一种粮堆密度确定方法、装置、设备及介质与流程

本说明书涉及计算机，尤其涉及一种粮堆密度确定方法、装置、设备及介质。

背景技术：

1、粮食清查过程中采用的粮堆密度估算方法大多是测量计算法、称重法，其中称重法由于需要对粮食进行出入库的操作，在此过程中会造成大量人力、物力的损耗，因此在粮食清查环节较少采用称重法，比较常规的测量方法是测量计算法，而测量计算法的应用又比较依赖于标准仓的选择、修正系数的校正等，存在一定的局限性、随机性，标准仓的选择不合适，会直接影响最终的粮堆密度的计算。

技术实现思路

1、本说明书一个或多个实施例提供了一种粮堆密度确定方法、装置、设备及介质，用于解决背景技术提出的技术问题。

2、本说明书一个或多个实施例采用下述技术方案：

3、本说明书一个或多个实施例提供的一种粮堆密度确定方法，包括：

4、获取待确定粮堆密度的粮堆相关数据；

5、将所述粮堆相关数据输入至预先训练的特征向量模型，得到所述粮堆相关数据对应的特征表达向量，其中，所述特征向量模型为卷积神经网络回归模型；

6、将所述粮堆相关数据对应的特征表达向量输入至预先训练的粮堆密度模型，得到粮堆密度，所述粮堆密度模型为监督网络模型。

7、本说明书一个或多个实施例提供的一种粮堆密度确定装置，所述装置包括：

8、数据获取单元，获取待确定粮堆密度的粮堆相关数据；

9、特征表达向量单元，将所述粮堆相关数据输入至预先训练的特征向量模型，得到所述粮堆相关数据对应的特征表达向量，其中，所述特征向量模型为卷积神经网络回归模型；

10、粮堆密度单元，将所述粮堆相关数据对应的特征表达向量输入至预先训练的粮堆密度模型，得到粮堆密度，所述粮堆密度模型为监督网络模型。

11、本说明书一个或多个实施例提供的一种粮堆密度确定设备，包括：

12、至少一个处理器；以及，

13、与所述至少一个处理器通信连接的存储器；其中，

14、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

15、获取待确定粮堆密度的粮堆相关数据；

16、将所述粮堆相关数据输入至预先训练的特征向量模型，得到所述粮堆相关数据对应的特征表达向量，其中，所述特征向量模型为卷积神经网络回归模型；

17、将所述粮堆相关数据对应的特征表达向量输入至预先训练的粮堆密度模型，得到粮堆密度，所述粮堆密度模型为监督网络模型。

18、本说明书一个或多个实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：

19、获取待确定粮堆密度的粮堆相关数据；

20、将所述粮堆相关数据输入至预先训练的特征向量模型，得到所述粮堆相关数据对应的特征表达向量，其中，所述特征向量模型为卷积神经网络回归模型；

21、将所述粮堆相关数据对应的特征表达向量输入至预先训练的粮堆密度模型，得到粮堆密度，所述粮堆密度模型为监督网络模型。

22、本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：

23、一方面，本说明书实施例克服了传统粮食密度估算方法中由于标准仓的选择所引起的随机性等问题，使得对粮食密度的估算有一个相对快速、精确的实现；

24、另一方面，在实际生活中，由于粮食容重、杂质、水分等因素的影响，即使是相同品种的粮食、密度亦存在较大不同，单纯的通过粮食的体积、数量计算粮食密度有失偏颇，需要综合考虑粮食水分、杂质、容重等因素，进而估算出粮食密度；

25、最后，该神经网络回归模型基于训练数据集训练出的模型具有较好的泛化性，即基于部分仓房的历史数据可以对剩余部分仓房的粮堆密度进行估算，并且随着数据集的不断增加，模型会不断的进行迭代、优化，模型的准确度也会得到逐步提升，对于粮堆的平均密度估计也会更加趋近于真实的粮堆平均密度。

技术特征：

1.一种粮堆密度确定方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述将所述粮堆相关数据输入至预先训练的特征向量模型，得到所述粮堆相关数据对应的特征表达向量，包括：

3.根据权利要求1所述的方法，其特征在于，所述粮堆相关数据包括：粮堆的库点省份、粮食品种、粮堆形状、粮食容重、粮食杂质、粮食收获年度、装粮高度、粮食实测水分与测量实际体积。

4.根据权利要求1所述的方法，其特征在于，所述将所述粮堆相关数据对应的特征表达向量输入至预先训练的粮堆密度模型前，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，所述根据所述训练数据中的所述多组粮堆相关数据与所述各组粮堆相关数据对应的粮堆平均密度，训练初始的粮堆密度模型前，所述方法还包括：

6.根据权利要求4所述的方法，其特征在于，所述根据所述训练数据中的所述多组粮堆相关数据与所述各组粮堆相关数据对应的粮堆平均密度，训练初始的粮堆密度模型前，所述方法还包括：

7.根据权利要求4所述的方法，其特征在于，所述根据所述训练数据中的所述多组粮堆相关数据与所述各组粮堆相关数据对应的粮堆平均密度，训练初始的粮堆密度模型前，所述方法还包括：

8.一种粮堆密度确定装置，其特征在于，所述装置包括：

9.一种粮堆密度确定设备，其特征在于，包括：

10.一种非易失性计算机存储介质，其特征在于，存储有计算机可执行指令，所述计算机可执行指令设置为：

技术总结
本说明书实施例公开了一种粮堆密度确定方法、装置、设备及介质，包括：获取待确定粮堆密度的粮堆相关数据；将所述粮堆相关数据输入至预先训练的特征向量模型，得到所述粮堆相关数据对应的特征表达向量，其中，所述特征向量模型为卷积神经网络回归模型；将所述粮堆相关数据对应的特征表达向量输入至预先训练的粮堆密度模型，得到粮堆密度，所述粮堆密度模型为监督网络模型。

技术研发人员：史艳庆,孙安阳,张壮,傅慧,王放
受保护的技术使用者：浪潮通用软件有限公司
技术研发日：
技术公布日：2024/1/12