[發(fā)明專利]果蔬失重率預測方法、裝置、電子設備及存儲介質在審
| 申請?zhí)枺?/td> | 202210579976.3 | 申請日: | 2022-05-25 |
| 公開(公告)號: | CN115184395A | 公開(公告)日: | 2022-10-14 |
| 發(fā)明(設計)人: | 史策;賈志鑫;楊信廷;吉增濤 | 申請(專利權)人: | 北京市農(nóng)林科學院信息技術研究中心 |
| 主分類號: | G01N25/00 | 分類號: | G01N25/00;G06N3/04;G06N3/08 |
| 代理公司: | 北京路浩知識產(chǎn)權代理有限公司 11002 | 代理人: | 龔利波 |
| 地址: | 100097 北京市海淀區(qū)*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 失重 預測 方法 裝置 電子設備 存儲 介質 | ||
1.一種果蔬失重率預測方法,其特征在于,包括:
將果蔬所處環(huán)境的環(huán)境溫度及所述果蔬的貯藏時間輸入到訓練好的神經(jīng)網(wǎng)絡失重率預測模型,得到所述果蔬的目標失重率預測信息;
所述訓練好的神經(jīng)網(wǎng)絡失重率預測模型是根據(jù)攜帶失重率標簽的第一數(shù)據(jù)組樣本進行訓練后得到的;所述第一數(shù)據(jù)組樣本包括所述果蔬的第一貯藏溫度樣本和所述第一貯藏溫度樣本對應的第一貯藏時間樣本。
2.根據(jù)權利要求1所述的果蔬失重率預測方法,其特征在于,在所述將果蔬所處環(huán)境的環(huán)境溫度及所述果蔬的貯藏時間輸入到訓練好的神經(jīng)網(wǎng)絡失重率預測模型之前,還包括:
獲取多個所述第一數(shù)據(jù)組樣本和每個所述第一數(shù)據(jù)組樣本對應的失重率標簽;多個所述第一數(shù)據(jù)組樣本是基于多個恒溫貯藏環(huán)境下的所述第一貯藏溫度樣本及每個所述第一貯藏溫度樣本對應的多個所述第一貯藏時間樣本確定的;
將每個所述第一數(shù)據(jù)組樣本和每個所述第一數(shù)據(jù)組樣本對應的失重率標簽作為一組訓練樣本,以獲得多組訓練樣本;
利用所述多組訓練樣本,對所述神經(jīng)網(wǎng)絡失重率預測模型進行訓練。
3.根據(jù)權利要求1所述的果蔬失重率預測方法,其特征在于,所述得到所述果蔬的目標失重率預測信息之后,還包括:
基于所述果蔬的目標失重率預測信息,確定所述果蔬的品質。
4.根據(jù)權利要求2所述的果蔬失重率預測方法,其特征在于,所述利用所述多組訓練樣本,對所述神經(jīng)網(wǎng)絡失重率預測模型進行訓練,包括:
對于任意一組訓練樣本,將所述訓練樣本輸入所述神經(jīng)網(wǎng)絡失重率預測模型,得到所述訓練樣本對應的失重率預測信息;
利用預設損失函數(shù),根據(jù)所述訓練樣本對應的失重率預測信息和所述訓練樣本對應的失重率標簽,計算損失值;
若所述損失值小于預設閾值,得到訓練好的神經(jīng)網(wǎng)絡失重率預測模型。
5.根據(jù)權利要求4所述的果蔬失重率預測方法,其特征在于,在所述得到訓練好的神經(jīng)網(wǎng)絡失重率預測模型之后,還包括:
獲取多個第二數(shù)據(jù)組樣本和每個所述第二數(shù)據(jù)組樣本對應的失重率標簽;所述多個第二數(shù)據(jù)組樣本是基于同一貯藏環(huán)境下的多個第二貯藏時間樣本和每個所述第二貯藏時間樣本對應的第二貯藏溫度樣本確定的;
將每個所述第二數(shù)據(jù)組樣本和每個所述第二數(shù)據(jù)組樣本對應的失重率標簽作為一組驗證樣本,以獲得多組驗證樣本;
利用所述多組驗證樣本,對所述訓練好的神經(jīng)網(wǎng)絡失重率預測模型進行模型評估。
6.根據(jù)權利要求1-5任一項所述的果蔬失重率預測方法,其特征在于,所述神經(jīng)網(wǎng)絡失重率預測模型是基于徑向基函數(shù)神經(jīng)網(wǎng)絡構成的,所述徑向基函數(shù)神經(jīng)網(wǎng)絡的網(wǎng)絡參數(shù)至少包括隱含層中神經(jīng)元個數(shù)的最大值和在兩次迭代中增加的神經(jīng)元個數(shù);
其中,所述隱含層中神經(jīng)元個數(shù)的最大值的取值范圍為40至50個,所述在兩次迭代中增加的神經(jīng)元個數(shù)取值范圍為1至3。
7.一種果蔬失重率預測裝置,其特征在于,包括:
預測模塊,用于將果蔬所處環(huán)境的環(huán)境溫度及所述果蔬的貯藏時間輸入到訓練好的神經(jīng)網(wǎng)絡失重率預測模型,得到所述果蔬的目標失重率預測信息;
所述訓練好的神經(jīng)網(wǎng)絡失重率預測模型是根據(jù)攜帶失重率標簽的第一數(shù)據(jù)組樣本進行訓練后得到的;所述第一數(shù)據(jù)組樣本包括所述果蔬的第一貯藏溫度樣本和所述第一貯藏溫度樣本對應的第一貯藏時間樣本。
8.一種電子設備,包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序,其特征在于,所述處理器執(zhí)行所述程序時實現(xiàn)如權利要求1至6任一項所述果蔬失重率預測方法。
9.一種非暫態(tài)計算機可讀存儲介質,其上存儲有計算機程序,其特征在于,所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至6任一項所述果蔬失重率預測方法。
10.一種計算機程序產(chǎn)品,包括計算機程序,其特征在于,所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至6任一項所述果蔬失重率預測方法。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京市農(nóng)林科學院信息技術研究中心,未經(jīng)北京市農(nóng)林科學院信息技術研究中心許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210579976.3/1.html,轉載請聲明來源鉆瓜專利網(wǎng)。
- 上一篇:雙振動片骨導揚聲器
- 下一篇:花鱸干擾素IFN-γ及其受體抗病毒組合物和應用





