粮食霉变预测方法及装置制造方法及图纸

本发明专利技术提供了一种粮食霉变预测方法，包括：获取目标粮种的储藏信息；所述储藏信息包括储藏温度、目标粮种含水率和储藏时间；对所述储藏信息进行数据预处理，获得与所述储藏信息对应的多维数据；将与所述储藏信息对应的多维数据输入预先建立的储粮霉变预测模型中，经所述预先建立的储粮霉变预测模型处理后，获得所述目标粮种的霉变预测结果。本发明专利技术提供的粮食霉变预测方法中，依据粮种的含水率、储藏温度和储藏时间，能够快速对当前环境下的粮食储藏霉变情况做出预判，避免了复杂的细菌培养、真菌观察等步骤，节省大量人力物力。

【技术实现步骤摘要】
粮食霉变预测方法及装置
本专利技术涉及神经网络领域，尤其涉及一种粮食霉变预测方法及装置。
技术介绍
粮食霉变是影响储粮安全的重要因素，现有检测粮食霉菌的检测方法为，在霉菌生长早期，对霉菌进行复杂的细菌培养，真菌观察，以观察到的真菌孢子个数来判别储粮的安全性，现有的粮食霉菌检测方法从细菌培养，到真菌观察，需要耗费大量的人力物力，不利于保障储粮的安全性。
技术实现思路
本专利技术所要解决的技术问题是提供一种粮食霉变预测方法，依据粮种的含水率、储藏温度和储藏时间，能够快速对当前环境下的粮食储藏霉变情况做出预判，节省大量人力物力。本专利技术还提供了一种粮食霉变预测装置，用于保证上述方法在实际中的实现及应用。一种粮食霉变预测方法，包括：获取目标粮种的储藏信息；所述储藏信息包括储藏温度、目标粮种含水率和储藏时间；对所述储藏信息进行数据预处理，获得与所述储藏信息对应的多维数据；将与所述储藏信息对应的多维数据输入预先建立的储粮霉变预测模型中，经所述预先建立的储粮霉变预测模型处理后，获得所述目标粮种的霉变预测结果。上述的方法，可选的，所述对所述储藏信息进行数据预处理，获得与所述储藏信息对应的多维数据，包括：提取所述储藏信息中所述储藏温度、所述目标粮种含水率及所述储藏时间分别对应的数字内容；将提取到的各个所述数字内容按预设的映射规则进行维度映射，获得与所述储藏信息对应的多维数据。上述的方法，可选的，所述将与所述储藏信息对应的多维数据输入预先建立的储粮霉变预测模型中，经所述预先建立的储粮霉变预测模型处理后，获得所述目标粮种的霉变预测结果，包括：将与所述储藏信息对应的多维数据输入预先建立的储粮霉变预测模型中，并调用预先设定的仿真函数对所述储藏信息对应的多维数据进行仿真，获得所述仿真函数对所述储藏信息对应的多维数据的仿真结果；将所述仿真结果确定为所述目标粮种的霉变预测结果。上述的方法，可选的，所述储粮霉变预测模型的构建过程，包括：采集粮种霉变样本集合，所述粮种霉变样本集合中包含多个粮种霉变样本数据；对各个所述粮种霉变样本数据进行预处理，获得与每个所述粮种霉变样本数据对应的多维数据；选取多个所述粮种霉变样本数据对应的多维数据作为神经网络训练数据，并选取多个所述粮种霉变样本数据对应的多维数据作为神经网络测试数据；依据所述神经网络训练数据，确定待建立的神经网络的输入层节点数、输出层节点数，以及隐藏层节点数，以确定所述待建立的神经网络的网络结构；依据所述待建立的神经网络的网络结构，调用预先设定的模型函数建立神经网络；将所述神经网络训练数据输入至所述神经网络，对所述神经网络进行训练，并将所述神经网络测试数据输入至已训练完成的神经网络中，获得测试结果数据，并计算所述测试结果数据的误差率，若所述测试结果数据的误差率满足预设误差阈值，则将所述已训练完成的神经网络确定为储粮霉变预测模型。上述的方法，可选的，所述依据所述神经网络训练数据，确定待建立的神经网络的输入层节点数、输出层节点数，以及隐藏层节点数，包括：依据所述神经网络训练数据，确定待建立的神经网络的输入数据的维度，以及输出数据的维度，将所述输入数据的维度确定为待建立的神经网络的输入层节点数，将所述输出数据的维度确定为待建立的神经网络的输出层节点数；基于所述输入层节点数和所述输出层节点数，通过预设计算公式计算，获得待建立的神经网络的隐藏层节点数。一种粮食霉变预测装置，包括：获取单元，用于获取目标粮种的储藏信息；所述储藏信息包括储藏温度、目标粮种含水率和储藏时间；预处理单元，用于对所述储藏信息进行数据预处理，获得与所述储藏信息对应的多维数据；预测单元，用于将与所述储藏信息对应的多维数据输入预先建立的储粮霉变预测模型中，经所述预先建立的储粮霉变预测模型处理后，获得所述目标粮种的霉变预测结果。上述的装置，可选的，所述预处理单元，包括：提取子单元，用于提取所述储藏信息中所述储藏温度、所述目标粮种含水率及所述储藏时间分别对应的数字内容；映射子单元，用于将提取到的各个所述数字内容按预设的映射规则进行维度映射，获得与所述储藏信息对应的多维数据。上述的装置，可选的，所述预测单元，包括：仿真子单元，用于将与所述储藏信息对应的多维数据输入预先建立的储粮霉变预测模型中，并调用预先设定的仿真函数对所述储藏信息对应的多维数据进行仿真，获得所述仿真函数对所述储藏信息对应的多维数据的仿真结果；第一确定子单元，用于将所述仿真结果确定为所述目标粮种的霉变预测结果。上述的装置，可选的，所述预测单元，包括：采集子单元，用于采集粮种霉变样本集合，所述粮种霉变样本集合中包含多个粮种霉变样本数据，并对各个所述粮种霉变样本数据进行预处理，获得与每个所述粮种霉变样本数据对应的多维数据；选取子单元：用于选取多个所述粮种霉变样本数据对应的多维数据作为神经网络训练数据，并选取多个所述粮种霉变样本数据对应的多维数据作为神经网络测试数据；第二确定子单元，用于依据所述神经网络训练数据，确定待建立的神经网络的输入层节点数、输出层节点数，以及隐藏层节点数，以确定所述待建立的神经网络的网络结构；构建子单元，用于依据所述待建立的神经网络的网络结构，调用预先设定的模型函数建立神经网络；训练子单元，用于将所述神经网络训练数据输入至所述神经网络，对所述神经网络进行训练，并将所述神经网络测试数据输入至已训练完成的神经网络中，获得测试结果数据，并计算所述测试结果数据的误差率，若所述测试结果数据的误差率满足预设误差阈值，则将所述已训练完成的神经网络确定为储粮霉变预测模型。上述的装置，可选的，所述第二确定子单元，包括：第三确定子单元，用于依据所述神经网络训练数据，确定待建立的神经网络的输入数据的维度，以及输出数据的维度，将所述输入数据的维度确定为待建立的神经网络的输入层节点数，将所述输出数据的维度确定为待建立的神经网络的输出层节点数；计算子单元，用于基于所述输入层节点数和所述输出层节点数，通过预设计算公式计算，获得待建立的神经网络的隐藏层节点数。一种存储介质，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行上述的粮食霉变预测方法。一种电子设备，包括存储器，以及一个或者一个以上的指令，其中一个或者一个以上指令存储于存储器中，且经配置以由一个或者一个以上处理器执行上述的粮食霉变预测方法。与现有技术相比，本专利技术包括以下优点：本专利技术提供了一种粮食霉变预测方法，包括：获取目标粮种的储藏信息；所述储藏信息包括储藏温度、目标粮种含水率和储藏时间；对所述储藏信息进行数据预处理，获得与所述储藏信息对应的多维数据；将与所述储藏信息对应的多维数据输入预先建立的储粮霉变预测模型中，经所述预先建立的储粮霉变预测模型处理后，获得所述目标粮种的霉变预测结果。本专利技术提供的粮食霉变预测方法中，依据粮种的含水率、储藏温度和储藏时间，能够快速对当前环境下的粮食储藏霉变情况做出预判，避免了复杂的细菌培养、真菌观察等步骤，节省大量人力物力。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图本文档来自技高网...

【技术保护点】
1.一种粮食霉变预测方法，其特征在于，包括：获取目标粮种的储藏信息；所述储藏信息包括储藏温度、目标粮种含水率和储藏时间；对所述储藏信息进行数据预处理，获得与所述储藏信息对应的多维数据；将与所述储藏信息对应的多维数据输入预先建立的储粮霉变预测模型中，经所述预先建立的储粮霉变预测模型处理后，获得所述目标粮种的霉变预测结果。

【技术特征摘要】
1.一种粮食霉变预测方法，其特征在于，包括：获取目标粮种的储藏信息；所述储藏信息包括储藏温度、目标粮种含水率和储藏时间；对所述储藏信息进行数据预处理，获得与所述储藏信息对应的多维数据；将与所述储藏信息对应的多维数据输入预先建立的储粮霉变预测模型中，经所述预先建立的储粮霉变预测模型处理后，获得所述目标粮种的霉变预测结果。2.根据权利要求1所述的方法，其特征在于，所述对所述储藏信息进行数据预处理，获得与所述储藏信息对应的多维数据，包括：提取所述储藏信息中所述储藏温度、所述目标粮种含水率及所述储藏时间分别对应的数字内容；将提取到的各个所述数字内容按预设的映射规则进行维度映射，获得与所述储藏信息对应的多维数据。3.根据权利要求1所述的方法，其特征在于，所述将与所述储藏信息对应的多维数据输入预先建立的储粮霉变预测模型中，经所述预先建立的储粮霉变预测模型处理后，获得所述目标粮种的霉变预测结果，包括：将与所述储藏信息对应的多维数据输入预先建立的储粮霉变预测模型中，并调用预先设定的仿真函数对所述储藏信息对应的多维数据进行仿真，获得所述仿真函数对所述储藏信息对应的多维数据的仿真结果；将所述仿真结果确定为所述目标粮种的霉变预测结果。4.根据权利要求1所述方法，其特征在于，所述储粮霉变预测模型的构建过程，包括：采集粮种霉变样本集合，所述粮种霉变样本集合中包含多个粮种霉变样本数据；对各个所述粮种霉变样本数据进行预处理，获得与每个所述粮种霉变样本数据对应的多维数据；选取多个所述粮种霉变样本数据对应的多维数据作为神经网络训练数据，并选取多个所述粮种霉变样本数据对应的多维数据作为神经网络测试数据；依据所述神经网络训练数据，确定待建立的神经网络的输入层节点数、输出层节点数，以及隐藏层节点数，以确定所述待建立的神经网络的网络结构；依据所述待建立的神经网络的网络结构，调用预先设定的模型函数建立神经网络；将所述神经网络训练数据输入至所述神经网络，对所述神经网络进行训练，并将所述神经网络测试数据输入至已训练完成的神经网络中，获得测试结果数据，并计算所述测试结果数据的误差率，若所述测试结果数据的误差率满足预设误差阈值，则将所述已训练完成的神经网络确定为储粮霉变预测模型。5.根据权利要求4所述的方法，其特征在于，所述依据所述神经网络训练数据，确定待建立的神经网络的输入层节点数、输出层节点数，以及隐藏层节点数，包括：依据所述神经网络训练数据，确定待建立的神经网络的输入数据的维度，以及输出数据的维度，将所述输入数据的维度确定为待建立的神经网络的输入层节点数，将所述输出数据的维度确定为待建立的神经网络的输出层节点数；基于所述输入层节点数和所述输出层节点数，通过预设计算公式计算，获得待建立的神经网...

【专利技术属性】
技术研发人员：张和平，唐芳，邓玉睿，周勇，程旭东，祁智慧，张海洋，
申请(专利权)人：中国科学技术大学，国家粮食和物资储备局科学研究院，
类型：发明
国别省市：安徽,34