[發明專利]果蔬失重率預測方法、裝置、電子設備及存儲介質

在審

• 申請號: 202210579976.3
• 申請日: 2022-05-25
• 公開（公告）號: CN115184395A
• 公開（公告）日: 2022-10-14
• 發明（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: 北京路浩知識產權代理有限公司 11002
• 代理人: 龔利波

本發明提供一種果蔬失重率預測方法、裝置、電子設備及存儲介質，包括：將果蔬所處環境的環境溫度及所述果蔬的貯藏時間輸入到訓練好的神經網絡失重率預測模型，得到所述果蔬的目標失重率預測信息；所述訓練好的神經網絡失重率預測模型是根據攜帶失重率標簽的第一數據組樣本進行訓練后得到的；所述第一數據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。本發明預測結果準確，過程操作簡單，可以在果蔬的運輸過程中對果蔬的失重率信息進行快速準確的實時動態監測，有效提升了果蔬品質控制的能力，有利于實現在貯藏及物流運輸過程中對果蔬品質的實時追蹤與管理。

技術領域

本發明涉及食品安全檢測技術領域，尤其涉及一種果蔬失重率預測方法、裝置、電子設備及存儲介質。

背景技術

果蔬作為生鮮易腐產品，具有極高的營養價值，深受廣大消費者的青睞。目前，果蔬的主要銷售形式是采摘后在短時間內物流運輸到目的地進行銷售。然而，果蔬在運輸過程中，其品質極易受天氣及貯藏環境的影響，由于其自身呼吸作用和水分蒸騰作用等，會導致其失重率增大，品質下降，甚至出現腐爛。

為實現對果蔬失重率等品質變化的過程檢測，現有技術中，通常是采用線下化學試驗的方法檢測得到的，然而，該方法費時費力，同時也無法對果蔬的失重率進行實時動態監測。

因此，如何在果蔬的運輸過程中，高效快捷地對果蔬的失重率進行實時動態監測已經成為業界亟待解決的技術問題。

發明內容

本發明提供一種果蔬失重率預測方法、裝置、電子設備及存儲介質，用以在果蔬的運輸過程中，高效快捷地對果蔬的失重率進行動態監測。

本發明提供一種果蔬失重率預測方法，包括：

將果蔬所處環境的環境溫度及所述果蔬的貯藏時間輸入到訓練好的神經網絡失重率預測模型，得到所述果蔬的目標失重率預測信息；

所述訓練好的神經網絡失重率預測模型是根據攜帶失重率標簽的第一數據組樣本進行訓練后得到的；所述第一數據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。

根據本發明提供的一種果蔬失重率預測方法，在所述將果蔬所處環境的環境溫度及所述果蔬的貯藏時間輸入到訓練好的神經網絡失重率預測模型之前，還包括：

獲取多個所述第一數據組樣本和每個所述第一數據組樣本對應的失重率標簽；多個所述第一數據組樣本是基于多個恒溫貯藏環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；

將每個所述第一數據組樣本和每個所述第一數據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，對所述神經網絡失重率預測模型進行訓練。

根據本發明提供的一種果蔬失重率預測方法，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。

根據本發明提供的一種果蔬失重率預測方法，所述利用所述多組訓練樣本，對所述神經網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網絡失重率預測模型，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，根據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，得到訓練好的神經網絡失重率預測模型。

根據本發明提供的一種果蔬失重率預測方法，在所述得到訓練好的神經網絡失重率預測模型之后，還包括：