摘要
传统称重方法需要对水果进行切割或称重，这对于采前评估和市场交易来说并不实际。所提出的方法通过仅使用外部特征提供准确的重量预测，为农民和卖家提供了一种实用的解决方案。现代技术，尤其是人工智能、数据分析和机器学习，正在农业领域引发巨大变革。农业中使用的机器学习模型之一是人工神经网络（ANN）。ANN 已成为分析农业数据、预测植物生长过程、发现疾病、确定环境因素影响、实现生产目标以及检测杂草和有害植物的重要工具。通过对 52 个西瓜进行全面检查创建了一个数据集。数据集包括声学特性、几何测量和视觉特征。数据集被划分为 40 个训练样本和 12 个测试样本。在选择测试样本时使用分层抽样，确保了平衡的代表性。使用最小 - 最大归一化方法进行数据预处理。在研究范围内全面评估了九种不同的训练算法。使用四种不同的优化算法优化 ANN 模型的八个关键参数，以提高准确率并避免过拟合。人工蜂群算法（ABC）、人工鱼群算法（AFSA）、鲸鱼优化算法（WOA）和灰狼优化器（GWO）被用作优化方法。通过五折交叉验证评估，最佳配置（单步割线法配合 WOA）实现了 0.92 ± 0.28 kg 的平均绝对误差和 1.23 ± 0.37 kg 的均方根误差，对应约平均水果重量的 10%。使用优化后的最佳模型开发实时移动应用程序将为大规模农业企业、受控环境（如温室）和农业市场提供实用性。
