买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东省食品药品检验研究院申请的专利一种基于机器学习的食品留样品质监测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121327625B 。

龙图腾网通过国家知识产权局官网在2026-02-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511881901.0，技术领域涉及：G06F18/241；该发明授权一种基于机器学习的食品留样品质监测方法是由王爱竹;魏可燕;程玲云;李新玲;胡楠;邵华伟;张喜琦设计研发完成，并于2025-12-15向国家知识产权局提交的专利申请。

本一种基于机器学习的食品留样品质监测方法在说明书摘要公布了：本发明涉及一种基于机器学习的食品留样品质监测方法，具体如下：在食品留样环境部署传感器阵列，实时采集留样多维度物理化学特性数据，以历史正常与劣化批次数据构建训练集并标注状态；构建用于食品留样品质监测的机器学习模型，将训练集中的样本数据输入至模型中，依次经过动态分布对齐模块、物理约束对抗增强模块、多尺度残差时空网络，利用物理约束与环境调制进行动态注意力机制增强，最终由多模态分类器输出品质类别概率；然后计算模型损失，对模型进行迭代训练，得到训练完成的模型；将训练完成的模型部署在留样监测终端，输入新采集的监测数据，对食品留样的品质状态进行预测。本发明可以实现对食品留样品质的高效、实时的质量监控。

本发明授权一种基于机器学习的食品留样品质监测方法在权利要求书中公布了：1.一种基于机器学习的食品留样品质监测方法，其特征是，包括以下步骤： S1、在食品留样环境中部署传感器阵列来实时采集食品留样的监测数据，多维度持续监测留样的多维度物理化学特性，由历史正常批次和劣化批次数据构成训练集，并对训练集中检测数据的状态进行标注； 传感器阵列采用15种食品质量监测传感器，采集的数据包括温度、pH值、电导率、乳酸菌浓度、脂肪含量、蛋白质含量、粘度、氧化还原电位、二氧化碳浓度、光照强度、振动、声音、颜色、气味和湿度； S2、构建用于食品留样品质监测的机器学习模型，将训练集中的样本数据输入至模型中，依次经过动态分布对齐模块、物理约束对抗增强模块、多尺度残差时空网络，利用物理约束与环境调制进行动态注意力机制增强，最终由多模态分类器输出品质类别概率；然后计算模型损失，对模型进行迭代训练，得到训练完成的模型； S2具体如下： 构建用于食品留样品质监测的机器学习模型，将训练集中由检测数据构成的时序数据矩阵输入至模型，先经过动态分布对齐模块，通过计算时序数据矩阵与全局基准分布的条件互信息，动态构建可微分对齐矩阵，生成对齐数据；再通过物理约束对抗增强模块对样本数据进行物理约束，设计食品特性驱动的对抗正则项，约束生成器满足领域知识定义的微分关系，生成增强数据；将对齐数据和增强数据输入至多尺度残差时空网络，通过双通路残差架构，利用空洞卷积核与扩张长短期记忆网络捕获跨时间尺度的特征交互，提取多尺度特征，输出融合特征；利用物理约束与环境调制进行动态注意力机制增强，结合历史劣化模式和融合特征来增强对食品劣化过程中关键时空特征的聚焦能力，输出注意力加权特征，再由多模态分类器输出品质类别概率；然后结合环境调制因子和历史劣化模式构建多任务损失函数计算模型损失，采用小批次梯度下降法对模型进行迭代训练，得到训练完成的模型； 物理约束与环境调制进行动态注意力机制增强的过程具体如下： 通过计算平均物理约束特征与历史劣化模式的相似性，并结合环境因子进行调制，动态生成各时间点的注意力权重； 通过平均融合特征和平均物理约束输出的线性变换，结合Sigmoid激活函数，计算特征通道的注意力权重； 将时间注意力权重和特征通道注意力权重通过外积操作结合，生成时空注意力矩阵，并与融合特征进行逐元素乘法，同时引入物理注意力特征的投影作为残差项，生成注意力加权特征； 通过计算注意力加权特征的时间聚合向量与环境因子调制向量的门控乘积，并结合历史劣化模式匹配得分，生成品质分类逻辑值，再通过Softmax函数得到品质类别概率； 物理约束的函数表示为： ，其中，表示物理约束函数；为关键传感器状态向量；表示pH值随时间的变化率；表示乳酸菌浓度随时间的变化率；表示食品相关常数；表示电导率随时间的变化率；表示温度随时间的变化率；表示食品相关常数；表示电导率变化阈值；表示粘度随时间的变化率；表示粘度与乳酸菌耦合常数；表示粘度变化阈值； 表示氧化还原电位随时间的变化率；表示氧化还原电位与乳酸菌耦合常数；表示氧化还原电位变化阈值；表示二氧化碳浓度随时间的变化率；表示二氧化碳浓度与乳酸菌耦合常数；表示二氧化碳浓度变化阈值；表示脂肪含量随时间的变化率；表示脂肪含量与氧化还原电位耦合常数；表示脂肪含量变化阈值； 表示蛋白质含量随时间的变化率；表示蛋白质含量与pH耦合常数；表示蛋白质含量变化阈值；表示颜色值随时间的变化率；表示颜色与乳酸菌耦合常数；表示颜色变化阈值；表示取最大值函数； S3、将训练完成的模型部署在留样监测终端，输入新采集的监测数据，对食品留样的品质状态进行预测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东省食品药品检验研究院，其通讯地址为：250101 山东省济南市高新区新泺大街2749号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。