[发明专利]果蔬失重率预测方法、装置、电子设备及存储介质

说明书

本发明提供一种果蔬失重率预测方法、装置、电子设备及存储介质，包括：将果蔬所处环境的环境温度及所述果蔬的贮藏时间输入到训练好的神经网络失重率预测模型，得到所述果蔬的目标失重率预测信息；所述训练好的神经网络失重率预测模型是根据携带失重率标签的第一数据组样本进行训练后得到的；所述第一数据组样本包括所述果蔬的第一贮藏温度样本和所述第一贮藏温度样本对应的第一贮藏时间样本。本发明预测结果准确，过程操作简单，可以在果蔬的运输过程中对果蔬的失重率信息进行快速准确的实时动态监测，有效提升了果蔬品质控制的能力，有利于实现在贮藏及物流运输过程中对果蔬品质的实时追踪与管理。

技术领域

本发明涉及食品安全检测技术领域，尤其涉及一种果蔬失重率预测方法、装置、电子设备及存储介质。

背景技术

果蔬作为生鲜易腐产品，具有极高的营养价值，深受广大消费者的青睐。目前，果蔬的主要销售形式是采摘后在短时间内物流运输到目的地进行销售。然而，果蔬在运输过程中，其品质极易受天气及贮藏环境的影响，由于其自身呼吸作用和水分蒸腾作用等，会导致其失重率增大，品质下降，甚至出现腐烂。

为实现对果蔬失重率等品质变化的过程检测，现有技术中，通常是采用线下化学试验的方法检测得到的，然而，该方法费时费力，同时也无法对果蔬的失重率进行实时动态监测。

因此，如何在果蔬的运输过程中，高效快捷地对果蔬的失重率进行实时动态监测已经成为业界亟待解决的技术问题。

发明内容

本发明提供一种果蔬失重率预测方法、装置、电子设备及存储介质，用以在果蔬的运输过程中，高效快捷地对果蔬的失重率进行动态监测。

本发明提供一种果蔬失重率预测方法，包括：

将果蔬所处环境的环境温度及所述果蔬的贮藏时间输入到训练好的神经网络失重率预测模型，得到所述果蔬的目标失重率预测信息；

所述训练好的神经网络失重率预测模型是根据携带失重率标签的第一数据组样本进行训练后得到的；所述第一数据组样本包括所述果蔬的第一贮藏温度样本和所述第一贮藏温度样本对应的第一贮藏时间样本。

根据本发明提供的一种果蔬失重率预测方法，在所述将果蔬所处环境的环境温度及所述果蔬的贮藏时间输入到训练好的神经网络失重率预测模型之前，还包括：

获取多个所述第一数据组样本和每个所述第一数据组样本对应的失重率标签；多个所述第一数据组样本是基于多个恒温贮藏环境下的所述第一贮藏温度样本及每个所述第一贮藏温度样本对应的多个所述第一贮藏时间样本确定的；

将每个所述第一数据组样本和每个所述第一数据组样本对应的失重率标签作为一组训练样本，以获得多组训练样本；

利用所述多组训练样本，对所述神经网络失重率预测模型进行训练。

根据本发明提供的一种果蔬失重率预测方法，所述得到所述果蔬的目标失重率预测信息之后，还包括：

基于所述果蔬的目标失重率预测信息，确定所述果蔬的品质。

根据本发明提供的一种果蔬失重率预测方法，所述利用所述多组训练样本，对所述神经网络失重率预测模型进行训练，包括：

对于任意一组训练样本，将所述训练样本输入所述神经网络失重率预测模型，得到所述训练样本对应的失重率预测信息；

利用预设损失函数，根据所述训练样本对应的失重率预测信息和所述训练样本对应的失重率标签，计算损失值；

若所述损失值小于预设阈值，得到训练好的神经网络失重率预测模型。

根据本发明提供的一种果蔬失重率预测方法，在所述得到训练好的神经网络失重率预测模型之后，还包括：