楸联智益 - 不老莓数智化服务

本项目运用前沿的AI图像识别技术与深度学习算法，构建起专门针对不老莓的智能分级体系。该体系能够依据不老莓的果径、色泽、形状、成熟度等多维度指标，同时结合理化指标高效液相色谱检测技术，实现快速且精准的分级操作。

为解决市场价格波动剧烈、产销信息割裂的痛点，创新提出XG Boost与图卷积网络（GCN）融合的XGBGCN模型。通过构建以果实特征为节点、供应链关系为边权的动态拓扑网络，精准捕捉农户、经销商与电商平台间的非线性关联。

借助物联网设备和传感器，广泛收集不老莓种植过程中的各类数据，如土壤湿度、肥力、气象信息以及植株生长状况等。结合卫星遥感气象数据与加工企业需求偏好，构建生产-加工-市场闭环预测系统，输出种植品种与规模建议。

1. 果品分级

预训练阶段包括 30 轮参数微调，使模型尽早捕获与数据集特性匹配的特征。同时针对不同种类不老莓图像，在ResNet50b顶部增设全连接层实现从底层视觉特征到高层类别标签的精细化映射。然后采用预训练后 ResNet50b 模型作为特征提取模块，提取图像的高层次语义特征及抽象视觉信息。在此基础上使用 PCA 进行降维处理，将得到的特征嵌入 BO 优化后的 RF 中。实现对不同图像的高效、精准分类。

为解决传统模型无法有效平衡内部与外部综合指标的问题，设计混合编码层处理数值型与类别型数据，采用门控机制动态调节信息权重。

2. 动态定价

为解决传统定价模糊、市场价格波动剧烈、产销信息割裂的痛点，平台搭建了简易定价模型。通过收集历史交易数据、周边市场批发价和企业采购需求，结合市场供需、成本分析和历史交易记录，平台发布分级果品建议价格。 创新提出 XG Boost 与图卷积网络（GCN）融合的模型。通过构建以果实特征为节点、供应链关系为边权的动态拓扑网络，精准捕捉农户、经销商与电商平台间的非线性关联，使价格预测精度稳步提升。

3. 种植预测

生成个性化种植建议报告,指导农户调整种植品种与规模,结合历史销售与行业趋势，发布次年品质与产量预测报告，指导企业备货与农户生产。