申请/专利权人：福建农业职业技术学院

申请日：2024-02-05

公开（公告）日：2024-05-28

公开（公告）号：CN117709986B

主分类号：G06Q30/018

分类号：G06Q30/018;G06Q50/02;H04L67/104;G06V20/60;G06V10/44;G06V10/764;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.05.28#授权;2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明公开了一种基于深度学习的农产品生产日期可信溯源方法和系统，所述方法包括：获取农产品图像，通过预先训练的农产品识别模型对所述农产品图像进行识别，得到农产品的类型和重量；通过农产品溯源区块链获得农产品对应基本信息和交易信息，所述基本信息包括：产地、第一生产日期、批次编号、生产数量、生产商、同批次均重；根据所述农产品的类型和重量、基本信息预测所述农产品的第二生产日期；比对所述第一生产日期和第二生产日期，得到生产日期差值，若生产日期差值未超过判断阈值，则确定所述农产品的基本信息可信。所述系统包括：图像模块、信息模块、预测模块、比对模块。实现农产品的可信溯源。

主权项：1.一种基于深度学习的农产品生产日期可信溯源方法，其特征在于，包括：获取农产品图像，通过预先训练的农产品识别模型对所述农产品图像进行识别，得到农产品的类型和重量；所述农产品识别模型通过以下预训练步骤得到：采集农产品RGB图像及其对应类型和重量数据样本，通过农产品RGB图像构建图像样本训练集和验证集；通过RGB图像特征提取模型和农产品预测模型构建所述农产品识别模型；通过图像样本训练集和验证集、类型和重量数据样本训练所述农产品识别模型，得到所述农产品识别模型的参数，具体包括：通过图像样本训练集和验证集训练所述RGB图像特征提取模型，得到所述RGB图像特征提取模型的参数；通过所述RGB图像特征提取模型对所述农产品RGB图像进行特征提取，得到RGB图像特征；将所述RGB图像特征作为输入，所述类型和重量数据样本作为输出，训练所述农产品预测模型，得到所述农产品预测模型的参数；通过农产品溯源区块链获得农产品对应基本信息和交易信息，所述基本信息包括：产地、第一生产日期、批次编号、生产数量、生产商、同批次均重；所述农产品溯源区块链通过以下步骤得到：获取同一批次农产品的所述基本信息，申请农产品原始区块，将同一批次农产品的所述基本信息存储至所述农产品原始区块中；获取同一批次农产品的不同所述交易信息，所述交易信息包括：收货人名称、发货人名称、交易数量、批次编号，申请若干农产品交易区块，将不同经销商的所述交易信息分别存储至所述农产品交易区块中；根据所述农产品原始区块和农产品交易区块的编号顺序，将所述农产品原始区块和农产品交易区块连接成所述农产品溯源区块链；所述农产品原始区块的编号和农产品交易区块的编号通过以下步骤得到：将存储在所述农产品原始区块中的批次编号作为所述农产品原始区块的编号前段，计算所述基本信息的哈希值，作为对应存储的所述农产品原始区块的编号后段；将存储在所述农产品交易区块中的批次编号作为所述农产品交易区块的编号前段，计算所述交易信息的哈希值，作为对应存储的所述农产品交易区块的编号后段；根据所述农产品的类型和重量、基本信息预测所述农产品的第二生产日期，具体包括：获取所述农产品的所述同批次均重，计算所述农产品的重量和所述同批次均重的差值，得到损失差值；获取同类农产品的在相同温度和湿度下的日均重量损失值，通过损失差值和日均重量损失值计算变质时间；获取当前日期，根据当前日期和变质时间计算得到第二生产日期；比对所述第一生产日期和第二生产日期，得到生产日期差值，若生产日期差值未超过判断阈值，则确定所述农产品的基本信息可信。

全文数据：

权利要求：

百度查询： 福建农业职业技术学院 一种基于深度学习的农产品生产日期可信溯源方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD