的各个特征值除以所述尺度缩放因子以得到所述冬枣品质-保鲜参数最佳匹配对多尺度交互耦合表示向量。
16、在上述基于iot和ai的冬枣保鲜控制方法中，基于所述冬枣品质-保鲜参数主成分粒度显著交互耦合特征向量，确定是否生成保鲜质量预警提示，包括：将所述冬枣品质-保鲜参数主成分粒度显著交互耦合特征向量输入基于解码器的保鲜时长预测模块以得到保鲜时长预测解码值；基于所述保鲜时长预测解码值与预设阈值之间的比较，确定是否生成所述保鲜质量预警提示。
17、根据本技术的另一个方面，提供了一种基于iot和ai的冬枣保鲜控制系统，其包括：
18、数据获取模块，用于通过传感器矩阵采集库内保鲜参数的时间队列，同时获取由近红外光谱仪采集的库内冬枣的近红外光谱图像，其中，所述库内保鲜参数包括温度值、湿度值、氧气浓度值和二氧化碳浓度值；
19、多模态参数时序关联编码模块，用于对所述库内保鲜参数的时间队列进行多模态参数时序关联编码以得到库内保鲜参数多模态时序关联特征向量；
20、冬枣品质特征提取模块，用于对所述库内冬枣的近红外光谱图像进行冬枣品质特征提取以得到冬枣品质近红外光谱表征特征向量；
21、交互响应分析模块，用于对所述冬枣品质近红外光谱表征特征向量和所述库内保鲜参数多模态时序关联特征向量进行交互响应分析以得到冬枣品质-保鲜参数主成分粒度显著交互耦合特征向量；
22、保鲜质量预警模块，用于基于所述冬枣品质-保鲜参数主成分粒度显著交互耦合特征向量，确定是否生成保鲜质量预警提示。
23、与现有技术相比，本技术提供的基于iot和ai的冬枣保鲜控制方法及其系统，其采用人工智能技术对冬枣的近红外光谱图像和多项保鲜参数进行数据分析，分别捕捉到冬枣的品质特征和多模态保鲜参数的时域关联模式，并通过对两者进行细粒度交互响应分析，以挖掘出冬枣品质与保鲜参数之间的内在联系，从而智能预测冬枣的保鲜时长，并当预测出的保鲜时长低于预期时发出保鲜质量预警提示。通过这种方式，能够实现对冬枣保鲜过程的精准控制，有效提高保鲜效率，减少不必要的浪费，并且降低了人工成本。
1.一种基于iot和ai的冬枣保鲜控制方法，其特征在于，包括：
2.根据权利要求1所述的基于iot和ai的冬枣保鲜控制方法，其特征在于，对所述库内保鲜参数的时间队列进行多模态参数时序关联编码以得到库内保鲜参数多模态时序关联特征向量，包括：
3.根据权利要求2所述的基于iot和ai的冬枣保鲜控制方法，其特征在于，对所述库内冬枣的近红外光谱图像进行冬枣品质特征提取以得到冬枣品质近红外光谱表征特征向量，包括：
4.根据权利要求3所述的基于iot和ai的冬枣保鲜控制方法，其特征在于，对所述冬枣品质近红外光谱表征特征向量进行主成分分析以得到冬枣品质近红外光谱主成分特征分量的集合，包括：
5.根据权利要求4所述的基于iot和ai的冬枣保鲜控制方法，其特征在于，对所述冬枣品质近红外光谱主成分特征分量的集合和所述库内保鲜参数主成分特征分量的集合进行最佳配对多尺度交互耦合以得到所述冬枣品质-保鲜参数主成分粒度显著交互耦合特征向量，包括：
6.根据权利要求5所述的基于iot和ai的冬枣保鲜控制方法，其特征在于，从所述查询库中匹配出与各个所述查询向量最优匹配的库内保鲜参数主成分特征分量以得到{冬枣品质近红外光谱主成分特征分量；库内保鲜参数主成分特征分量}最佳匹配对的集合，包括：
7.根据权利要求6所述的基于iot和ai的冬枣保鲜控制方法，其特征在于，对所述{冬枣品质近红外光谱主成分特征分量；库内保鲜参数主成分特征分量}最佳匹配对的集合进行多尺度交互融合以得到所述冬枣品质-保鲜参数主成分粒度显著交互耦合特征向量，包括：
8.根据权利要求7所述的基于iot和ai的冬枣保鲜控制方法，其特征在于，将所述{冬枣品质近红外光谱主成分特征分量；库内保鲜参数主成分特征分量}最佳匹配对的集合中的各个{冬枣品质近红外光谱主成分特征分量；库内保鲜参数主成分特征分量}最佳匹配对分别输入多尺度交互响应耦合模块以得到冬枣品质-保鲜参数最佳匹配对多尺度交互耦合表示向量的集合，包括：
9.根据权利要求8所述的基于iot和ai的冬枣保鲜控制方法，其特征在于，基于所述冬枣品质-保鲜参数主成分粒度显著交互耦合特征向量，确定是否生成保鲜质量预警提示，包括：
10.一种基于iot和ai的冬枣保鲜控制系统，其特征在于，包括：
