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，该方法包括：获取目标粮种的储藏信息；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目标多维数据；将所述与所述储藏信息对应的目标多维数据输入预先构建的粮食霉变概率预测模型中，经所述粮食霉变概率预测模型处理后输出所述目标粮种的霉变概率，以及未霉变概率；依据所述霉变概率和所述未霉变概率，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，依据粮食霉变概率预测模型输出的与当前环境对应的霉变概率和未霉变概率，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。

Prediction method and device of grain mildew

【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
我国是农业大国，粮食的生产及储存具有悠久的历史，每年粮食产量超过5亿吨，而粮食的储藏是农业栽培的继续，储藏技术是伴随着农业的发展而发展的。进入新时期时代以后，随着农业的发展，农业生产形成了一定的规模，粮食出现了剩余，才逐渐由粮食加工发展到粮食储藏，而粮食霉变是影响粮食储藏安全的重要因素。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。经专利技术人通过对现有的粮食霉变检测方法进行研究发现，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，依据粮食霉变概率预测模型输出的与当前环境对应的霉变概率和未霉变概率，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；所述储藏信息包含多个霉变因素；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目标多维数据；将所述与所述储藏信息对应的目标多维数据输入预先构建的粮食霉变概率预测模型中，经所述粮食霉变概率预测模型处理后输出所述目标粮种的霉变概率，以及未霉变概率；依据所述霉变概率和所述未霉变概率，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目标多维数据，包括：将所述储藏信息按照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初始多维数据；依据预设的规则，从所述储藏信息对应的初始多维数据中选取与所述预设的规则相匹配的多个霉变因素，获得与所述储藏信息对应的目标多维数据。上述的方法，可选的，所述依据所述霉变概率和所述未霉变概率，获得所述目标粮种的霉变预测结果，包括：判断所述霉变概率是否大于所述未霉变概率；若所述霉变概率大于所述未霉变概率，则预测为所述目标粮种发生霉变；若所述霉变概率不大于所述未霉变概率，则预测为所述目标粮种未发生霉变。上述的方法，可选的，所述粮食霉变概率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目标多维数据；选取多个所述粮种霉变样本数据对应的目标多维数据作为训练数据，并选取多个所述粮种霉变样本数据对应的目标多维数据作为测试数据；将所述训练数据输入至待构建的朴素贝叶斯分类器中，对所述待构建的朴素贝叶斯分类器进行训练，并将所述测试数据输入至已训练完成的朴素贝叶斯分类器中，获得测试结果数据；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小于预设误差阈值，则将所述已训练完成的朴素贝叶斯分类器确定为粮食霉变概率预测模型。上述的方法，可选的，所述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目标多维数据，包括：对各个所述粮种霉变样本数据按照预设的映射规则进行维度映射，获得与每个所述粮种霉变样本数据对应的初始多维数据；其中，每个所述霉变样本数据对应的初始多维数据中包含霉变结果和多个霉变因素；计算每个所述粮种霉变样本数据对应的初始多维数据中的每个霉变因素与霉变结果的相关性，获得每个霉变因素对应的相关系数；依据每个霉变因素对应的相关系数，按照从大到小的顺序，对各个所述霉变因素进行排序；从所述已排序的霉变因素中，按照从大到小的顺序，依次选取预设数目的霉变因素作为目标霉变因素；依据所述目标霉变因素，对每个所述粮食霉变样本数据对应的初始多维数据进行降维，获得每个所述粮食霉变样本数据对应的目标多维数据。上述的方法，可选的，所述对所述待构建的朴素贝叶斯分类器进行训练，包括：计算所述训练数据中霉变结果为发生霉变的目标多维数据在所述训练数据中的比重，获得与所述训练数据对应的霉变概率，以及计算所述训练数据中霉变结果为未发生霉变的目标多维数据在所述训练数据中的比重，获得与所述训练数据对应的未霉变概率；确定所述训练数据中每个霉变因素对应的各个数值，并确定与每个数值对应的目标多维数据；计算所述与每个数值对应的目标多维数据在所述训练数据中的比重，获得每个霉变因素对应的各个数值中与每个数值对应的概率；确定所述与每个数值对应的目标多维数据中霉变结果为发生霉变的目标多维数据，并计算所述与每个数值对应的目标多维数据中霉变结果为发生霉变的目标多维数据，在所述训练数据中霉变结果为发生霉变对应的多维数据中的比重，获得在发生霉变的条件下，每个霉变因素对应的各个数值中与每个数值对应的第一后验概率；确定所述与每个数值对应的目标多维数据中霉变结果为未发生霉变的目标多维数据，并计算所述与每个数值对应的目标多维数据中霉变结果为未发生霉变的目标多维数据，在所述训练数据中霉变结果为未发生霉变对应的多维数据中的比重，获得在未发生霉变的条件下，每个霉变因素对应的各个数值中与每个数值对应的第二后验概率；依据所述训练数据对应的霉变概率、所述每个霉变因素对应的各个数值中与每个数值对应的概率、以及所述在发生霉变的条件下，每个霉变因素对应的各个数值中与每个数值对应的第一后验概率，通过预设的贝叶斯公式，获得所述训练数据对应的每个目标多维数据中霉变因素对应的霉变概率；依据所述训练数据对应的未霉变概率、所述每个霉变因素对应的各个数值中与每个数值对应的概率、以及所述在未发生霉变的条件下，每个霉变因素对应的各个数值中与每个数值对应的第二后验概率，通过所述贝叶斯公式，获得所述训练数据对应的每个目标多维数据中霉变因素对应的未霉变概率。一种粮食霉变预测装置，包括：第一获取单元，用于获取目标粮种的储藏信息；所述储藏信息包含多个霉变因素；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目标多维数据；输入单元，用于将所述与所述储藏信息对应的目标多维数据输入预先构建的粮食霉变概率预测模型中，经所述粮食霉变概率预测模型处理后输出所述目标粮种的霉变概率，以及未霉变概率；第二获取单元，用于依据所述霉变概率和所述未霉变概率，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：映射子单元，用于将所述储藏信息按照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初始多维数据；第一选取子单元，用于依据预设的规则，从所述储藏信息对应的初始多维数据中选取与所述预设的规则相匹配的多个霉变因素，获得与所述储藏信息对应的目标多维数据。上述的装置，可选的，所述第二获取单元，包括：判断子单元，用于判断所述霉变概率是否大于所述未霉变概率；第一预测子单元，用于若所述霉变概率大于所述未霉变概率，则预测为所述目标粮种发生霉变；第二预测子单元，用于若所述霉变概率不大于所述未霉变概率，则预测为所述目标粮种未发生霉变。上述的装置，可选的，所述输入单元，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；预处理子单元，用于对各个所述粮种霉变样本数据进行预处理，获得与每个本文档来自技高网...

【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；所述储藏信息包含多个霉变因素；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目标多维数据；将所述与所述储藏信息对应的目标多维数据输入预先构建的粮食霉变概率预测模型中，经所述粮食霉变概率预测模型处理后输出所述目标粮种的霉变概率，以及未霉变概率；依据所述霉变概率和所述未霉变概率，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；所述储藏信息包含多个霉变因素；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目标多维数据；将所述与所述储藏信息对应的目标多维数据输入预先构建的粮食霉变概率预测模型中，经所述粮食霉变概率预测模型处理后输出所述目标粮种的霉变概率，以及未霉变概率；依据所述霉变概率和所述未霉变概率，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目标多维数据，包括：将所述储藏信息按照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初始多维数据；依据预设的规则，从所述储藏信息对应的初始多维数据中选取与所述预设的规则相匹配的多个霉变因素，获得与所述储藏信息对应的目标多维数据。3.根据权利要求1所述的方法，其特征在于，所述依据所述霉变概率和所述未霉变概率，获得所述目标粮种的霉变预测结果，包括：判断所述霉变概率是否大于所述未霉变概率；若所述霉变概率大于所述未霉变概率，则预测为所述目标粮种发生霉变；若所述霉变概率不大于所述未霉变概率，则预测为所述目标粮种未发生霉变。4.根据权利要求1所述方法，其特征在于，所述粮食霉变概率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目标多维数据；选取多个所述粮种霉变样本数据对应的目标多维数据作为训练数据，并选取多个所述粮种霉变样本数据对应的目标多维数据作为测试数据；将所述训练数据输入至待构建的朴素贝叶斯分类器中，对所述待构建的朴素贝叶斯分类器进行训练，并将所述测试数据输入至已训练完成的朴素贝叶斯分类器中，获得测试结果数据；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小于预设误差阈值，则将所述已训练完成的朴素贝叶斯分类器确定为粮食霉变概率预测模型。5.根据权利要求4所述的方法，其特征在于，所述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目标多维数据，包括：对各个所述粮种霉变样本数据按照预设的映射规则进行维度映射，获得与每个所述粮种霉变样本数据对应的初始多维数据；其中，每个所述霉变样本数据对应的初始多维数据中包含霉变结果和多个霉变因素；计算每个所述粮种霉变样本数据对应的初始多维数据中的每个霉变因素与霉变结果的相关性，获得每个霉变因素对应的相关系数；依据每个霉变因素对应的相关系数，按照从大到小的顺序，对各个所述霉变因素进行排序；从所述已排序的霉变因素中，按照从大到小的顺序，依次选取预设数目的霉变因素作为目标霉变因素；依据所述目标霉变因素，对每个所述粮食霉变样本数据对应的初始多维数据进行降维，获得每个所述粮食霉变样本数据对应的目标多维数据。6.根据权利要求4或5所述的方法，其特征在于，所述对所述待构建的朴素贝叶斯分类器进行训练，包括：计算所述训练数据中霉变结果为发生霉变的目标多维数据在所述训练数据中的比重，获得与所述训练数据对应的霉变概率，以及计算所述训练数据中霉变结果为未发生霉变的目标多维数据在所述训练数据中的比重，获得与所述训练数据对应的未霉变概率；确定所述训练数据中每个霉变因素对应的各个数值，并确定与每个数值对应的目标多维数据；计算所述与每个数值对应的目标多维数据在所述训练数据中的比重，获得每个霉变因素对应的各个数值中与每个数值...

【专利技术属性】
技术研发人员：张和平，邓玉睿，周勇，程旭东，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽,34