融合视觉物候与气象序列的温室草莓短期产量预测方法

《Agronomy》：A Short-Term Yield Prediction Method for Greenhouse Strawberries Integrating Visual Phenology and Meteorological Sequences

　　

高度易腐草莓对采后时间管理要求严格，使得精准短期产量预测成为优化现代温室生产与供应链调度的核心。然而，现有模型过度依赖孤立环境因素，对实际作物生理动态响应滞后，且难以整合多模态数据。为克服这些局限，研究人员提出一种融合视觉物候与气象序列的温室草莓短期产量预测方法。该方法利用来自150株跟踪温室草莓植株、为期72天监测期（2025年12月11日至2026年2月20日）的多模态数据集进行验证，该数据集包含连续微气候记录及标注为五个不同物候类别（花、绿果、白果、粉果、红果）的784张原始图像库。首先，利用改进的YOLO11-SC模型，有效解决复杂光照与密集叶片遮挡挑战，实现五个连续草莓物候阶段的高精度自动提取。其次，通过将这些视觉标记与气象时间序列（如温度、湿度、光强）融合，构建多模态时空特征矩阵。为适应多样化智慧农业应用场景，设计两种预测架构：在计算资源充足的服务器上，采用带自注意力机制的双向时序卷积网络（Bidirectional Temporal Convolutional Network with self-attention, BiTCN-SA）实现高精度预测；在资源受限的物联网（Internet of Things, IoT）边缘节点上，采用轻量级机器学习集成（Stack-LGR）。实验结果表明，在预测下一采收周期内累积成熟果实时，BiTCN-SA表现优异，决定系数（coefficient of determination, R2）达0.958，均方根误差（root mean square error, RMSE）为3.154。同时，边缘部署的Stack-LGR集成在确保可接受推理延迟的同时维持稳定预测精度（R2 = 0.892）。本研究缓解了单一环境驱动模型的滞后局限，为精准作物产量预测与分层计算部署提供了解决方案，具备良好预测性能、部署适应性与方法论参考价值。

研究背景方面，草莓作为高经济价值园艺作物，易腐且采后货架期极短，市场价格对产量波动敏感，因此高精度短期产量预测是实现生产要素精准配置、供应链高效周转及经济效益最大化的核心驱动力。传统产量预测依赖人工田间采样，存在滞后、成本高及观测偏差问题。早期统计方法如皮尔逊相关分析与多元线性回归聚焦气象变量与最终产量的相关性，但难以建模设施农业中高度非线性的微气候交互，且缺乏作物表型性状直接观测。后续机器学习与深度学习虽提升非线性处理能力，但单模态感知存在固有局限：基于计算机视觉的技术仅能提供静态作物状况快照，无法预见未来环境变化对发育的影响；仅基于气象数据的模型忽视作物实际物候阶段，导致短期产量波动预测存在显著滞后与高误差。为此，研究人员提出融合视觉物候与气象序列的短期产量预测方法（PRED-VPMS），旨在缓解单模态环境模型的时间滞后，为异构计算环境下的适时采收调度与冷链物流优化提供理论依据与部署范式。

关键技术方法方面，研究人员使用的数据来源于中国云南农业大学智能农业玻璃温室，监测品种为‘Benihoppe’草莓，选取150株健康植株在72天监测期内每3天采集一次图像与气象数据，排除盆栽区仅保留升降栽培架数据以避免混杂变量。关键技术包括：改进YOLO11-SC目标检测模型，在骨干网嵌入挤压激励（Squeeze-and-Excitation, SE）模块并在颈部引入卷积块注意力模块（Convolutional Block Attention Module, CBAM）以提取五类物候特征；构建基于“后向–前向”时间窗的多模态融合策略，将第T天的5维物候向量与T-3至T+2的6天19维气象序列（含日均温、积温Growing Degree Days, GDD、昼夜温差Day–Night Temperature Difference, DND等）耦合；针对服务器端设计双向时序卷积网络结合自注意力机制（BiTCN-SA），针对边缘端设计基于Lasso、梯度提升回归（Gradient Boosting Regression, GBR）与岭回归的两层堆叠集成（Stack-LGR）。

研究结果部分，首先是3.1视觉物候特征提取模型。通过定量评估YOLO11-SC在精确率（Precision, P）、召回率（Recall, R）、平均精度均值（mean Average Precision, mAP）及F1分数指标上的表现，证实其在复杂温室下P达87.6%、R达86.7%、mAP@0.5达86.3%。消融实验表明SE与CBAM协同作用优于单一模块，Grad-CAM热图可视化验证双注意力机制能精准聚焦暴露果实几何区域并抑制背景噪声，为下游矩阵构建提供可靠数据基础。

其次是3.2基于轻量级机器学习的产量预测方法。Stack-LGR在测试集上R2达0.892，RMSE降至5.058，MAE为3.865，较单一GBR的RMSE降低22.3%。五折交叉验证显示各折R2在0.887至0.899间波动，均值0.892±0.004，证明稳定性。特征贡献分析表明粉果计数权重最高（0.28），其次为室内均温（0.22），符合粉色果为红果直接前体及热积累驱动成熟的农艺机制。残差诊断显示其预测分布紧密贴合1:1基准线，克服了Lasso的线性偏误与GBR的气象噪声敏感问题。

接着是3.3基于深度学习的高精度产量预测方法。BiTCN-SA在下一采收周期预测中R2达0.958，RMSE为3.154，MAE为2.049，较无注意力的BiTCN的RMSE再降19%。五折交叉验证R2均值0.958±0.005。自注意力可视化显示网络自主分配峰值权重（0.96）给第T天粉果库存，并对气温、GDD及昼夜温差赋予较高权重，验证了模型捕捉物候递进与环境耦合关系的能力。

然后是3.4机器学习与深度学习方法适用性综合比较与讨论。BiTCN-SA因膨胀因果卷积与原生处理高维矩阵在非线性动态耦合关系提取上优于依赖手工特征的Stack-LGR，但计算成本约4 MFLOPs需GPU加速，适合服务器端；Stack-LGR总计算成本约4.9×104 FLOPs，极轻量适合农业物联网（IoT）边缘设备。两者在现代可控环境农业估产中互为互补。

最后是3.5多模态融合有效性分析。模态消融表明仅用气象数据时Stack-LGR与BiTCN-SA的R2仅为0.605与0.671，仅用完整物候时升至0.759与0.813，多模态融合后BiTCN-SA的R2提升至0.958，证实物候提供生理静态基线、气象提供动态环境驱动的互补性。

讨论部分总结，研究人员将现有研究分为纯视觉、纯气象及多模态融合三类进行评述。纯视觉模型如YOLOv5-ASFF、Mask R-CNN+Deep SORT虽在静态库存估算精度极高，但无法动态感知未来温湿突变对转色周期的影响；本研究YOLO11-SC仅作特征提取转为生理基线输入时序网络以弥补该缺陷。纯气象模型如广义加性模型（Generalized Additive Model, GAM）、LSTM面临“同温异效”理论挑战，即缺乏物候信息无法判定气象对开花或坐果期的正反作用，导致精度存上限。现有多模态研究多采特征级融合或静态时间对齐，忽视环境刺激与果实成熟的延迟响应，且多面向大田尺度引入额外不确定性。本研究PRED-VPMS引入物候引导的时间融合机制，以五维物候矢量为生理锚点、六天双向气象窗捕捉历史积累与未来调控，克服单模局限，并提供服务端BiTCN-SA与边缘端Stack-LGR的分层部署弹性。

结论部分翻译，为解决现代设施草莓生产短期产量预测难与气象响应滞后等行业痛点，研究人员提出并验证了一种融合视觉物候与气象序列的温室草莓短期产量预测方法。首先，通过在YOLO11目标检测网络中引入注意力机制进行优化，有效克服复杂温室环境果实遮挡挑战，实现五个连续草莓物候阶段高精度自动提取。这些视觉物候特征与气象序列的深度融合为下游预测构建了极具价值的高维时空特征矩阵。基于此特征工程，设计的BiTCN-SA深度学习模型在预测下一采收周期红果产量中表现强劲（R2 = 0.958，RMSE = 3.154），在生物学机制层面成功印证了早期热积累驱动与近期粉/白转红果协同发育规律。此外，考量智慧农业实际部署需求，系统评估证实高精度BiTCN-SA适用于计算资源充足的服务端平台；同步构建的Stack-LGR模型因其极低计算复杂度与强抗过拟合稳定性，为资源受限农业物联网（IoT）边缘设备提供可靠轻量替代方案。综上，研究在算法层面解决农业多源数据融合短期产量预测难题，为适时采收调度与冷链优化提供决策支持。尽管多模态框架在短期草莓估产展现良好性能，仍存在局限：当前依赖参考日后观测气象序列而非完全运行预报系统，实际部署需数值天气预报或温室气候预测模型替代；数据源于单季单温室站点，有限样本规模可能限制框架在多样环境、栽培实践或品种下的泛化与稳定；未进行多地地理外部验证以评估区域气候变率下的稳健性。未来将聚焦扩展至多站点多年观测、整合集成概率天气预报以更好考虑气象不确定性；测试不同温室管理实践以验证模型迁移性确保精准农业广泛适用；开展与代表性草莓检测模型对比实验进一步评估方法与稳健性；延伸预测视界至7天及14天长期预报，深入弱苗生长动态以提升异质植株活力下的鲁棒性与精度，系统评估遮挡低照等挑战及类间混淆并分析绝对计数与比率等替代特征表示以增性能，并在其他作物验证该方法。

论文发表于《Agronomy》。