本技術(shù)涉及食品檢測(cè)的，特別是涉及一種模型訓(xùn)練方法、剩余貨架期預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、通常，大多數(shù)的水果在采摘之后，壽命都比較短。例如草莓、香蕉以及荔枝等。在銷(xiāo)售和運(yùn)輸環(huán)節(jié)，商家需要基于水果的剩余貨架期的長(zhǎng)短對(duì)水果進(jìn)行分類(lèi)，如處于較為新鮮狀態(tài)的水果為一級(jí)水果，其具有較長(zhǎng)的剩余貨架期；處于最佳可食用狀態(tài)的水果，為二級(jí)水果，具有較短的剩余貨架期；處于衰敗期的水果為三級(jí)水果，食用價(jià)值較低。準(zhǔn)確評(píng)定水果的剩余貨架期，對(duì)運(yùn)輸過(guò)程以及零售環(huán)節(jié)具有重要意義。

2、但是在現(xiàn)實(shí)中，人們往往憑借感官以及經(jīng)驗(yàn)去評(píng)定水果的剩余貨架期，準(zhǔn)確率較差。因此，如何更準(zhǔn)確的確定水果的剩余貨架期，是一個(gè)亟需解決的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、基于此，有必要針對(duì)上述技術(shù)問(wèn)題，提供一種能夠更準(zhǔn)確的確定水果的剩余貨架期的模型訓(xùn)練方法、剩余貨架期預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)。

2、第一方面，本技術(shù)提供了一種模型訓(xùn)練方法，包括：

3、獲取包括多個(gè)訓(xùn)練樣本的目標(biāo)訓(xùn)練集，每一所述訓(xùn)練樣本包括同一個(gè)目標(biāo)水果沿時(shí)間序列分布的多組檢測(cè)數(shù)據(jù)，每組檢測(cè)數(shù)據(jù)對(duì)應(yīng)一個(gè)新鮮度評(píng)分，所述檢測(cè)數(shù)據(jù)包括組分構(gòu)成和感官特征；

4、將所述多個(gè)訓(xùn)練樣本輸入特征提取模型，得到多組特征數(shù)據(jù)，所述特征數(shù)據(jù)包括新鮮特征數(shù)據(jù)和腐敗特征數(shù)據(jù)；

5、基于所述多組特征數(shù)據(jù)構(gòu)建多組新鮮度指標(biāo)；

6、將所述多組新鮮度指標(biāo)構(gòu)建觀測(cè)集合，并基于所述觀測(cè)集合建立隱馬爾可夫模型進(jìn)行訓(xùn)練，將訓(xùn)練后得到的模型作為新鮮度預(yù)測(cè)模型；

7、所述新鮮度預(yù)測(cè)模型用于基于輸入的目標(biāo)水果的目標(biāo)新鮮度指標(biāo)序列，預(yù)測(cè)得到目標(biāo)水果的新鮮度評(píng)分，所述目標(biāo)新鮮度指標(biāo)序列是通過(guò)特征提取模型對(duì)目標(biāo)檢測(cè)數(shù)據(jù)進(jìn)行處理得到的；所述新鮮度評(píng)分用于確定目標(biāo)水果的剩余貨架期。

8、在其中一個(gè)實(shí)施例中，所述特征提取模型為dbn模型，所述將所述多個(gè)訓(xùn)練樣本輸入特征提取模型，得到多組特征數(shù)據(jù)，包括：

9、對(duì)于每一所述訓(xùn)練樣本，按照預(yù)設(shè)比例將所述訓(xùn)練樣本在時(shí)間序列上進(jìn)行劃分，得到所述訓(xùn)練樣本對(duì)應(yīng)的細(xì)分樣本，所述細(xì)分樣本包括新鮮樣本和腐敗樣本；

10、將所述多個(gè)訓(xùn)練樣本各自對(duì)應(yīng)的所述細(xì)分樣本輸入所述dbn模型進(jìn)行特征提取，得到多組特征數(shù)據(jù)。

11、在其中一個(gè)實(shí)施例中，所述基于所述多組特征數(shù)據(jù)構(gòu)建多組新鮮度指標(biāo)，包括：

12、對(duì)于每一組所述特征數(shù)據(jù)，確定所述新鮮特征數(shù)據(jù)和所述腐敗特征數(shù)據(jù)之間的偏離程度，并將所述偏離程度作為所述目標(biāo)水果的新鮮度指標(biāo)。

13、在其中一個(gè)實(shí)施例中，?所述方法還包括：

14、獲取多個(gè)初始樣本，每一所述初始樣本包括同一個(gè)目標(biāo)水果沿時(shí)間序列分布的多組檢測(cè)數(shù)據(jù)，每組檢測(cè)數(shù)據(jù)對(duì)應(yīng)一個(gè)新鮮度評(píng)分，所述檢測(cè)數(shù)據(jù)包括組分構(gòu)成和感官特征；

15、基于目標(biāo)gan網(wǎng)絡(luò)對(duì)所述多個(gè)初始樣本進(jìn)行處理，生成多個(gè)擴(kuò)充樣本；

16、基于所述多個(gè)擴(kuò)充樣本和所述多個(gè)初始樣本構(gòu)建目標(biāo)訓(xùn)練集。

17、在其中一個(gè)實(shí)施例中，初始gan網(wǎng)絡(luò)包括生成器和判別器，所述目標(biāo)gan網(wǎng)絡(luò)的訓(xùn)練過(guò)程，包括：

18、基于期望以及判別器確定所述初始樣本與所述初始樣本采樣之間的真實(shí)性分?jǐn)?shù)確定第一損失；

19、基于期望以及判別器確定生成數(shù)據(jù)與所述初始樣本之間的真實(shí)性分?jǐn)?shù)確定第二損失，所述生成數(shù)據(jù)為所述初始樣本經(jīng)過(guò)生成器生成的數(shù)據(jù)；

20、基于所述第一損失和所述第二損失構(gòu)建第一損失函數(shù)，將所述第二損失作為第二損失函數(shù)，并將所述第一損失函數(shù)作為判別器的損失函數(shù)，將所述第二損失函數(shù)作為生成器的損失函數(shù)；

21、基于所述第一損失函數(shù)和所述第二損失函數(shù)，對(duì)初始gan網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到目標(biāo)gan網(wǎng)絡(luò)。

22、第二方面，本技術(shù)還提供了一種剩余貨架期預(yù)測(cè)方法，包括：

23、獲取目標(biāo)水果的檢測(cè)信息，所述檢測(cè)信息包括組分構(gòu)成和感官特征中的至少一項(xiàng)；

24、利用新鮮度預(yù)測(cè)模型處理所述檢測(cè)信息，得到所述目標(biāo)水果的新鮮度評(píng)分；

25、基于所述新鮮度評(píng)分確定所述目標(biāo)水果的剩余貨架期；

26、所述新鮮度預(yù)測(cè)模型是基于觀測(cè)集合對(duì)隱馬爾可夫模型進(jìn)行訓(xùn)練得到的；

27、其中，觀測(cè)集合是基于多組新鮮度指標(biāo)構(gòu)建的，所述多組新鮮度指標(biāo)是基于多組特征數(shù)據(jù)構(gòu)建的，所述特征數(shù)據(jù)包括新鮮特征數(shù)據(jù)和腐敗特征數(shù)據(jù)，所述多組特征數(shù)據(jù)是基于特征提取模型對(duì)多個(gè)訓(xùn)練樣本提取得到的，每一所述訓(xùn)練樣本包括同一個(gè)目標(biāo)水果沿時(shí)間序列分布的多組檢測(cè)數(shù)據(jù)，每組檢測(cè)數(shù)據(jù)對(duì)應(yīng)一個(gè)新鮮度評(píng)分，所述檢測(cè)數(shù)據(jù)包括組分構(gòu)成和感官特征。

28、第三個(gè)方面，本技術(shù)還提供了一種模型訓(xùn)練裝置，包括訓(xùn)練樣本獲取模塊、特征提取模塊、新鮮度指標(biāo)構(gòu)建模塊以及訓(xùn)練模塊，其中：

29、訓(xùn)練樣本獲取模塊，用于獲取包括多個(gè)訓(xùn)練樣本的目標(biāo)訓(xùn)練集，每一所述訓(xùn)練樣本包括同一個(gè)目標(biāo)水果沿時(shí)間序列分布的多組檢測(cè)數(shù)據(jù)，每組檢測(cè)數(shù)據(jù)對(duì)應(yīng)一個(gè)新鮮度評(píng)分，所述檢測(cè)數(shù)據(jù)包括組分構(gòu)成和感官特征；

30、特征提取模塊，用于將所述多個(gè)訓(xùn)練樣本輸入特征提取模型，得到多組特征數(shù)據(jù)，所述特征數(shù)據(jù)包括新鮮特征數(shù)據(jù)和腐敗特征數(shù)據(jù)；

31、新鮮度指標(biāo)構(gòu)建模塊，用于基于所述多組特征數(shù)據(jù)構(gòu)建多組新鮮度指標(biāo)；

32、訓(xùn)練模塊，用于將所述多組新鮮度指標(biāo)構(gòu)建觀測(cè)集合，并基于所述觀測(cè)集合建立隱馬爾可夫模型進(jìn)行訓(xùn)練，將訓(xùn)練后得到的模型作為新鮮度預(yù)測(cè)模型；

33、所述新鮮度預(yù)測(cè)模型用于基于輸入的目標(biāo)水果的目標(biāo)新鮮度指標(biāo)序列，預(yù)測(cè)得到目標(biāo)水果的新鮮度評(píng)分，所述目標(biāo)新鮮度指標(biāo)序列是通過(guò)特征提取模型對(duì)目標(biāo)檢測(cè)數(shù)據(jù)進(jìn)行處理得到的；所述新鮮度評(píng)分用于確定目標(biāo)水果的剩余貨架期。

34、第四方面，本技術(shù)還提供了一種剩余貨架期預(yù)測(cè)裝置，所述裝置包括目標(biāo)檢測(cè)信息獲取模塊、提取模塊、新鮮度評(píng)分確定模塊以及剩余貨架期預(yù)測(cè)模塊，其中：

35、目標(biāo)檢測(cè)信息獲取模塊、用于獲取目標(biāo)水果的目標(biāo)檢測(cè)信息，所述檢測(cè)信息包括組分構(gòu)成和感官特征中的至少一項(xiàng)；

36、提取模塊、用于利用特征提取模型對(duì)所述目標(biāo)檢測(cè)信息進(jìn)行提取，得到目標(biāo)新鮮度特征序列；

37、新鮮度評(píng)分確定模塊、用于利用新鮮度預(yù)測(cè)模型處理所述目標(biāo)新鮮度特征序列，得到所述目標(biāo)水果的新鮮度評(píng)分；

38、剩余貨架期預(yù)測(cè)模塊、用于基于所述新鮮度評(píng)分確定所述目標(biāo)水果的剩余貨架期；

39、所述新鮮度預(yù)測(cè)模型是基于觀測(cè)集合對(duì)隱馬爾可夫模型進(jìn)行訓(xùn)練得到的；

40、其中，觀測(cè)集合是基于多組新鮮度指標(biāo)構(gòu)建的，所述多組新鮮度指標(biāo)是基于多組特征數(shù)據(jù)構(gòu)建的，所述特征數(shù)據(jù)包括新鮮特征數(shù)據(jù)和腐敗特征數(shù)據(jù)，所述多組特征數(shù)據(jù)是基于特征提取模型對(duì)多個(gè)訓(xùn)練樣本提取得到的，每一所述訓(xùn)練樣本包括同一個(gè)目標(biāo)水果沿時(shí)間序列分布的多組檢測(cè)數(shù)據(jù)，每組檢測(cè)數(shù)據(jù)對(duì)應(yīng)一個(gè)新鮮度評(píng)分，所述檢測(cè)數(shù)據(jù)包括組分構(gòu)成和感官特征。

41、第五方面，本技術(shù)還提供了一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)以下步驟：

42、獲取包括多個(gè)訓(xùn)練樣本的目標(biāo)訓(xùn)練集，每一所述訓(xùn)練樣本包括同一個(gè)目標(biāo)水果沿時(shí)間序列分布的多組檢測(cè)數(shù)據(jù)，每組檢測(cè)數(shù)據(jù)對(duì)應(yīng)一個(gè)新鮮度評(píng)分，所述檢測(cè)數(shù)據(jù)包括組分構(gòu)成和感官特征；

43、將所述多個(gè)訓(xùn)練樣本輸入特征提取模型，得到多組特征數(shù)據(jù)，所述特征數(shù)據(jù)包括新鮮特征數(shù)據(jù)和腐敗特征數(shù)據(jù)；

44、基于所述多組特征數(shù)據(jù)構(gòu)建多組新鮮度指標(biāo)；

45、將所述多組新鮮度指標(biāo)構(gòu)建觀測(cè)集合，并基于所述觀測(cè)集合建立隱馬爾可夫模型進(jìn)行訓(xùn)練，將訓(xùn)練后得到的模型作為新鮮度預(yù)測(cè)模型；

46、所述新鮮度預(yù)測(cè)模型用于基于輸入的目標(biāo)水果的目標(biāo)新鮮度指標(biāo)序列，預(yù)測(cè)得到目標(biāo)水果的新鮮度評(píng)分，所述目標(biāo)新鮮度指標(biāo)序列是通過(guò)特征提取模型對(duì)目標(biāo)檢測(cè)數(shù)據(jù)進(jìn)行處理得到的；所述新鮮度評(píng)分用于確定目標(biāo)水果的剩余貨架期。

47、第六方面，本技術(shù)還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)以下步驟：

48、獲取包括多個(gè)訓(xùn)練樣本的目標(biāo)訓(xùn)練集，每一所述訓(xùn)練樣本包括同一個(gè)目標(biāo)水果沿時(shí)間序列分布的多組檢測(cè)數(shù)據(jù)，每組檢測(cè)數(shù)據(jù)對(duì)應(yīng)一個(gè)新鮮度評(píng)分，所述檢測(cè)數(shù)據(jù)包括組分構(gòu)成和感官特征；

49、將所述多個(gè)訓(xùn)練樣本輸入特征提取模型，得到多組特征數(shù)據(jù)，所述特征數(shù)據(jù)包括新鮮特征數(shù)據(jù)和腐敗特征數(shù)據(jù)；

50、基于所述多組特征數(shù)據(jù)構(gòu)建多組新鮮度指標(biāo)；

51、將所述多組新鮮度指標(biāo)構(gòu)建觀測(cè)集合，并基于所述觀測(cè)集合建立隱馬爾可夫模型進(jìn)行訓(xùn)練，將訓(xùn)練后得到的模型作為新鮮度預(yù)測(cè)模型；

52、所述新鮮度預(yù)測(cè)模型用于基于輸入的目標(biāo)水果的目標(biāo)新鮮度指標(biāo)序列，預(yù)測(cè)得到目標(biāo)水果的新鮮度評(píng)分，所述目標(biāo)新鮮度指標(biāo)序列是通過(guò)特征提取模型對(duì)目標(biāo)檢測(cè)數(shù)據(jù)進(jìn)行處理得到的；所述新鮮度評(píng)分用于確定目標(biāo)水果的剩余貨架期。

53、上述模型訓(xùn)練方法、剩余貨架期預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)，在本技術(shù)實(shí)施例中，通過(guò)獲取目標(biāo)水果的多個(gè)訓(xùn)練樣本，然后通過(guò)特征提取模型對(duì)多個(gè)訓(xùn)練樣本進(jìn)行特征提取得到多組特征數(shù)據(jù)，然后基于多組特征數(shù)據(jù)構(gòu)建多個(gè)新鮮度指標(biāo)，由于每一個(gè)新鮮度指標(biāo)表征一個(gè)目標(biāo)水果個(gè)體的檢測(cè)數(shù)據(jù)隨新鮮程度變化關(guān)系，因此進(jìn)一步將多個(gè)新鮮度指標(biāo)構(gòu)建作為觀測(cè)集合對(duì)隱馬爾可夫模型進(jìn)行訓(xùn)練，使得隱馬爾可夫模型能夠?qū)W習(xí)到多個(gè)目標(biāo)水果個(gè)體的檢測(cè)數(shù)據(jù)隨新鮮程度的變化規(guī)律，進(jìn)而訓(xùn)練后的模型即為新鮮度預(yù)測(cè)模型；新鮮度預(yù)測(cè)模型能夠基于用戶(hù)輸入的目標(biāo)水果檢測(cè)數(shù)據(jù)，預(yù)測(cè)得到目標(biāo)水果的新鮮度評(píng)分，進(jìn)而新鮮度評(píng)分確定目標(biāo)水果的剩余貨架期；與相關(guān)技術(shù)中僅通過(guò)經(jīng)驗(yàn)來(lái)確定目標(biāo)水果的剩余貨架期相比，本技術(shù)實(shí)施例中通過(guò)隱馬爾可夫模型學(xué)習(xí)目標(biāo)水果的組分構(gòu)成和感官特征隨新鮮程度變化的規(guī)律，得到新鮮度預(yù)測(cè)模型，進(jìn)而通過(guò)新鮮度預(yù)測(cè)模型能夠更準(zhǔn)確的預(yù)測(cè)目標(biāo)水果的新鮮度評(píng)分，再基于新鮮度評(píng)分能夠更準(zhǔn)確的確定目標(biāo)水果的剩余貨架期。