[发明专利]一种中药管理系统在审

专利信息
申请号: 202210389232.5 申请日: 2022-04-13
公开(公告)号: CN114706892A 公开(公告)日: 2022-07-05
发明(设计)人: 刘恒 申请(专利权)人: 荃豆数字科技有限公司
主分类号: G06F16/2455 分类号: G06F16/2455;G16H20/90;G06Q10/06;G06Q30/02;G06Q30/06;G06F21/60;G06V40/10;G06K9/62;G01D21/02
代理公司: 成都顶峰专利事务所(普通合伙) 51224 代理人: 陈秋霞
地址: 610000 四川省成都*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 中药 管理 系统
【权利要求书】:

1.一种中药管理系统,其特征在于,包括数据监控模块、招投标模块、药店管理模块、销售模块以及数据库模块;

所述数据监控模块用于获取供应商的种植基地中环境数据,并将环境数据存储至数据库模块;

所述招投标模块用于进行招投标,并将招投标结果对应的中药信息存储至数据库模块;

所述药店管理模块用于销售商采购存储于数据库模块中的中药,并将中药的采购信息存储于数据库模块;

所述销售模块用于销售商发布中药销售信息,并为消费者提供中药信息查询以及购买接口,获取购买记录,并将购买记录存储于数据库模块;

所述数据库模块用于存储中药的环境数据、招投标结果、采购信息、销售信息以及购买记录,并根据环境数据、招投标结果、采购信息、销售信息以及购买记录对中药进行管理。

2.根据权利要求1所述的中药管理系统,其特征在于,所述种植基地中环境数据包括种植基地传输的温度数据、湿度数据、光照强度以及虫害数据;

所述虫害数据的获取方法为:

获取种植基地传输的中药监控图像;

对中药监控图像进行去噪处理,得到去噪图像;

识别去噪图像中的昆虫种类,并将昆虫种类作为虫害数据。

3.根据权利要求2所述的中药管理系统,其特征在于,所述识别去噪图像中的昆虫种类,包括:

获取每种害虫种类对应的若干去噪训练图像,得到训练集,所述害虫种类为预先设定的对中药种植有害的昆虫;

构建虫害识别模型,并采用训练集对虫害识别模型进行训练,得到训练完成的虫害识别模型;

采用训练完成的虫害识别模型对去噪图像中的昆虫种类识别,得到虫害数据。

4.根据权利要求3所述的中药管理系统,其特征在于,所述虫害识别模型采用BP神经网络构建;

所述采用训练集对虫害识别模型进行训练,包括:

从互联网获取每种害虫种类对应的图像作为每种害虫种类的标签图像;

以训练集中的去噪训练图像为输入以及对应的标签图像为输出,并以损失函数最小为目标,对虫害识别模型进行训练,获取训练完成的虫害识别模型。

5.根据权利要求4所述的中药管理系统,其特征在于,所述以训练集中的去噪训练图像为输入以及对应的标签图像为输出,并以损失函数最小为目标,对虫害识别模型进行训练,包括:

A、设定损失函数为:

其中,L表示损失函数,dk表示虫害识别模型的输出层中第k个神经元的期望输出值,k=1,2,…,l,l表示输出层的神经元总数,f(*)表示转移函数,wjk表示隐含层中第j个神经元到输出层中第k个神经元的权重,j=1,2,…,m,m表示隐含层的神经元总数,wij表示输入层中第i个神经元到隐含层中第j个神经元的权重,i=1,2,…,n,n表示输入层的神经元总数,xi表示输入层中第i个神经元的输入值;

B、将虫害识别模型的权重系数置为初始值;

C、以训练集中的去噪训练图像为虫害识别模型的输入以及对应的标签图像为虫害识别模型的输出,并根据损失函数计算损失函数值;

D、判断损失函数值是否小于设定阈值,若是,则训练结束,得到训练完成的虫害识别模型,否则对虫害识别模型中各层之间的权重进行调整,并返回步骤C。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于荃豆数字科技有限公司,未经荃豆数字科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210389232.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top