买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜金陵科技学院申请的专利一种动植物食品品质监控和保质期优化方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118917726B 。

龙图腾网通过国家知识产权局官网在2025-03-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410966892.4，技术领域涉及：G06Q10/0639；该发明授权一种动植物食品品质监控和保质期优化方法及系统是由陆洁;冯美琴设计研发完成，并于2024-07-18向国家知识产权局提交的专利申请。

本一种动植物食品品质监控和保质期优化方法及系统在说明书摘要公布了：本发明公开了一种动植物食品品质监控和保质期优化方法及系统，涉及食品品质监控技术领域，包括：获取动植物食品多源异构数据，对动植物食品多源异构数据进行预处理，得到预处理后的动植物食品数据集；将预处理后的动植物食品数据集输入至预先建立的深度学习模型内，输出得到深度学习预测结果，其中，所述深度学习模型基于深度学习预测结果与实际品质的对比结果进行优化；设定品质阈值，将深度学习预测结果与品质阈值比较，若高于品质阈值，则食品品质符合要求，若低于品质阈值，则触发预警信号进行预警提示；将深度学习预测结果输入至预先建立的动态优化算法模型内，输出得到最优保质期。

本发明授权一种动植物食品品质监控和保质期优化方法及系统在权利要求书中公布了：1.一种动植物食品品质监控和保质期优化方法，其特征在于，方法包括以下步骤：获取动植物食品多源异构数据，对动植物食品多源异构数据进行预处理，得到预处理后的动植物食品数据集；将预处理后的动植物食品数据集输入至预先建立的深度学习模型内，输出得到深度学习预测结果，其中，所述深度学习模型基于深度学习预测结果与实际品质的对比结果进行优化；将深度学习预测结果输入至预先建立的动态优化算法模型内，输出得到最优保质期；所述将预处理后的动植物食品数据集输入至预先建立的深度学习模型内，输出得到深度学习预测结果的过程如下：输入数据：首先，将食品在整个监控期间的品质数据整理成时间序列Xn形式作为输入，包括温度、湿度、pH值；用于评估食品外观的品质变化整理成食品图像I形式作为输入，包括颜色、形态；食品的基本信息作为静态属性A输入，包括种类、生产日期；架构步骤：数据预处理，对Xn进行归一化处理，实现时间序列标准化；对I进行尺寸统一、归一化、噪声去除处理，实现图像预处理，接着通过CNN对图像I提取特征，得到特征向量V；将静态属性A通过嵌入层转换为向量E；基于深度双向LSTM结合注意力机制时间序列建模，得到加权后的上下文向量S；将LSTM的最终输出S、图像特征向量V和静态属性向量E融合，得到融合后的特征F；将融合后的特征F输入到全连接层MLP，进行食品品质的最终预测，得到预测的食品品质评分；设定品质阈值，将深度学习预测结果与品质阈值比较，若高于品质阈值，则食品品质符合要求，若低于品质阈值，则触发预警信号进行预警提示，根据预警信号，生产者或管理者采取相应的调整措施，使得食品品质恢复至合格范围；所述深度学习模型基于深度学习预测结果与实际品质的对比结果进行优化包括：a1，建立强化学习环境，包括每个时间步t、环境的状态St以及动作空间at；环境的状态St包含当前产品的食品品质预测评分库存量It、环境条件En、销售速度Vt特征；动作空间at包括不同的保质期调整策略；a2,奖励Rt函数设计，奖励Rt在时间步t根据执行动作Ac后导致的后果来确定，增加利润的动作应获得正奖励，反之则应得到负奖励；a3，初始化：构建两个深度神经网络，一个是目标网络Qs,a∣θ-，另一个是评估网络Qs,a∣θ，它们共享相同架构但参数不同；参数θ和θ-分别代表评估网络和目标网络的权重；选择动作：以概率1-ε选取at，以概率ε随机选取动作Ac；经验回放：每执行一步，将转移元组St,at,Rt存储到经验回放缓冲区D中，并从中随机抽取一批经验进行学习；学习更新:从D中随机抽样小批量检验，最后更新评估网络权重θ以减小误差；目标网络更新：定期根据评估网络权重和目标网络的权重更新目标网络权重。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人金陵科技学院，其通讯地址为：211169 江苏省南京市江宁区弘景大道99号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。