预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115184395A(43)申请公布日2022.10.14(21)申请号202210579976.3(22)申请日2022.05.25(71)申请人北京市农林科学院信息技术研究中心地址100097北京市海淀区曙光花园中路11号农科大厦A座1107(72)发明人史策贾志鑫杨信廷吉增涛(74)专利代理机构北京路浩知识产权代理有限公司11002专利代理师龚利波(51)Int.Cl.G01N25/00(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书10页附图1页(54)发明名称果蔬失重率预测方法、装置、电子设备及存储介质(57)摘要本发明提供一种果蔬失重率预测方法、装置、电子设备及存储介质,包括:将果蔬所处环境的环境温度及所述果蔬的贮藏时间输入到训练好的神经网络失重率预测模型,得到所述果蔬的目标失重率预测信息;所述训练好的神经网络失重率预测模型是根据携带失重率标签的第一数据组样本进行训练后得到的;所述第一数据组样本包括所述果蔬的第一贮藏温度样本和所述第一贮藏温度样本对应的第一贮藏时间样本。本发明预测结果准确,过程操作简单,可以在果蔬的运输过程中对果蔬的失重率信息进行快速准确的实时动态监测,有效提升了果蔬品质控制的能力,有利于实现在贮藏及物流运输过程中对果蔬品质的实时追踪与管理。CN115184395ACN115184395A权利要求书1/2页1.一种果蔬失重率预测方法,其特征在于,包括:将果蔬所处环境的环境温度及所述果蔬的贮藏时间输入到训练好的神经网络失重率预测模型,得到所述果蔬的目标失重率预测信息;所述训练好的神经网络失重率预测模型是根据携带失重率标签的第一数据组样本进行训练后得到的;所述第一数据组样本包括所述果蔬的第一贮藏温度样本和所述第一贮藏温度样本对应的第一贮藏时间样本。2.根据权利要求1所述的果蔬失重率预测方法,其特征在于,在所述将果蔬所处环境的环境温度及所述果蔬的贮藏时间输入到训练好的神经网络失重率预测模型之前,还包括:获取多个所述第一数据组样本和每个所述第一数据组样本对应的失重率标签;多个所述第一数据组样本是基于多个恒温贮藏环境下的所述第一贮藏温度样本及每个所述第一贮藏温度样本对应的多个所述第一贮藏时间样本确定的;将每个所述第一数据组样本和每个所述第一数据组样本对应的失重率标签作为一组训练样本,以获得多组训练样本;利用所述多组训练样本,对所述神经网络失重率预测模型进行训练。3.根据权利要求1所述的果蔬失重率预测方法,其特征在于,所述得到所述果蔬的目标失重率预测信息之后,还包括:基于所述果蔬的目标失重率预测信息,确定所述果蔬的品质。4.根据权利要求2所述的果蔬失重率预测方法,其特征在于,所述利用所述多组训练样本,对所述神经网络失重率预测模型进行训练,包括:对于任意一组训练样本,将所述训练样本输入所述神经网络失重率预测模型,得到所述训练样本对应的失重率预测信息;利用预设损失函数,根据所述训练样本对应的失重率预测信息和所述训练样本对应的失重率标签,计算损失值;若所述损失值小于预设阈值,得到训练好的神经网络失重率预测模型。5.根据权利要求4所述的果蔬失重率预测方法,其特征在于,在所述得到训练好的神经网络失重率预测模型之后,还包括:获取多个第二数据组样本和每个所述第二数据组样本对应的失重率标签;所述多个第二数据组样本是基于同一贮藏环境下的多个第二贮藏时间样本和每个所述第二贮藏时间样本对应的第二贮藏温度样本确定的;将每个所述第二数据组样本和每个所述第二数据组样本对应的失重率标签作为一组验证样本,以获得多组验证样本;利用所述多组验证样本,对所述训练好的神经网络失重率预测模型进行模型评估。6.根据权利要求1‑5任一项所述的果蔬失重率预测方法,其特征在于,所述神经网络失重率预测模型是基于径向基函数神经网络构成的,所述径向基函数神经网络的网络参数至少包括隐含层中神经元个数的最大值和在两次迭代中增加的神经元个数;其中,所述隐含层中神经元个数的最大值的取值范围为40至50个,所述在两次迭代中增加的神经元个数取值范围为1至3。7.一种果蔬失重率预测装置,其特征在于,包括:预测模块,用于将果蔬所处环境的环境温度及所述果蔬的贮藏时间输入到训练好的神2CN115184395A权利要求书2/2页经网络失重率预测模型,得到所述果蔬的目标失重率预测信息;所述训练好的神经网络失重率预测模型是根据携带失重率标签的第一数据组样本进行训练后得到的;所述第一数据组样本包括所述果蔬的第一贮藏温度样本和所述第一贮藏温度样本对应的第一贮藏时间样本。8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述