[发明专利]一种基于机器学习的智能粮仓管控方法及终端

说明书

本发明公开了一种基于机器学习的智能粮仓管控方法及终端，获取智能粮仓的待预测输入因子，将待预测输入因子发送至粮仓分析决策模型中，以得到人员调度策略，粮仓分析决策模型包括使用误差逆向传播算法训练的多层前馈神经网络所建立的前馈模型，人员调度策略包括抽检人员、抽检对象和抽检时间；本发明通过对历史数据进行学习以得到粮仓分析决策模型，采用误差逆向传播算法训练的多层前馈神经网络所建立的前馈模型，使网络的输出误差不断减小，从而呈现出更精细的预测和溯源结果；基于上述模型来找到最佳的人工调度策略，从而为政府粮食部门和仓储企业进行粮食管理的人员调配，提供了直观、清晰的有效手段，以实现最优化的人工调度。

技术领域

本发明涉及智能粮仓管理领域，特别涉及一种基于机器学习的智能粮仓管控方法及终端。

背景技术

粮食是国家的三大战略资源之一，维持一定数量、品种和品质粮食的储备，是保证国家粮食安全必不可少的措施，粮食仓储技术一直受国家战备物资的重视，我国目前共有各类粮库27000余家。

储粮仓中的粮食与储粮仓外的环境气体温湿度等条件是息息相关。由于粮食具有自发热特性，粮堆的温度、湿度随外界的季节性变化，会引起粮食发热霉变，造成粮食的品质变化。而低温保存，会使得储粮仓的湿度调节功能变差。

传统方式采用人工定期进仓检查。作业人员必须三人以上一起进仓，且每次进仓连续不能超过半个小时，在低氧的仓内环境下，需人工带上空气呼吸器，筛具进仓检查，这种方式不仅效率低，而且由于抽样不彻底。

近年以来，通过温湿度传感器的智能粮仓越来越多得到应用。小的储粮设备一般采用小型测温仪检测粮温，大型储粮设备已经逐步配备微机测温系统。但是不论使用哪种系统，都无法避免如下问题：粮食是一种不良导体，测温传感器采集的环境温度是传感器周围的温度，随着季节等因素，不同类型、不同堆积密度的粮食自发热聚集程度不同，测温传感器获取的温度具有一定的滞后性。

发明内容

本发明所要解决的技术问题是：提供一种基于机器学习的智能粮仓管控方法及终端，以实现精确的预测效果和最优化的人工调度。

为了解决上述技术问题，本发明采用的技术方案为：

一种基于机器学习的智能粮仓管控方法，包括步骤：

S1、获取智能粮仓的待预测输入因子，将所述待预测输入因子发送至粮仓分析决策模型中，以得到人员调度策略，所述粮仓分析决策模型包括使用误差逆向传播算法训练的多层前馈神经网络所建立的前馈模型，所述人员调度策略包括抽检人员、抽检对象、抽检时间以及抽检路径。

为了解决上述技术问题，本发明采用的另一种技术方案为：

一种基于机器学习的智能粮仓管控终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

S1、获取智能粮仓的待预测输入因子，将所述待预测输入因子发送至粮仓分析决策模型中，以得到人员调度策略，所述粮仓分析决策模型包括使用误差逆向传播算法训练的多层前馈神经网络所建立的前馈模型，所述人员调度策略包括抽检人员、抽检对象、抽检时间以及抽检路径。

本发明的有益效果在于：一种基于机器学习的智能粮仓管控方法及终端，通过对历史数据进行学习以得到粮仓分析决策模型，采用误差逆向传播算法训练的多层前馈神经网络所建立的前馈模型，使网络的输出误差不断减小，从而呈现出更精细的预测和溯源结果；基于上述模型来找到最佳的人工调度策略，从而为政府粮食部门和仓储企业进行粮食管理的人员调配，提供了直观、清晰的有效手段，以实现最优化的人工调度。

附图说明

图1为本发明实施例的一种基于机器学习的智能粮仓管控方法的流程示意图；

图2为本发明实施例的一种基于机器学习的智能粮仓管控终端的结构示意图。