计算机工程与科学

作者：翟乃琦, 云利军, 叶志霞, 王一博, 李亚召

单位：（云南师范大学信息学院，云南 昆明 650000）

关键词：烟叶霉变,卷积神经网络,霉变预测,

基金：云南省应用基础研究计划重点项目（2018FA033）；云南师范大学研究生科研创新基金（ysdyjs2019152）

针对烟叶存储期间的霉变问题，传统的防治措施效果欠佳，且已有的烟叶霉变预测模型的准确率较低，不能有效减少烟叶霉变现象的发生。为了提高预测烟叶霉变状态的准确率，提出了一种基于一维卷积深度神经网络（1D-CNN）的方法。以采集终端传感器数据为基础，对其进行标准化处理，得到模型训练特征，训练一个1D-CNN来预测烟叶霉变状态，优化网络结构，实验结果表明所提方法的预测准确率高于其它传统模型。最后，设计并实现了烟叶仓储霉变智能监测系统，实现了烟叶霉变的实时预测功能，取得了较好的效果。

来源：2021年第10期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2021年第10期