CN110060016A - 生鲜备货方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本发明公开了一种生鲜备货方法，获取生鲜的环境参数及历史销售数据；基于环境参数确定生鲜的未来产品数据；基于历史销售数据确定生鲜的未来销售数据；判断未来产品数据中的未来产量是否大于未来销售数据中的未来销售量；当未来产量大于或者等于未来销售量时，发送第一备货指令至预设商家；当未来产量小于未来销售量时，发送第二备货指令至预设商家。本发明还公开了一种生鲜备货装置、计算机设备及存储介质。本发明通过对生鲜的未来产品数据和未来销售数据进行预估，从而确定未来产量与未来销售量之间的大小关系，进而根据大小关系发送不同的备货指令给商家，以指导商家进行备货，使得商家预备的生鲜能够达到供需平衡。

Description

生鲜备货方法、装置、计算机设备及存储介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种生鲜备货方法、装置、计算机设备及存储介质。

背景技术

随着现代消费者对生鲜的需求量越来越多，品质要求越来越高，传统的销售渠道，例如超市、便利店、农批市场等已无法满足消费者的多样化需求。而伴随着电子商务技术的快速发展，生鲜在电子商务领域已获得了较大的应用。

然而，从目前的销售情况来看，生鲜的线上销售模式也还是单纯的售卖模式，即，商家进购一批生鲜，消费者线上购买生鲜。但是，对于商家而言，进货少了就会影响销售业绩，进货多了就很容易导致过期变质而发生损耗，没有有效的结合生鲜的产量和消费者的需求量进行备货。

因此，有必要提供一种生鲜的线上备货方案，风险科学合理的进行备货，保证生鲜销售的平稳进行，既能提升销售量又能降低库存损耗。

发明内容

本发明的主要目的在于提供一种生鲜备货方法、装置、计算机设备及存储介质，旨在解决生鲜的备货量的技术问题，通过对生鲜的未来产品数据和未来销售数据进行预估，从而确定未来产量与未来销售量之间的大小关系，进而根据大小关系发送不同的备货指令给商家，以指导商家进行备货，使得商家预备的生鲜能够达到供需平衡。

为实现上述目的，本发明的第一方面提供一种生鲜备货方法，所述方法包括：

获取生鲜的环境参数及历史销售数据；

基于所述环境参数确定所述生鲜的未来产品数据；

基于所述历史销售数据确定所述生鲜的未来销售数据；

判断所述未来产品数据中的未来产量是否大于所述未来销售数据中的未来销售量；

当所述未来产量大于或者等于所述未来销售量时，发送第一备货指令至预设商家；

当所述未来产量小于所述未来销售量时，发送第二备货指令至所述预设商家。

优选的，所述环境参数包括：生长周期、气候、灾害等级、光照时长、运输周期；

所述基于所述环境参数确定所述生鲜的产品数据包括：

将所述环境参数输入预先训练好的产量品质识别模型中；

获取所述产量品质识别模型的输出结果；

根据所述输出结果确定所述生鲜的未来产品数据。

优选的，所述产量品质识别模型的训练过程包括：

获取多个历史环境参数及每个历史环境参数对应的历史产品数据，作为数据集；

将所述数据集分为第一数量的训练集和第二数量的测试集，其中，所述第一数量大于所述第二数量；

将所述训练集输入预先设置的深度神经网络中进行训练，得到产量品质识别模型；

将所述测试集输入所述产量品质识别模型中进行测试，得到测试通过率；

当所述测试通过率大于或者等于预设通过率阈值，结束所述产量品质识别模型的训练；

当所述测试通过率小于所述预设通过率阈值，重新划分训练集和测试集，并基于新的训练集训练产量品质识别模型直至测试通过率大于或者等于所述预设通过率阈值。

优选的，所述基于所述历史销售数据确定所述生鲜的未来销售数据包括：

获取所述历史销售数据中生鲜的销售区域、销售区域的销售量及消费喜好；

获取所述销售区域的消费者物价指数的环比涨幅；

根据所述销售区域的销售量及所述消费者物价指数的环比涨幅计算所述销售区域的未来销售量；

基于所述销售区域、所述销售区域的未来销售量及所述消费喜好确定所述生鲜的未来销售数据。

优选的，所述第一备货指令中携带有所述销售区域的未来销售量及所述消费喜好；所述第二备货指令中携带有所述销售区域的未来产量和所述未来销售量。

优选的，在对所述生鲜进行备货之前，所述方法还包括：

获取所述生鲜的采摘期；

将所述采摘期前预设日期确定为生鲜的预定期；

在所述预定期内发布预设预定机制。

优选的，在对所述生鲜进行备货之后，所述方法还包括：

获取所述生鲜的剩余保质期；

判断所述剩余保质期是否小于预设保质期阈值；

当所述剩余保质期小于或者等于所述预设保质期阈值时，发布预设促销机制。

为实现上述目的，本发明的第二方面提供一种生鲜备货装置，所述装置包括：

获取模块，用于获取生鲜的环境参数及历史销售数据；

第一确定模块，用于基于所述环境参数确定所述生鲜的未来产品数据；

第二确定模块，用于基于所述历史销售数据确定所述生鲜的未来销售数据；

判断模块，用于判断所述未来产品数据中的未来产量是否大于所述未来销售数据中的未来销售量；

第一发送模块，用于当所述未来产量大于或者等于所述未来销售量时，发送第一备货指令至预设商家；

第二发送模块，用于当所述未来产量小于所述未来销售量时，发送第二备货指令至所述预设商家。

为实现上述目的，本发明的第三方面提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的生鲜备货方法程序，所述生鲜备货方法程序被所述处理器执行时实现所述的生鲜备货方法。

为实现上述目的，本发明的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有生鲜备货方法程序，所述生鲜备货方法程序可被一个或者多个处理器执行，以实现所述的生鲜备货方法。

本发明实施例所述的生鲜备货方法、装置、计算机设备及存储介质，首先获取生鲜的环境参数及历史销售数据；然后基于所述环境参数确定所述生鲜的未来产品数据，并基于所述历史销售数据确定所述生鲜的未来销售数据；最后当所述未来产量大于或者等于所述未来销售量时，发送第一备货指令至预设商家，当所述未来产量小于所述未来销售量时，发送第二备货指令至所述预设商家。本发明通过对生鲜的未来产品数据和未来销售数据进行预估，从而确定未来产量与未来销售量之间的大小关系，进而根据大小关系发送不同的备货指令给商家，以指导商家进行备货，使得商家预备的生鲜能够达到供需平衡，保障了商家的利润的可持续性。

附图说明

图1为本发明第一实施例的生鲜备货方法的流程示意图；

图2为本发明第二实施例的生鲜备货装置的结构示意图；

图3为本发明第三实施例揭露的计算机设备的内部结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

本发明所述的生鲜备货方法应用在一个或者多个计算机设备中。所述生鲜备货方法也可以应用于由计算机设备和通过网络与所述计算机设备进行连接的服务器所构成的硬件环境中。

所述对于需要进行生鲜备货的计算机设备，可以直接在计算机设备上集成本发明的方法所提供的生鲜备货功能，或者安装用于实现本发明的方法的客户端。再如，本发明所提供的方法还可以以软件开发工具包(Software Development Kit，SDK)的形式运行在计算机设备上，以SDK的形式提供生鲜备货功能的接口，计算机设备或其他设备通过提供的接口即可实现生鲜的备货。

需要说明的是，所述生鲜备货方法由计算机设备执行，相应地，生鲜备货装置一般设置于所述计算机设备中。

实施例一

如图1所示，为本发明实施例一提供的生鲜备货方法的流程图。所述生鲜备货方法具体包括以下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。

S11，获取生鲜的环境参数及历史销售数据。

本实施例中，生鲜可以包括：新鲜的蔬菜和瓜果，例如，黄瓜，蒜薹，茄子，苹果等。

计算机设备在确定为某一种类型的生鲜进行备货后，需要获取所述生鲜的环境参数及历史销售数据，以便根据环境参数预估出生鲜的未来产品数据，根据历史销售数据预估出未来销售数据，进而根据未来产品数据和未来销售数据做好备货计划。

所述环境参数是指与生鲜的生长相关的参数，包括：生长周期、气候、灾害等级、光照时长、运输周期。所述生长周期是指生鲜从播种到采摘的时期，应当理解的是，同一种类型的生鲜的生长周期几乎是相同的，因此可以通过历史生长周期确定生鲜的下一个生长周期。气候、灾害等级及光照时长可以通过天气应用程序获取。生鲜从生长地运往各个销售区域的运输周期也大致相同，因而可以通过历史运输周期确定生鲜的下一个运输周期。所述历史销售数据包括：销售区域，每个销售区域的销售量、销售价格、消费者的消费喜好。所述消费喜好是指消费者的消费习惯，体现了消费者注重生鲜的品质还是价格。

S12，基于所述环境参数确定所述生鲜的未来产品数据。

本实施例中，计算机设备可以基于生长周期、气候、灾害等级、光照时长、运输周期等预估出生鲜的未来产品数据。

所述生鲜的未来产品数据包括：生鲜的未来产量和生鲜的未来品质。

在一个优选的实施例中，所述基于所述环境参数确定所述生鲜的产品数据包括：

将所述环境参数输入预先训练好的产量品质识别模型中；

获取所述产量品质识别模型的输出结果；

根据所述输出结果确定所述生鲜的未来产品数据。

本实施例中，计算机设备可以预先训练一个产量品质识别模型，所述产量品质识别模型的输入为环境参数，输出为产量和品质。因此，当计算机设备将获取得到的环境参数输入所述预先训练好的产量品质识别模型中，即可得到生鲜的未来产量和未来品质，从而确定出生鲜的未来产品数据。

计算机设备可以基于卷积神经网络或者残差神经网络等训练产量品质识别模型，由于训练所述产量品质识别模型是基于大量的历史环境参数和历史产量、历史品质进行的，具有真实性、多样性，能够充分挖掘出生长周期、气候、灾害等级、光照时长、运输周期与产量和品质之间的内在联系，通过产量品质识别模型识别能够准确的估算出所述生鲜的未来产品数据。

在一个优选的实施例中，所述产量品质识别模型的训练过程包括：

获取多个历史环境参数及每个历史环境参数对应的历史产品数据，作为数据集；

将所述数据集分为第一数量的训练集和第二数量的测试集，其中，所述第一数量大于所述第二数量；

将所述训练集输入预先设置的深度神经网络中进行训练，得到产量品质识别模型；

将所述测试集输入所述产量品质识别模型中进行测试，得到测试通过率；

当所述测试通过率大于或者等于预设通过率阈值，结束所述产量品质识别模型的训练；

当所述测试通过率小于所述预设通过率阈值，重新划分训练集和测试集，并基于新的训练集训练产量品质识别模型直至测试通过率大于或者等于所述预设通过率阈值。

示例性的，假设获取10万条环境参数及对应环境参数的产品数据，作为数据集，以卷积神经网络进行产量品质识别模型的训练。将数据集中的80％的环境参数和产品数据作为训练集，将剩余的20％的环境参数和产品数据作为测试集。

在第一次训练产量品质识别模型时，该产量品质识别模型的参数采用默认的参数进行训练，在训练过程不断调整参数，在训练生成产量品质识别模型后，利用所述测试集对所生成的产量品质识别模型进行测试。在测试时，使用训练得到的产量品质识别模型对测试集中的环境参数进行识别，并将识别得到的产品数据与该测试集中的产品数据进行比对，以计算所训练的产量品质识别模型的测试通过率。如果测试通过率大于或者等于98％，表明所述产量品质识别模型的识别效果较好，则训练结束；如果测试通过率小于98％，表明所述产量品质识别模型的识别效果较差，则增加训练集的数量，并基于新的训练集重新执行上述的步骤，直至测试通过率大于等于预设阈值(例如，98％)。

需要说明的是，当获取的历史环境参数及每个历史环境参数对应的历史产品数据的数据量较小，而不足以训练出识别效果较好的产量品质识别模型时，可以通过扰动法，对已获取的历史环境参数和历史产品数据进行扰动，生成出较多的历史环境参数和历史产品数据。

S13，基于所述历史销售数据确定所述生鲜的未来销售数据。

本实施例中，计算机设备可以基于销售区域，每个销售区域的销售量、销售价格、消费者的消费喜好等预估出生鲜的未来销售数据。

所述生鲜的未来销售数据包括：生鲜的销售区域，每个销售区域的销售量、销售价格、消费者的消费喜好等。

在一个优选的实施例中，所述基于所述历史销售数据确定所述生鲜的未来销售数据包括：

获取所述历史销售数据中生鲜的销售区域、销售区域的销售量及消费喜好；

获取所述销售区域的消费者物价指数的环比涨幅；

根据所述销售区域的销售量及所述消费者物价指数的环比涨幅计算所述销售区域的未来销售量；

基于所述销售区域、所述销售区域的未来销售量及所述消费喜好确定所述生鲜的未来销售数据。

本实施例中，计算机设备可以通过各个电商平台或者超市等销售渠道采集生鲜的历年来的销售数据，然后基于历年来的销售数据统计出生鲜的销售区域、销售量、销售价格及品质。根据生鲜的品质确定出消费者的消费喜好，示例性的，假如某个销售区域的消费者大多购买一级的生鲜，表明该销售区域的消费者的消费喜好更注重品质，假如某个销售区域的消费者大多购买二级的生鲜，表明该销售区域的消费者的消费喜好更注重价格。

由于消费者物价指数能够反映消费者的购买力，消费者物价指数上涨，货币购买力则下降，反之，消费者物价指数下降，货币购买力则上涨，因而，计算机设备可以通过获取各个销售区域的消费者物价指数来确定消费者的购买力，进而结合生鲜的历史销售量、历史消费者购买指数和下一个销售周期对应的消费者购买指数确定下一个销售周期内消费者对生鲜的需求量。

S14，判断所述未来产品数据中的未来产量是否大于所述未来销售数据中的未来销售量。

本实施例中，计算机设备在预估出了生鲜的未来产品数据和未来销售数据之后，进一步判断所述未来产品数据中的未来产量是否大于所述未来销售数据中的未来销售量，以此判断是发送第一备货指令至预设商家还是第二备货指令至预设商家。

当所述未来产量大于或者等于所述未来销售量时，执行S15；否则，当所述未来产量小于所述未来销售量时，执行S16。

S15，发送第一备货指令至预设商家。

本实施例中，当生鲜的未来产量大于或者等于未来销售量时，表明供大于求，生鲜可能会呈现出销售惨淡的现象，计算机设备可以发送第一备货指令至所述预设商家，以指导商家进行备货。其中，所述第一备货指令中携带有所述销售区域的未来销售量及所述消费喜好。商家可以根据计算机设备发送的第一备货指令，根据所述销售区域的未来销售量及所述消费喜好进行生鲜的备货。例如，对于消费者的消费喜好为注重品质的销售区域，则商家可以进购一级品的生鲜，满足消费者的品质需求；对于消费者的消费喜好为注重价格的销售区域，则商家可以进购二级品或者三级品的生鲜，满足消费者的生活需求。

S16，发送第二备货指令至所述预设商家。

本实施例中，当生鲜的未来产量小于未来销售量时，表明供不应求，生鲜可能会呈现出销售旺盛的现象，计算机设备可以发送第二备货指令至所述预设商家，以指导商家进行备货。

其中，所述第二备货指令中携带有所述未来产量和所述未来销售量进行生鲜的备货，提示商家提前备货，对于销售量较大的销售区域，可以多备货；对于销售量小的销售区域可以少备货。

当然，在其他实施例中，当计算机设备预估出生鲜在未来可能呈现出供不应求的现象时，可以提示各个区域的种植户在时间允许时调整种植计划，通过增加种植面积来提高生鲜的产出量，或者进行区域间调货。若无法调货或者增加种植面积时提示商家提前进行采购，满足订单需求等等。

计算机设备预先存储有各个商家的联系方式，例如，手机号，邮箱等，计算机设备可以通过手机号发送短信或者通过邮箱发送邮件给商家。短信或者邮件安装预先设置的模板进行编写。

进一步的，在对所述生鲜进行备货之前，所述方法还包括：

获取所述生鲜的采摘期；

将所述采摘期前预设日期确定为生鲜的预定期；

在所述预定期内发布预设预定机制。

本实施例中，计算机设备可以将生鲜的采摘期之前的预设日期，例如，采摘期之前的3至5天，确定为生鲜的预定期，在预定期时，发布预先设置的预定机制，并接收消费者或者销售商的预定订单。

所述预设预定机制可以包括：提取预设第一天数订货，对销售价格进行第一折扣；提取预设第二天数订货，对销售价格进行第二折扣；预定量大于预设第一阈值时，对销售价格进行第三折扣；预定量大于预设第二阈值时，对销售价格进行第四折扣。通过折扣的方式，促进销售者或者商家提前预定生鲜，提前预定，能够获知市场或者消费者对于生鲜的需求情况。

更进一步的，在对所述生鲜进行备货之后，所述方法还包括：

获取所述生鲜的剩余保质期；

判断所述剩余保质期是否小于预设保质期阈值；

当所述剩余保质期小于或者等于所述预设保质期阈值时，发布预设促销机制。

本实施例中，计算机设备事先存储生鲜的保质期，在记录生鲜的剩余保质期，在剩余保质期小于或者等于所述预设保质期阈值，表明生鲜已接近保质期，此时发布预先设置的促销机制。

示例性的，假设生鲜剩余保质期为一周时，发布降价信息，或者买一赠一信息等，刺激消费者购买生鲜，一方面能够减少商家经济损失，另一方面让消费者以较低的价格购买到了品质有一定保障的生鲜，提升了消费者的购买体验。

综上所述，本发明所述的生鲜备货方法，首先获取生鲜的环境参数及历史销售数据；然后基于所述环境参数确定所述生鲜的未来产品数据，并基于所述历史销售数据确定所述生鲜的未来销售数据；最后当所述未来产量大于或者等于所述未来销售量时，发送第一备货指令至预设商家，当所述未来产量小于所述未来销售量时，发送第二备货指令至所述预设商家。本发明通过对生鲜的未来产品数据和未来销售数据进行预估，从而确定未来产量与未来销售量之间的大小关系，进而根据大小关系发送不同的备货指令给商家，以指导商家进行备货，使得商家预备的生鲜能够达到供需平衡，保障了商家的利润的可持续性。

此外，在供不应求时，提前备货，避免进货少了影响销售业绩，在供大于求时，根据各个销售区域的消费喜好预备相应品质的生鲜，以不同品质的生鲜满足不同消费者的消费需求。

上述图1详细介绍了本发明的生鲜备货方法，下面结合第2～3图，分别对实现所述生鲜备货方法的软件***的功能模块以及硬件装置架构进行介绍。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

实施例二

参阅图2所示，为本发明实施例二揭露的生鲜备货装置的功能模块示意图。

在一些实施例中，所述生鲜备货装置20运行于客户端设备中。所述生鲜备货装置20可以包括多个由程序代码段所组成的功能模块。所述生鲜备货装置20中的各个程序段的程序代码可以存储于客户端设备的存储器中，并由所述至少一个处理器所执行，以实现(详见图1描述)所述的生鲜备货方法。

本实施例中，所述生鲜备货装置20根据其所执行的功能，可以被划分为多个功能模块。所述功能模块可以包括：获取模块201、第一确定模块202、训练模块203、第二确定模块204、判断模块205、第一发送模块206、第二发送模块207及发布模块208。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。

获取模块201，用于获取生鲜的环境参数及历史销售数据。

本实施例中，生鲜可以包括：新鲜的蔬菜和瓜果，例如，黄瓜，蒜薹，茄子，苹果等。

计算机设备在确定为某一种类型的生鲜进行备货后，需要获取所述生鲜的环境参数及历史销售数据，以便根据环境参数预估出生鲜的未来产品数据，根据历史销售数据预估出未来销售数据，进而根据未来产品数据和未来销售数据做好备货计划。

所述环境参数是指与生鲜的生长相关的参数，包括：生长周期、气候、灾害等级、光照时长、运输周期。所述生长周期是指生鲜从播种到采摘的时期，应当理解的是，同一种类型的生鲜的生长周期几乎是相同的，因此可以通过历史生长周期确定生鲜的下一个生长周期。气候、灾害等级及光照时长可以通过天气应用程序获取。生鲜从生长地运往各个销售区域的运输周期也大致相同，因而可以通过历史运输周期确定生鲜的下一个运输周期。所述历史销售数据包括：销售区域，每个销售区域的销售量、销售价格、消费者的消费喜好。所述消费喜好是指消费者的消费习惯，体现了消费者注重生鲜的品质还是价格。

第一确定模块202，用于基于所述环境参数确定所述生鲜的未来产品数据。

本实施例中，计算机设备可以基于生长周期、气候、灾害等级、光照时长、运输周期等预估出生鲜的未来产品数据。

所述生鲜的未来产品数据包括：生鲜的未来产量和生鲜的未来品质。

在一个优选的实施例中，所述第一确定模块202基于所述环境参数确定所述生鲜的产品数据包括：

将所述环境参数输入预先训练好的产量品质识别模型中；

获取所述产量品质识别模型的输出结果；

根据所述输出结果确定所述生鲜的未来产品数据。

本实施例中，计算机设备可以预先训练一个产量品质识别模型，所述产量品质识别模型的输入为环境参数，输出为产量和品质。因此，当计算机设备将获取得到的环境参数输入所述预先训练好的产量品质识别模型中，即可得到生鲜的未来产量和未来品质，从而确定出生鲜的未来产品数据。

计算机设备可以基于卷积神经网络或者残差神经网络等训练产量品质识别模型，由于训练所述产量品质识别模型是基于大量的历史环境参数和历史产量、历史品质进行的，具有真实性、多样性，能够充分挖掘出生长周期、气候、灾害等级、光照时长、运输周期与产量和品质之间的内在联系，通过产量品质识别模型识别能够准确的估算出所述生鲜的未来产品数据。

训练模块203，用于训练产量品质识别模型。

在一个优选的实施例中，所述训练模块203训练产量品质识别模型的过程包括：

获取多个历史环境参数及每个历史环境参数对应的历史产品数据，作为数据集；

将所述数据集分为第一数量的训练集和第二数量的测试集，其中，所述第一数量大于所述第二数量；

将所述训练集输入预先设置的深度神经网络中进行训练，得到产量品质识别模型；

将所述测试集输入所述产量品质识别模型中进行测试，得到测试通过率；

当所述测试通过率大于或者等于预设通过率阈值，结束所述产量品质识别模型的训练；

当所述测试通过率小于所述预设通过率阈值，重新划分训练集和测试集，并基于新的训练集训练产量品质识别模型直至测试通过率大于或者等于所述预设通过率阈值。

示例性的，假设获取10万条环境参数及对应环境参数的产品数据，作为数据集，以卷积神经网络进行产量品质识别模型的训练。将数据集中的80％的环境参数和产品数据作为训练集，将剩余的20％的环境参数和产品数据作为测试集。

在第一次训练产量品质识别模型时，该产量品质识别模型的参数采用默认的参数进行训练，在训练过程不断调整参数，在训练生成产量品质识别模型后，利用所述测试集对所生成的产量品质识别模型进行测试。在测试时，使用训练得到的产量品质识别模型对测试集中的环境参数进行识别，并将识别得到的产品数据与该测试集中的产品数据进行比对，以计算所训练的产量品质识别模型的测试通过率。如果测试通过率大于或者等于98％，表明所述产量品质识别模型的识别效果较好，则训练结束；如果测试通过率小于98％，表明所述产量品质识别模型的识别效果较差，则增加训练集的数量，并基于新的训练集重新执行上述的步骤，直至测试通过率大于等于预设阈值(例如，98％)。

需要说明的是，当获取的历史环境参数及每个历史环境参数对应的历史产品数据的数据量较小，而不足以训练出识别效果较好的产量品质识别模型时，可以通过扰动法，对已获取的历史环境参数和历史产品数据进行扰动，生成出较多的历史环境参数和历史产品数据。

第二确定模块204，用于基于所述历史销售数据确定所述生鲜的未来销售数据。

本实施例中，计算机设备可以基于销售区域，每个销售区域的销售量、销售价格、消费者的消费喜好等预估出生鲜的未来销售数据。

所述生鲜的未来销售数据包括：生鲜的销售区域，每个销售区域的销售量、销售价格、消费者的消费喜好等。

在一个优选的实施例中，所述第二确定模块204基于所述历史销售数据确定所述生鲜的未来销售数据包括：

获取所述历史销售数据中生鲜的销售区域、销售区域的销售量及消费喜好；

获取所述销售区域的消费者物价指数的环比涨幅；

根据所述销售区域的销售量及所述消费者物价指数的环比涨幅计算所述销售区域的未来销售量；

基于所述销售区域、所述销售区域的未来销售量及所述消费喜好确定所述生鲜的未来销售数据。

本实施例中，计算机设备可以通过各个电商平台或者超市等销售渠道采集生鲜的历年来的销售数据，然后基于历年来的销售数据统计出生鲜的销售区域、销售量、销售价格及品质。根据生鲜的品质确定出消费者的消费喜好，示例性的，假如某个销售区域的消费者大多购买一级的生鲜，表明该销售区域的消费者的消费喜好更注重品质，假如某个销售区域的消费者大多购买二级的生鲜，表明该销售区域的消费者的消费喜好更注重价格。

由于消费者物价指数能够反映消费者的购买力，消费者物价指数上涨，货币购买力则下降，反之，消费者物价指数下降，货币购买力则上涨，因而，计算机设备可以通过获取各个销售区域的消费者物价指数来确定消费者的购买力，进而结合生鲜的历史销售量、历史消费者购买指数和下一个销售周期对应的消费者购买指数确定下一个销售周期内消费者对生鲜的需求量。

判断模块205，用于判断所述未来产品数据中的未来产量是否大于所述未来销售数据中的未来销售量。

本实施例中，计算机设备在预估出了生鲜的未来产品数据和未来销售数据之后，进一步判断所述未来产品数据中的未来产量是否大于所述未来销售数据中的未来销售量，以此判断是发送第一备货指令至预设商家还是第二备货指令至预设商家。

第一发送模块206，用于当所述未来产量大于或者等于所述未来销售量时，发送第一备货指令至预设商家。

本实施例中，当生鲜的未来产量大于或者等于未来销售量时，表明供大于求，生鲜可能会呈现出销售惨淡的现象，计算机设备可以发送第一备货指令至所述预设商家，以指导商家进行备货。其中，所述第一备货指令中携带有所述销售区域的未来销售量及所述消费喜好。商家可以根据计算机设备发送的第一备货指令，根据所述销售区域的未来销售量及所述消费喜好进行生鲜的备货。例如，对于消费者的消费喜好为注重品质的销售区域，则商家可以进购一级品的生鲜，满足消费者的品质需求；对于消费者的消费喜好为注重价格的销售区域，则商家可以进购二级品或者三级品的生鲜，满足消费者的生活需求。

第二发送模块207，用于当所述未来产量小于所述未来销售量时，发送第二备货指令至所述预设商家。

本实施例中，当生鲜的未来产量小于未来销售量时，表明供不应求，生鲜可能会呈现出销售旺盛的现象，计算机设备可以发送第二备货指令至所述预设商家，以指导商家进行备货。

其中，所述第二备货指令中携带有所述未来产量和所述未来销售量进行生鲜的备货，提示商家提前备货，对于销售量较大的销售区域，可以多备货；对于销售量小的销售区域可以少备货。

当然，在其他实施例中，当计算机设备预估出生鲜在未来可能呈现出供不应求的现象时，可以提示各个区域的种植户在时间允许时调整种植计划，通过增加种植面积来提高生鲜的产出量，或者进行区域间调货。若无法调货或者增加种植面积时提示商家提前进行采购，满足订单需求等等。

计算机设备预先存储有各个商家的联系方式，例如，手机号，邮箱等，计算机设备可以通过手机号发送短信或者通过邮箱发送邮件给商家。短信或者邮件安装预先设置的模板进行编写。

进一步的，在对所述生鲜进行备货之前，所述获取模块201，还用于获取所述生鲜的采摘期；

发布模块208，用于将所述采摘期前预设日期确定为生鲜的预定期；在所述预定期内发布预设预定机制。

本实施例中，计算机设备可以将生鲜的采摘期之前的预设日期，例如，采摘期之前的3至5天，确定为生鲜的预定期，在预定期时，发布预先设置的预定机制，并接收消费者或者销售商的预定订单。

所述预设预定机制可以包括：提取预设第一天数订货，对销售价格进行第一折扣；提取预设第二天数订货，对销售价格进行第二折扣；预定量大于预设第一阈值时，对销售价格进行第三折扣；预定量大于预设第二阈值时，对销售价格进行第四折扣。通过折扣的方式，促进销售者或者商家提前预定生鲜，提前预定，能够获知市场或者消费者对于生鲜的需求情况。

更进一步的，在对所述生鲜进行备货之后，所述获取模块201，还用于获取所述生鲜的剩余保质期；

所述发布模块208，还用于判断所述剩余保质期是否小于预设保质期阈值；当所述剩余保质期小于或者等于所述预设保质期阈值时，发布预设促销机制。

本实施例中，计算机设备事先存储生鲜的保质期，在记录生鲜的剩余保质期，在剩余保质期小于或者等于所述预设保质期阈值，表明生鲜已接近保质期，此时发布预先设置的促销机制。

示例性的，假设生鲜剩余保质期为一周时，发布降价信息，或者买一赠一信息等，刺激消费者购买生鲜，一方面能够减少商家经济损失，另一方面让消费者以较低的价格购买到了品质有一定保障的生鲜，提升了消费者的购买体验。

综上所述，本发明所述的生鲜备货装置，首先获取生鲜的环境参数及历史销售数据；然后基于所述环境参数确定所述生鲜的未来产品数据，并基于所述历史销售数据确定所述生鲜的未来销售数据；最后当所述未来产量大于或者等于所述未来销售量时，发送第一备货指令至预设商家，当所述未来产量小于所述未来销售量时，发送第二备货指令至所述预设商家。本发明通过对生鲜的未来产品数据和未来销售数据进行预估，从而确定未来产量与未来销售量之间的大小关系，进而根据大小关系发送不同的备货指令给商家，以指导商家进行备货，使得商家预备的生鲜能够达到供需平衡，保障了商家的利润的可持续性。

此外，在供不应求时，提前备货，避免进货少了影响销售业绩，在供大于求时，根据各个销售区域的消费喜好预备相应品质的生鲜，以不同品质的生鲜满足不同消费者的消费需求。

实施例三

图3为本发明实施例三揭露的计算机设备的内部结构示意图。

在本实施例中，所述计算机设备可以为上述索引服务器，也可以为上述存储节点，所述计算机设备3可以包括存储器31、处理器32和总线33。

其中，存储器31至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器31在一些实施例中可以是所述计算机设备3的内部存储单元，例如所述计算机设备3的硬盘。存储器31在另一些实施例中也可以是所述计算机设备3的外部存储设备，例如所述计算机设备3上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器31还可以既包括所述计算机设备3的内部存储单元也包括外部存储设备。存储器31不仅可以用于存储安装于所述计算机设备3的应用软件及各类数据，例如生鲜备货装置20或者生鲜备货装置20的代码等及各个模块，还可以用于暂时地存储已经输出或者将要输出的数据。

处理器32在一些实施例中可以是一中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器31中存储的程序代码或处理数据。

该总线33可以是外设部件互连标准(peripheral component interconnect，PCI)总线或扩展工业标准结构(extended industry standard architecture，EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

进一步地，所述计算机设备3还可以包括网络接口，网络接口可选的可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该计算机设备3与其他客户端设备之间建立通信连接。

图3仅示出了具有组件31-33以及所述生鲜备货装置的所述计算机设备3，本领域技术人员可以理解的是，图3示出的结构并不构成对所述计算机设备3的限定，既可以是总线型结构，也可以是星形结构，所述计算机设备3还可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。其他现有的或今后可能出现的电子产品如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。

所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种生鲜备货方法，其特征在于，所述方法包括：

获取生鲜的环境参数及历史销售数据；

基于所述环境参数确定所述生鲜的未来产品数据；

基于所述历史销售数据确定所述生鲜的未来销售数据；

判断所述未来产品数据中的未来产量是否大于所述未来销售数据中的未来销售量；

当所述未来产量大于或者等于所述未来销售量时，发送第一备货指令至预设商家；

当所述未来产量小于所述未来销售量时，发送第二备货指令至所述预设商家。

2.如权利要求1所述的生鲜备货方法，其特征在于，所述环境参数包括：生长周期、气候、灾害等级、光照时长、运输周期；

所述基于所述环境参数确定所述生鲜的产品数据包括：

将所述环境参数输入预先训练好的产量品质识别模型中；

获取所述产量品质识别模型的输出结果；

根据所述输出结果确定所述生鲜的未来产品数据。

3.如权利要求2所述的生鲜备货方法，其特征在于，所述产量品质识别模型的训练过程包括：

获取多个历史环境参数及每个历史环境参数对应的历史产品数据，作为数据集；

将所述数据集分为第一数量的训练集和第二数量的测试集，其中，所述第一数量大于所述第二数量；

将所述训练集输入预先设置的深度神经网络中进行训练，得到产量品质识别模型；

将所述测试集输入所述产量品质识别模型中进行测试，得到测试通过率；

当所述测试通过率大于或者等于预设通过率阈值，结束所述产量品质识别模型的训练；

当所述测试通过率小于所述预设通过率阈值，重新划分训练集和测试集，并基于新的训练集训练产量品质识别模型直至测试通过率大于或者等于所述预设通过率阈值。

4.如权利要求1所述的生鲜备货方法，其特征在于，所述基于所述历史销售数据确定所述生鲜的未来销售数据包括：

获取所述历史销售数据中生鲜的销售区域、销售区域的销售量及消费喜好；

获取所述销售区域的消费者物价指数的环比涨幅；

根据所述销售区域的销售量及所述消费者物价指数的环比涨幅计算所述销售区域的未来销售量；

基于所述销售区域、所述销售区域的未来销售量及所述消费喜好确定所述生鲜的未来销售数据。

5.如权利要求4所述的生鲜备货方法，其特征在于，所述第一备货指令中携带有所述销售区域的未来销售量及所述消费喜好；所述第二备货指令中携带有所述销售区域的未来产量和所述未来销售量。

6.如权利要求1至5中任意一项所述的生鲜备货方法，其特征在于，在对所述生鲜进行备货之前，所述方法还包括：

获取所述生鲜的采摘期；

将所述采摘期前预设日期确定为生鲜的预定期；

在所述预定期内发布预设预定机制。

7.如权利要求1至5中任意一项所述的生鲜备货方法，其特征在于，在对所述生鲜进行备货之后，所述方法还包括：

获取所述生鲜的剩余保质期；

判断所述剩余保质期是否小于预设保质期阈值；

当所述剩余保质期小于或者等于所述预设保质期阈值时，发布预设促销机制。

8.一种生鲜备货装置，其特征在于，所述装置包括：

获取模块，用于获取生鲜的环境参数及历史销售数据；

第一确定模块，用于基于所述环境参数确定所述生鲜的未来产品数据；

第二确定模块，用于基于所述历史销售数据确定所述生鲜的未来销售数据；

判断模块，用于判断所述未来产品数据中的未来产量是否大于所述未来销售数据中的未来销售量；

第一发送模块，用于当所述未来产量大于或者等于所述未来销售量时，发送第一备货指令至预设商家；

第二发送模块，用于当所述未来产量小于所述未来销售量时，发送第二备货指令至所述预设商家。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的生鲜备货方法程序，所述生鲜备货方法程序被所述处理器执行时实现如权利要求1至7中任意一项所述的生鲜备货方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有生鲜备货方法程序，所述生鲜备货方法程序可被一个或者多个处理器执行，以实现如权利要求1至7中任意一项所述的生鲜备货方法。