一种智能折扣估计与智能推广方法及系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种智能折扣估计与智能推广方法及系统，该方法包括：基于不同存放时间，采集仓库中不同储放区域处的果蔬图像，构成训练数据集；获取训练数据集中每张果蔬图像的训练参与度，所述训练参与度表征果蔬图像中果蔬的变质是否是环境温湿度导致的；构建孪生网络，利用训练数据集中每张果蔬图像的训练参与度对对比损失进行加权后监督训练孪生网络；利用训练好的孪生网络对果蔬图像进行质量检测，基于果蔬质量进行果蔬售卖价格的估计和推广摆放位置的确定；其中，质量检测结果表征仅由环境温湿度导致的果蔬的变质情况。本发明专利技术可对果蔬质量进行准确检测。测。测。

【技术实现步骤摘要】
一种智能折扣估计与智能推广方法及系统


[0001]本专利技术涉及人工智能领域，具体涉及一种智能折扣估计与智能推广方法及系统。

技术介绍

[0002]瓜果蔬菜作为生活的必需品，任何人都离不开它，在越来越重视营养健康的今天，瓜果蔬菜的新鲜度和无公害是消费者消费时首要侧重的选择，而商家在具体销售时，仅仅能通过货源确定是否无公害进行定价，而新鲜度会随着时间的变化逐渐变差，从而会导致定价与实际产品不符，可能造成买卖双方的损失。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的在于提供一种智能折扣估计与智能推广方法及系统，所采用的技术方案具体如下：第一方面，本专利技术一个实施例提供了一种智能折扣估计与智能推广方法，该方法包括以下具体步骤：基于不同存放时间，采集仓库中不同储放区域处的果蔬图像，构成训练数据集；获取训练数据集中每张果蔬图像的训练参与度，所述训练参与度表征果蔬图像中果蔬的变质是否是环境温湿度导致的；构建孪生网络，利用训练数据集中每张果蔬图像的训练参与度对对比损失进行加权后监督训练孪生网络；利用训练好的孪生网络对果蔬图像进行质量检测，基于果蔬质量进行果蔬售卖价格的估计和推广摆放位置的确定；其中，质量检测结果表征仅由环境温湿度导致的果蔬的变质情况。
[0004]进一步地，在每个储放区域采集的每张果蔬图像的训练参与度的获取具体为：基于采集果蔬图像时果蔬的存放时间，获取各个储放区域对应的果蔬质量亏损度序列、环境温度序列和环境湿度序列；存放一段时间后果蔬重量与果蔬入库重量差值绝对值与果蔬入库重量的比值为果蔬质量亏损度；基于果蔬质量亏损度序列计算每个储放区域与仓库整体存放条件的相似度S，基于相似度对储放区域进行分组；对于每个分组中的每个储放区域，基于环境温度序列和环境湿度序列计算该储放区域与组内其他储放区域环境温湿度变化情况的相似度H；根据每个储放区域对应的S和H计算在该储放区域采集的果蔬图像的训练参与度；对于每个储放区域，该储放区域与仓库整体存放条件越相似，该储放区域与所属组内其他储放区域环境温湿度变化情况越相似，所采集的果蔬图像中果蔬的变质越是环境温湿度导致的。
[0005]进一步地，基于果蔬质量亏损度序列计算每个储放区域与仓库整体存放条件的相似度S，具体地：
表示当前储放区域与其他第个储放区域存放条件的相似度，和分别表示当前储放区域与其他第个储放区域对应的果蔬质量亏损度序列；除当前储放区域外，仓库中还有个储放区域；个储放区域；为基于果蔬质量亏损度序列和得到的皮尔逊相关系数，为极差函数，为标准差函数。
[0006]进一步地，对于每个分组中的每个储放区域，基于环境温度序列和环境湿度序列计算该储放区域与组内其他储放区域环境温湿度变化情况的相似度H，具体地：他储放区域环境温湿度变化情况的相似度H，具体地：和分别为当前储放区域与所属组内其他第个储放区域对应的环境湿度序列；和分别为当前储放区域与所属组内其他第个储放区域对应的环境温度序列；为基于动态时间规整算法计算的两个序列之间的距离，为均值函数；当前储放区域所属组内除了当前储放区域，还有个储放区域。
[0007]进一步地，根据每个储放区域对应的S和H计算在该储放区域采集的果蔬图像的训练参与度，具体地：H和S的比值为所述训练参与度。
[0008]进一步地，利用训练数据集中每张果蔬图像的训练参与度对对比损失进行加权后监督训练孪生网络，具体为：基于训练数据集进行分批次训练，每个批次包括张果蔬图像；为一个批次中第张果蔬图像的训练参与度，为根据参考果蔬图像和一个批次中第张果蔬图像得到的对比损失；为最终监督训练孪生网络所用损失。
[0009]第二方面，本专利技术另一个实施例提供了一种智能折扣估计与智能推广系统，该系统包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述计算
机程序被处理器执行时实现一种智能折扣估计与智能推广方法的步骤。
[0010]本专利技术实施例至少具有如下有益效果：本专利技术对孪生网络进行训练时考虑了训练样本即果蔬图像的训练参与度，训练参与度表征果蔬图像中果蔬的变质是否是环境温湿度导致的，若采集果蔬图像时的果蔬变质是环境温湿度导致的，则根据果蔬图像的训练参与度对对比损失进行加权后进行孪生网络的训练，即基于果蔬图像进行网络参数的调整，若采集果蔬图像时的果蔬变质不是环境温湿度导致的，则基于果蔬图像不调整或小幅度调整网络的参数，使得网络的学习更加准确，进行对果蔬质量进行准确检测。
附图说明
[0011]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和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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，还可以根据这些附图获得其它附图。
[0012]图1为本专利技术方法实施例的步骤流程图。
具体实施方式
[0013]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种智能折扣估计与智能推广方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0014]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0015]下面结合附图具体的说明本专利技术所提供的一种智能折扣估计与智能推广方法及系统的具体方案。
[0016]请参阅图1，其示出了本专利技术一个实施例提供的一种智能折扣估计与智能推广方法的步骤流程图，该方法包括以下步骤：基于不同存放时间，采集仓库中不同储放区域处的果蔬图像，构成训练数据集；获取训练数据集中每张果蔬图像的训练参与度，所述训练参与度表征果蔬图像中果蔬的变质是否是环境温湿度导致的；构建孪生网络，利用训练数据集中每张果蔬图像的训练参与度对对比损失进行加权后监督训练孪生网络；利用训练好的孪生网络对果蔬图像进行质量检测，基于果蔬质量进行果蔬售卖价格的估计和推广摆放位置的确定；其中，质量检测结果表征仅由环境温湿度导致的果蔬的变质情况。
[0017]下面对上述各个步骤进行详细展开：步骤S1，基于不同存放时间，采集仓库中不同储放区域处的果蔬图像，构成训练数据集。
[0018]例如，可以在存放时间为1天、3天、5天、7天时，对仓库中不同储放区域处的果蔬进
行图像采集，得到多张果蔬图像，基于多张果蔬图像构建训练数据集。
[0019]步骤S2，获取训练数据集中每张果蔬图像的训练参与度，所述训练参与度表征果蔬图像中果蔬的变质是否是环境温湿度导致的。
[0020]在每个储放区域采集的每张果蔬图像的训练参与度的获取具体为：(1)基于采集果蔬图像时果蔬的存放时间，获取各个储放区域对应的果蔬质量亏损度序列、环境温度序列和环境湿度序列；存放一段时间后果蔬重量与果蔬本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能折扣估计与智能推广方法，其特征在于，该方法包括：基于不同存放时间，采集仓库中不同储放区域处的果蔬图像，构成训练数据集；获取训练数据集中每张果蔬图像的训练参与度，所述训练参与度表征果蔬图像中果蔬的变质是否是环境温湿度导致的；构建孪生网络，利用训练数据集中每张果蔬图像的训练参与度对对比损失进行加权后监督训练孪生网络；利用训练好的孪生网络对果蔬图像进行质量检测，基于果蔬质量进行果蔬售卖价格的估计和推广摆放位置的确定；其中，质量检测结果表征仅由环境温湿度导致的果蔬的变质情况。2.如权利要求1所述的方法，其特征在于，在每个储放区域采集的每张果蔬图像的训练参与度的获取具体为：基于采集果蔬图像时果蔬的存放时间，获取各个储放区域对应的果蔬质量亏损度序列、环境温度序列和环境湿度序列；存放一段时间后果蔬重量与果蔬入库重量差值绝对值与果蔬入库重量的比值为果蔬质量亏损度；基于果蔬质量亏损度序列计算每个储放区域与仓库整体存放条件的相似度S，基于相似度对储放区域进行分组；对于每个分组中的每个储放区域，基于环境温度序列和环境湿度序列计算该储放区域与组内其他储放区域环境温湿度变化情况的相似度H；根据每个储放区域对应的S和H计算在该储放区域采集的果蔬图像的训练参与度；对于每个储放区域，该储放区域与仓库整体存放条件越相似，该储放区域与所属组内其他储放区域环境温湿度变化情况越相似，所采集的果蔬图像中果蔬的变质越是环境温湿度导致的。3.如权利要求2所述的方法，其特征在于，基于果蔬质量亏损度序列计算每个储放区域与仓库整体存放条件的相似度S，具体地：与仓库整体存放条件的相似度S...

【专利技术属性】
技术研发人员：李晓宗，
申请(专利权)人：广州骏天科技有限公司，
类型：发明
国别省市：