摘要
水果品质受到采前生长条件、采收状态以及采后存储环境的多方面影响，而现有的方法通常只关注单一阶段，因此在同时支持跨阶段品质预测、经济价值评估和实际运营决策方面存在局限。为了解决智能果园管理和采后质量控制的需求，提出了Pre2Post-EcoLLM这一统一框架，它整合了水果和树冠的RGB图像、环境和土壤传感数据、采后温度和相对湿度、二氧化碳和氧气（CO?）等信息。此外，该框架还结合了挥发性有机化合物（VOC）的测量数据、管理记录以及经济信息。首先，生长到采收的多模态表示模块通过考虑生长阶段的特征来构建采收质量状态。随后，跨阶段品质-经济协同演化模块将采收状态持续融入采后时间演化过程中，共同预测可溶性固形物含量（SSC）、硬度、重量损失、腐烂风险和剩余保质期，并进一步估算商业等级、可销售率、经济损失和净收益。最后，基于证据的农业大型语言模型（LLM）问答模块结合结构化模型证据、检索增强生成（RAG）获得的农业知识以及经济计算器的输出结果，为存储和销售决策提供可追溯的自然语言解释。 实验结果表明，Pre2Post-EcoLLM在采收和采后品质预测方面的总体平均绝对误差（MAE）为，均方根误差（RMSE）为，平均绝对百分比误差（MAPE）为，具体数值分别为（SSC）、（硬度）、（重量损失率）。腐烂风险的F1分数和接收者操作特征曲线下面积（AUC）也达到了相应的水平。剩余保质期的MAE得到显著降低，经济MAE和经济指标也有所改善。存储-销售决策的准确性以及问答的F1分数也达到了较高的水平。在农业问答方面，答案的准确性和真实性也有显著提高，而错误率则有所下降。消融实验进一步验证了生长阶段感知融合、跨阶段状态注入、时间品质演化、经济耦合和基于证据的问答方法的有效性。这些结果表明，所提出的框架能够有效连接采前传感、采后品质演变和经济决策，为水果品质的生命周期评估和智能存储管理提供了实用的智能解决方案。
