CN116678162B - 基于人工智能的冷库运行信息管理方法、***及存储介质 - Google Patents
基于人工智能的冷库运行信息管理方法、***及存储介质 Download PDFInfo
- Publication number
- CN116678162B CN116678162B CN202310966369.7A CN202310966369A CN116678162B CN 116678162 B CN116678162 B CN 116678162B CN 202310966369 A CN202310966369 A CN 202310966369A CN 116678162 B CN116678162 B CN 116678162B
- Authority
- CN
- China
- Prior art keywords
- cold chain
- control task
- environment control
- warehouse
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 20
- 238000007726 management method Methods 0.000 title abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000005057 refrigeration Methods 0.000 claims description 57
- 230000007613 environmental effect Effects 0.000 claims description 49
- 238000000034 method Methods 0.000 claims description 28
- 230000002441 reversible effect Effects 0.000 claims description 24
- 238000013507 mapping Methods 0.000 claims description 14
- 230000009191 jumping Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 17
- 230000006698 induction Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 25
- 238000012795 verification Methods 0.000 description 12
- 230000002159 abnormal effect Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 229960005486 vaccine Drugs 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D13/00—Stationary devices, e.g. cold-rooms
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D29/00—Arrangement or mounting of control or safety devices
- F25D29/005—Mounting of control devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D2500/00—Problems to be solved
- F25D2500/06—Stock management
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Artificial Intelligence (AREA)
- Thermal Sciences (AREA)
- Computational Linguistics (AREA)
- Mechanical Engineering (AREA)
- General Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Devices That Are Associated With Refrigeration Equipment (AREA)
Abstract
本发明涉及人工智能技术领域,涉及基于人工智能的冷库运行信息管理方法、***及存储介质,先对冷库状态语义知识进行知识特征归纳,再根据所归纳的冷库状态语义知识属于各冷链环境控制任务标签的判别置信评分来对目标智慧冷链仓库进行冷链环境控制任务解析,能够改善对智慧冷链仓库的冷链环境控制任务解析处理步骤以提升对智慧冷链仓库进行冷链环境控制任务解析的扩展性并提高冷链环境控制任务解析的时效性。利用若干个目标冷链环境控制任务标签来识别目标智慧冷链仓库是匹配局部环境控制任务亦或全局环境控制任务,可提高对目标智慧冷链仓库进行冷链环境控制任务解析的精度和可信度,便于基于精准可靠解析识别所得的结果进行高效的数据信息管理。
Description
技术领域
本发明涉及人工智能技术领域,具体而言,涉及基于人工智能的冷库运行信息管理方法、***及存储介质。
背景技术
冷库(Cold Store)是制冷设备的一种,是指用人工手段创造与室外温度或湿度不同的环境,也是对食品、液体、化工、医药、疫苗、科学试验等物品的恒温恒湿贮藏设备。随着近些年生鲜电商、冷链物流的爆发增长,冷库的市场需求也在激增。鉴于冷库的内部空间较为庞大,对冷库运行环境的控制调节至关重要。在信息时代,一些冷库运行过程中的状态记录和控制调节记录具有极佳的参考价值,因而针对这些状态记录和控制调节记录同样存在一些管理需求。
发明内容
本发明至少提供基于人工智能的冷库运行信息管理方法、***及存储介质。
本发明提供了一种基于人工智能的冷库运行信息管理方法,应用于人工智能管理***,所述方法包括:
获取拟处理冷链仓库运行文本日志,所述拟处理冷链仓库运行文本日志为针对目标智慧冷链仓库的最少一个文本化冷链仓库运行记录;
确定所述拟处理冷链仓库运行文本日志中的若干个冷库状态语义知识,并将所述若干个冷库状态语义知识划分到第一数目个冷链环境控制任务标签;所述冷库状态语义知识用于反映拟处理冷链仓库运行文本日志中各冷库运行记录文本块的文本块语义描述变量,所述冷链环境控制任务标签包括对应于局部环境控制任务的多类冷链环境控制任务标签和对应于全局环境控制任务的多类冷链环境控制任务标签;
依据各所述冷链环境控制任务标签中冷库状态语义知识的数目,确定所述拟处理冷链仓库运行文本日志分属每类所述冷链环境控制任务标签的判别置信评分;
依据各所述冷链环境控制任务标签的判别置信评分,从所述第一数目个冷链环境控制任务标签中挑选第二数目个目标冷链环境控制任务标签,并通过所述第二数目个目标冷链环境控制任务标签识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务。
在一些示例下,所述通过所述第二数目个目标冷链环境控制任务标签识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务,包括:
在所述第二数目个目标冷链环境控制任务标签中,确定属于所述局部环境控制任务的各目标冷链环境控制任务标签的第一数目比例,及确定属于所述全局环境控制任务的各目标冷链环境控制任务标签的第二数目比例;
通过所述第一数目比例和所述第二数目比例之间的量化比较结果,识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务。
在一些示例下,所述通过所述第一数目比例和所述第二数目比例之间的量化比较结果,识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务,包括如下三种思路中任一种思路:
第一种思路,基于所述第一数目比例大于所述第二数目比例,识别所述目标智慧冷链仓库匹配所述局部环境控制任务;
第二种思路,基于所述第一数目比例小于所述第二数目比例,识别所述目标智慧冷链仓库匹配所述全局环境控制任务;
第二种思路,基于所述第一数目比例等于所述第二数目比例,跳转至获取所述目标智慧冷链仓库的拟处理冷链仓库运行文本日志的步骤,直至新的拟处理冷链仓库运行文本日志所对应的目标冷链环境控制任务标签的第一数目比例大于第二数目比例,亦或第一数目比例小于第二数目比例。
在一些示例下,所述通过所述第二数目个目标冷链环境控制任务标签识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务,包括:
在所述第二数目个目标冷链环境控制任务标签中,确定属于所述局部环境控制任务的各目标冷链环境控制任务标签的判别置信总评分作为第一判别置信总评分,及确定属于所述全局环境控制任务的各目标冷链环境控制任务标签的判别置信总评分作为第二判别置信总评分;
通过所述第一判别置信总评分与所述第二判别置信总评分之间的量化比较结果,识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务。
在一些示例下,所述通过所述第一判别置信总评分与所述第二判别置信总评分之间的量化比较结果,识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务,包括如下三种思路中任一种思路:
第一种思路,基于所述第一判别置信总评分大于所述第二判别置信总评分,识别所述目标智慧冷链仓库匹配所述局部环境控制任务;
第二种思路,基于所述第一判别置信总评分小于所述第二判别置信总评分,识别所述目标智慧冷链仓库匹配所述全局环境控制任务;
第三种思路,基于所述第一判别置信总评分等于所述第二判别置信总评分,跳转至获取所述目标智慧冷链仓库的拟处理冷链仓库运行文本日志的步骤,直至新的拟处理冷链仓库运行文本日志所对应的目标冷链环境控制任务标签的第一判别置信总评分大于第二判别置信总评分,亦或第一判别置信总评分小于第二判别置信总评分。
在一些示例下,所述拟处理冷链仓库运行文本日志的数目不低于两个;所述获取拟处理冷链仓库运行文本日志,包括:基于设定的文本记录数步长,对所述目标智慧冷链仓库进行文本采样处理,得到至少两个所述拟处理冷链仓库运行文本日志;
所述从所述第一数目个冷链环境控制任务标签中挑选第二数目个目标冷链环境控制任务标签,包括:在每一所述拟处理冷链仓库运行文本日志所属的第一数目个冷链环境控制任务标签的判别置信评分中,挑选对应判别置信评分顺序靠前的第二数目个目标冷链环境控制任务标签。
在一些示例下,所述通过所述第二数目个目标冷链环境控制任务标签识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务,包括:
在各所述拟处理冷链仓库运行文本日志对应的第二数目个目标冷链环境控制任务标签中,确定属于所述局部环境控制任务的目标冷链环境控制任务标签的第一全局数目比例以及第一全局判别置信总评分,以及属于所述全局环境控制任务的目标冷链环境控制任务标签的第二全局数目比例以及第二全局判别置信总评分;
通过所述第一全局数目比例和所述第二全局数目比例之间的量化比较结果,和/或所述第一全局判别置信总评分与所述第二全局判别置信总评分之间的量化比较结果,识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务。
在一些示例下,所述确定所述拟处理冷链仓库运行文本日志中的若干个冷库状态语义知识,并将所述若干个冷库状态语义知识划分到第一数目个冷链环境控制任务标签,包括:
基于预调试的深度可逆残差模型,从所述拟处理冷链仓库运行文本日志中挖掘出若干个冷库运行记录文本块对应的若干个冷库状态语义知识;
将各所述冷库运行记录文本块的冷库状态语义知识分别与所述第一数目个的环境控制描述知识进行配对,并将各所述冷库运行记录文本块的冷库状态语义知识划分到达到配对决策权重的冷链环境控制任务标签;其中,每一个所述环境控制描述知识对应于一个冷链环境控制任务标签。
在一些示例下,所述依据各所述冷链环境控制任务标签中冷库状态语义知识的数目,确定所述拟处理冷链仓库运行文本日志分属每类所述冷链环境控制任务标签的判别置信评分,包括:
在每一所述冷链环境控制任务标签中,通过所述冷链环境控制任务标签中冷库状态语义知识的数目,确定所述冷链环境控制任务标签关于所述数目的环境控制复杂度映射变量,所述环境控制复杂度映射变量表征环境联动控制难易程度的归一化结果;
确定各所述冷链环境控制任务标签之间关于所述环境控制复杂度映射变量的全局环境控制复杂度映射值;
依据各所述冷链环境控制任务标签各自对应的环境控制复杂度映射变量分别与所述全局环境控制复杂度映射值之间的设定运算结果,确定所述拟处理冷链仓库运行文本日志分属每类所述冷链环境控制任务标签的判别置信评分。
在一些示例下,所述拟处理冷链仓库运行文本日志中的若干个冷库状态语义知识通过深度可逆残差模型确定,所述深度可逆残差模型的调试步骤包括:
获得包含第一数目个冷链环境控制任务标签的第一冷链仓库运行文本学习样例;
所述第一冷链仓库运行文本学习样例为从云共享服务器中提取到的过往冷链仓库运行文本日志,所述冷链环境控制任务标签包括对应于局部环境控制任务的多类冷链环境控制任务标签和对应于全局环境控制任务的多类冷链环境控制任务标签;
对所述第一冷链仓库运行文本学习样例的文本尺寸细粒度进行更新操作,并对更新操作后的第一冷链仓库运行文本学习样例进行深度可逆残差模型调试,得到调试后的初始深度可逆残差模型;
获得包含所述第一数目个冷链环境控制任务标签的第二冷链仓库运行文本学习样例;所述第二冷链仓库运行文本学习样例为从若干个目标智慧冷链仓库中提取到的文本化冷链仓库运行记录,所述若干个目标智慧冷链仓库所对应的冷链环境控制任务标签包括所述局部环境控制任务和所述全局环境控制任务;
通过所述第二冷链仓库运行文本学习样例对所述初始深度可逆残差模型进行优化,得到预调试的深度可逆残差模型。
本发明还提供了一种人工智能管理***,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述方法。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在运行时实现上述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果:先通过获取拟处理冷链仓库运行文本日志;其中,拟处理冷链仓库运行文本日志为针对目标智慧冷链仓库的最少一个文本化冷链仓库运行记录;而后,再确定拟处理冷链仓库运行文本日志中的若干个冷库状态语义知识,并将若干个冷库状态语义知识划分到第一数目个冷链环境控制任务标签;其中,冷库状态语义知识用于反映拟处理冷链仓库运行文本日志中各冷库运行记录文本块的文本块语义描述变量,冷链环境控制任务标签包括对应于局部环境控制任务的多类冷链环境控制任务标签和对应于全局环境控制任务的多类冷链环境控制任务标签;而后,再依据各冷链环境控制任务标签中冷库状态语义知识的数目,确定拟处理冷链仓库运行文本日志分属每类冷链环境控制任务标签的判别置信评分;最后,依据各冷链环境控制任务标签的判别置信评分,从第一数目个冷链环境控制任务标签中挑选第二数目个目标冷链环境控制任务标签,并基于第二数目个目标冷链环境控制任务标签识别目标智慧冷链仓库是匹配局部环境控制任务还是匹配全局环境控制任务。如此,先对目标智慧冷链仓库的冷库状态语义知识进行知识特征归纳,再根据所归纳的冷库状态语义知识属于各冷链环境控制任务标签的判别置信评分来对目标智慧冷链仓库进行冷链环境控制任务解析,能够改善对智慧冷链仓库的冷链环境控制任务解析处理步骤,以提升对智慧冷链仓库进行冷链环境控制任务解析的扩展性并提高冷链环境控制任务解析的时效性。此外,利用拟处理冷链仓库运行文本日志所对应的最大判别置信评分的若干个目标冷链环境控制任务标签,来识别目标智慧冷链仓库是匹配局部环境控制任务亦或全局环境控制任务,可以提高对目标智慧冷链仓库进行冷链环境控制任务解析的精度和可信度,有助于基于精准可靠解析识别所得的结果进行高效的数据信息管理。由此可见,本发明实施例能够改善传统技术难以准确、高效地实现智慧冷链仓库的冷链环境控制任务解析的问题。
关于上述人工智能管理***、计算机可读存储介质的效果描述参见上述方法的说明。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,此处的附图被并入说明书中并构成本说明书中的一部分,这些附图示出了符合本发明的实施例,并与说明书一起用于说明本发明的技术方案。应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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他相关的附图。
图1是本发明实施例示出的一种人工智能管理***的方框图。
图2是本发明实施例示出的一种基于人工智能的冷库运行信息管理方法的流程示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是本发明的一些方面相一致的装置和方法的例子。
图1为本发明实施例提供的人工智能管理***10的结构示意图,包括处理器102、存储器104、和总线106。其中,存储器104用于存储执行指令,包括内存和外部存储器,内存也可以理解为内存储器,用于暂时存放处理器102中的运算数据,以及与硬盘等外部存储器交换的数据,处理器102通过内存与外部存储器进行数据交换,当人工智能管理***10运行时,处理器102与存储器104之间通过总线106通信,使得处理器102执行本发明实施例的基于人工智能的冷库运行信息管理方法。
请结合图2,图2是本发明实施例所提供的一种基于人工智能的冷库运行信息管理方法的流程示意图,应用于人工智能管理***,该方法示例性可以包括如下步骤101-步骤104。
步骤101、获取拟处理冷链仓库运行文本日志,所述拟处理冷链仓库运行文本日志为针对目标智慧冷链仓库的最少一个文本化冷链仓库运行记录。
本发明实施例中,拟处理冷链仓库运行文本日志包括目标智慧冷链仓库的最少一个文本化冷链仓库运行记录。换言之,拟处理冷链仓库运行文本日志可以理解为文本化冷链仓库运行记录/文本化冷链仓库运行记录集。进一步地,目标智慧冷链仓库的文本化冷链仓库运行记录包括但不限于温度运行状态、湿度运行状态、亮度运行状态、粉尘浓度状态以及各类冷藏保鲜气体的浓度状态等。此外,目标智慧冷链仓库的文本化冷链仓库运行记录还包括针对目标智慧冷链仓库的各类状态的调整控制记录。
步骤102、确定所述拟处理冷链仓库运行文本日志中的若干个冷库状态语义知识,并将所述若干个冷库状态语义知识划分到第一数目个冷链环境控制任务标签。
其中,所述冷库状态语义知识用于反映拟处理冷链仓库运行文本日志中各冷库运行记录文本块的文本块语义描述变量。换言之,冷库状态语义知识可以理解为拟处理冷链仓库运行文本日志的状态文本特征,用于表征各冷库运行记录文本块(局部的拟处理冷链仓库运行文本日志)的状态特征和/或状态控制特征。
进一步地,所述冷链环境控制任务标签包括对应于局部环境控制任务的多类冷链环境控制任务标签和对应于全局环境控制任务的多类冷链环境控制任务标签。示例性的,冷链环境控制任务标签可以理解为冷链环境控制任务类别。更进一步地,局部环境控制任务可以理解为局部控温/控湿等任务。其中,局部环境控制任务可以针对目标智慧冷链仓库中的部分冷藏物品进行就近的环境控制。基于此,全局环境控制任务可以针对目标智慧冷链仓库中的全部冷藏物品进行环境控制。
在上述内的基础上,通过将若干个冷库状态语义知识划分到第一数目个冷链环境控制任务标签,可以实现若干个冷库状态语义知识的分类处理,以将若干个冷库状态语义知识分类到不同的冷链环境控制任务标签下。
步骤103、依据各所述冷链环境控制任务标签中冷库状态语义知识的数目,确定所述拟处理冷链仓库运行文本日志分属每类所述冷链环境控制任务标签的判别置信评分。
在本发明实施例中,判别置信评分可以理解为拟处理冷链仓库运行文本日志分属每类冷链环境控制任务标签的可能性/概率值,判别置信评分的取值范围为0~1。
步骤104、依据各所述冷链环境控制任务标签的判别置信评分,从所述第一数目个冷链环境控制任务标签中挑选第二数目个目标冷链环境控制任务标签,并通过所述第二数目个目标冷链环境控制任务标签识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务。
本发明实施例中,通过目标冷链环境控制任务标签识别目标智慧冷链仓库匹配局部环境控制任务亦或全局环境控制任务,可以理解为对拟处理冷链仓库运行文本日志进行分析处理,确定出拟处理冷链仓库运行文本日志所对应的环境控制任务的类别。
可以理解的是,在准确确定出目标智慧冷链仓库的拟处理冷链仓库运行文本日志是匹配局部环境控制任务还是全局环境控制任务之后,还可以将拟处理冷链仓库运行文本日志和相应的环境控制任务类别进行关联存储,从而便于后期快速调用和参考。
基于此,在一些可独立的设计思路下,在步骤104之后,所述方法还包括步骤105。
步骤105、获取所述目标智慧冷链仓库的仓库标签,将所述仓库标签、所述拟处理冷链仓库运行文本日志以及所述目标智慧冷链仓库所匹配的最终环境控制任务标签进行关联存储。
本发明实施例中,仓库标签用于唯一区分不同的目标智慧冷链仓库,目标智慧冷链仓库所匹配的最终环境控制任务标签则是根据步骤104所确定的局部环境控制任务标签或者全局环境控制任务标签,在此基础上,通过进行关联存储,能够便于后期快速调用和参考。例如,若关联存储的是“仓库标签-拟处理冷链仓库运行文本日志-局部环境控制任务标签”,则之后如果需要对其他智慧冷链仓库进行局部环境的控制调节,可以调取“仓库标签-拟处理冷链仓库运行文本日志-局部环境控制任务标签”作为控制调节参考。类似地,若关联存储的是“仓库标签-拟处理冷链仓库运行文本日志-全局环境控制任务标签”,则之后如果需要对其他智慧冷链仓库进行全局环境的控制调节,可以调取“仓库标签-拟处理冷链仓库运行文本日志-全局环境控制任务标签”作为控制调节参考。
在一些可独立的设计思路下,在步骤105之后,所述方法还包括步骤106。
步骤106、响应于针对关联存储对象的调用请求,对目标控制***进行安全核验;在所述目标控制***通过核验时,将所述关联存储对象下发给所述目标控制***;其中,所述关联存储对象为所述仓库标签、所述拟处理冷链仓库运行文本日志以及所述目标智慧冷链仓库所匹配的最终环境控制任务标签中的至少一种。
本发明实施例中,在下发相关的控制调节参考数据时,会先对目标控制***进行安全核验,这样可以保障所下发的控制调节参考数据的安全性,避免控制调节参考数据被下发给存在安全风险的控制***。
在一些可独立的设计思路下,步骤106中的对目标控制***进行安全核验,可以包括步骤1061-步骤1065。
步骤1061、获取所述目标控制***所对应的操作行为检测记录和异常预警检测记录。
步骤1062、基于所述目标控制***所对应的操作行为检测记录和异常预警检测记录之间的检测依存权重,对所述目标控制***所对应的操作行为检测记录和异常预警检测记录进行关联,得到检测记录关联结果。
步骤1063、将未完成关联的异常预警检测记录确定为待分析异常预警检测记录,根据所述检测记录关联结果中的异常预警检测记录与所述待分析异常预警检测记录之间的检测记录相关性,确定与所述待分析异常预警检测记录相匹配的安全核验观点。
步骤1064、对与所述待分析异常预警检测记录相匹配的安全核验观点和所述待分析异常预警检测记录进行关联,得到核验观点关联结果。
步骤1065、根据所述核验观点关联结果和所述检测记录关联结果,确定所述目标控制***所对应的安全核验结果。
本发明实施例中,检测依存权重可以理解为检测关联性,检测记录相关性用于反映异常预警检测记录与所述待分析异常预警检测记录之间的相似性,基于此,能够准确完整地确定出核验观点关联结果,从而依据核验观点关联结果和检测记录关联结果确保所得到的安全核验结果的可信度。
在一些可选的实施例中,步骤104中的通过所述第二数目个目标冷链环境控制任务标签识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务,包括步骤1041和步骤1042。
步骤1041、在所述第二数目个目标冷链环境控制任务标签中,确定属于所述局部环境控制任务的各目标冷链环境控制任务标签的第一数目比例,及确定属于所述全局环境控制任务的各目标冷链环境控制任务标签的第二数目比例。
步骤1042、通过所述第一数目比例和所述第二数目比例之间的量化比较结果,识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务。
进一步地,步骤1042中的通过所述第一数目比例和所述第二数目比例之间的量化比较结果,识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务,包括如下三种思路中任一种思路。
第一种思路、基于所述第一数目比例大于所述第二数目比例,识别所述目标智慧冷链仓库匹配所述局部环境控制任务。
第二种思路、基于所述第一数目比例小于所述第二数目比例,识别所述目标智慧冷链仓库匹配所述全局环境控制任务。
第三种思路、基于所述第一数目比例等于所述第二数目比例,跳转至获取所述目标智慧冷链仓库的拟处理冷链仓库运行文本日志的步骤,直至新的拟处理冷链仓库运行文本日志所对应的目标冷链环境控制任务标签的第一数目比例大于第二数目比例,亦或第一数目比例小于第二数目比例。
可以理解,基于上述内容,能够基于不同情况来确定目标智慧冷链仓库匹配局部环境控制任务还是匹配全局环境控制任务,从而提高整体方案的完整性和灵活性。
在又一些可能的实施例中,步骤104中的通过所述第二数目个目标冷链环境控制任务标签识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务,包括S1041和S1042。
S1041、在所述第二数目个目标冷链环境控制任务标签中,确定属于所述局部环境控制任务的各目标冷链环境控制任务标签的判别置信总评分作为第一判别置信总评分,及确定属于所述全局环境控制任务的各目标冷链环境控制任务标签的判别置信总评分作为第二判别置信总评分。
S1042、通过所述第一判别置信总评分与所述第二判别置信总评分之间的量化比较结果,识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务。
其中,判别置信总评分可以理解为概率值的总和,而量化比较结果用于反映所述第一判别置信总评分与所述第二判别置信总评分之间的大小比较情况。基于此,可以通过量化比较结果准确、高效地确定目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务。
在上述内容的基础上,S1042中的通过所述第一判别置信总评分与所述第二判别置信总评分之间的量化比较结果,识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务,包括如下三种思路中任一种思路。
第一种思路、基于所述第一判别置信总评分大于所述第二判别置信总评分,识别所述目标智慧冷链仓库匹配所述局部环境控制任务。
第二种思路、基于所述第一判别置信总评分小于所述第二判别置信总评分,识别所述目标智慧冷链仓库匹配所述全局环境控制任务。
第三种思路、基于所述第一判别置信总评分等于所述第二判别置信总评分,跳转至获取所述目标智慧冷链仓库的拟处理冷链仓库运行文本日志的步骤,直至新的拟处理冷链仓库运行文本日志所对应的目标冷链环境控制任务标签的第一判别置信总评分大于第二判别置信总评分,亦或第一判别置信总评分小于第二判别置信总评分。
可以理解,基于判别置信总评分进行局部环境控制任务亦或全局环境控制任务的匹配分析,可以提高整体方案的灵活性和可选择性。
在一些示例下,所述拟处理冷链仓库运行文本日志的数目不低于两个。基于此,步骤101中的获取拟处理冷链仓库运行文本日志,包括:基于设定的文本记录数步长,对所述目标智慧冷链仓库进行文本采样处理(文本抽样处理),得到至少两个所述拟处理冷链仓库运行文本日志。更进一步地,步骤104中的从所述第一数目个冷链环境控制任务标签中挑选第二数目个目标冷链环境控制任务标签,包括:在每一所述拟处理冷链仓库运行文本日志所属的第一数目个冷链环境控制任务标签的判别置信评分中,挑选对应判别置信评分顺序靠前的第二数目个目标冷链环境控制任务标签。如此设计,通过判别置信评分的排序顺序进行目标冷链环境控制任务标签的选择,能够确保之后进行环境控制任务匹配的准确性和可靠性。
在上述示例的基础上,步骤104中的通过所述第二数目个目标冷链环境控制任务标签识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务,包括:在各所述拟处理冷链仓库运行文本日志对应的第二数目个目标冷链环境控制任务标签中,确定属于所述局部环境控制任务的目标冷链环境控制任务标签的第一全局数目比例以及第一全局判别置信总评分,以及属于所述全局环境控制任务的目标冷链环境控制任务标签的第二全局数目比例以及第二全局判别置信总评分;通过所述第一全局数目比例和所述第二全局数目比例之间的量化比较结果,和/或所述第一全局判别置信总评分与所述第二全局判别置信总评分之间的量化比较结果,识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务。
可以理解,首先确定在各所述拟处理冷链仓库运行文本日志对应的第二数目个目标冷链环境控制任务标签中,确定属于所述局部环境控制任务的目标冷链环境控制任务标签的第一总数占比以及第一总的概率值求和结果,并确定属于所述全局环境控制任务的目标冷链环境控制任务标签的第二总数占比以及第二总的概率值求和结果,能够综合总数占比和概率值求和结果进行局部环境控制任务/全局环境控制任务的匹配分析,从而提高匹配分析的准确性和可信度。
在另一些可能的实施例中,步骤102中的确定所述拟处理冷链仓库运行文本日志中的若干个冷库状态语义知识,并将所述若干个冷库状态语义知识划分到第一数目个冷链环境控制任务标签,包括步骤1021和步骤1022。
步骤1021、基于预调试的深度可逆残差模型,从所述拟处理冷链仓库运行文本日志中挖掘出若干个冷库运行记录文本块对应的若干个冷库状态语义知识。
步骤1022、将各所述冷库运行记录文本块的冷库状态语义知识分别与所述第一数目个的环境控制描述知识进行配对(比如匹配处理),并将各所述冷库运行记录文本块的冷库状态语义知识划分到达到配对决策权重(满足匹配度阈值)的冷链环境控制任务标签。
其中,每一个所述环境控制描述知识对应于一个冷链环境控制任务标签。
可以理解,应用步骤1021和步骤1022,能够利用深度可逆残差模型进行冷库状态语义知识挖掘,从而通过避免梯度***来确保冷库状态语义知识的特征表征性能和细节完整性,在此基础上通过实现与环境控制描述知识的配对处理,能够准确地进行冷库状态语义知识的划分/分组,以确保基于冷链环境控制任务标签进行冷库状态语义知识聚类的准确性。
在另一些可能的实施例中,步骤103中的依据各所述冷链环境控制任务标签中冷库状态语义知识的数目,确定所述拟处理冷链仓库运行文本日志分属每类所述冷链环境控制任务标签的判别置信评分,包括步骤1031-步骤1033。
步骤1031、在每一所述冷链环境控制任务标签中,通过所述冷链环境控制任务标签中冷库状态语义知识的数目,确定所述冷链环境控制任务标签关于所述数目的环境控制复杂度映射变量。
其中,所述环境控制复杂度映射变量表征环境联动控制难易程度的归一化结果。环境联动控制难易程度可以通过环境控制的时效性要求、顺序要求和条件要求等联合确定。
步骤1032、确定各所述冷链环境控制任务标签之间关于所述环境控制复杂度映射变量的全局环境控制复杂度映射值。
其中,全局环境控制复杂度映射值用于反映环境控制复杂度映射变量的和值。
步骤1033、依据各所述冷链环境控制任务标签各自对应的环境控制复杂度映射变量分别与所述全局环境控制复杂度映射值之间的设定运算结果,确定所述拟处理冷链仓库运行文本日志分属每类所述冷链环境控制任务标签的判别置信评分。
其中,设定运算结果可以是各所述冷链环境控制任务标签各自对应的环境控制复杂度映射变量分别与所述全局环境控制复杂度映射值之间的比值,基于此,可以利用变量的映射和归一化处理准确确定拟处理冷链仓库运行文本日志分属每类所述冷链环境控制任务标签的判别置信评分。
在一些可能的实施例中,所述拟处理冷链仓库运行文本日志中的若干个冷库状态语义知识通过深度可逆残差模型确定,所述深度可逆残差模型的调试步骤包括步骤201-步骤204。
步骤201、获得包含第一数目个冷链环境控制任务标签的第一冷链仓库运行文本学习样例。
其中,所述第一冷链仓库运行文本学习样例为从云共享服务器中提取到的过往冷链仓库运行文本日志,所述冷链环境控制任务标签包括对应于局部环境控制任务的多类冷链环境控制任务标签和对应于全局环境控制任务的多类冷链环境控制任务标签。
步骤202、对所述第一冷链仓库运行文本学习样例的文本尺寸细粒度进行更新操作,并对更新操作后的第一冷链仓库运行文本学习样例进行深度可逆残差模型调试,得到调试后的初始深度可逆残差模型。
步骤203、获得包含所述第一数目个冷链环境控制任务标签的第二冷链仓库运行文本学习样例。
其中,所述第二冷链仓库运行文本学习样例为从若干个目标智慧冷链仓库中提取到的文本化冷链仓库运行记录,所述若干个目标智慧冷链仓库所对应的冷链环境控制任务标签包括所述局部环境控制任务和所述全局环境控制任务。
步骤204、通过所述第二冷链仓库运行文本学习样例对所述初始深度可逆残差模型进行优化,得到预调试的深度可逆残差模型。
可以理解,通过步骤201-步骤204,能够基于文本尺寸细粒度的更新操作辅助实现深度可逆残差模型的调试,从而确保预调试的深度可逆残差模型的特征挖掘质量和梯度改善性能。
进一步地,还提供了一种可读存储介质,其上存储有程序,该程序被处理器执行时实现上述的方法。
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,上述示例性描述的***和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本发明所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其他的方式实现。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,又例如,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通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其他的形式。
Claims (9)
1.一种基于人工智能的冷库运行信息管理方法,其特征在于,应用于人工智能管理***,所述方法包括:
获取拟处理冷链仓库运行文本日志,所述拟处理冷链仓库运行文本日志为针对目标智慧冷链仓库的最少一个文本化冷链仓库运行记录;
确定所述拟处理冷链仓库运行文本日志中的若干个冷库状态语义知识,并将所述若干个冷库状态语义知识划分到第一数目个冷链环境控制任务标签;所述冷库状态语义知识用于反映拟处理冷链仓库运行文本日志中各冷库运行记录文本块的文本块语义描述变量,所述冷链环境控制任务标签包括对应于局部环境控制任务的多类冷链环境控制任务标签和对应于全局环境控制任务的多类冷链环境控制任务标签;
依据各所述冷链环境控制任务标签中冷库状态语义知识的数目,确定所述拟处理冷链仓库运行文本日志分属每类所述冷链环境控制任务标签的判别置信评分;
依据各所述冷链环境控制任务标签的判别置信评分,从所述第一数目个冷链环境控制任务标签中挑选第二数目个目标冷链环境控制任务标签,并通过所述第二数目个目标冷链环境控制任务标签识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务;
所述依据各所述冷链环境控制任务标签中冷库状态语义知识的数目,确定所述拟处理冷链仓库运行文本日志分属每类所述冷链环境控制任务标签的判别置信评分,包括:
在每一所述冷链环境控制任务标签中,通过所述冷链环境控制任务标签中冷库状态语义知识的数目,确定所述冷链环境控制任务标签关于所述数目的环境控制复杂度映射变量,所述环境控制复杂度映射变量表征环境联动控制难易程度的归一化结果;
确定各所述冷链环境控制任务标签之间关于所述环境控制复杂度映射变量的全局环境控制复杂度映射值;
依据各所述冷链环境控制任务标签各自对应的环境控制复杂度映射变量分别与所述全局环境控制复杂度映射值之间的设定运算结果,确定所述拟处理冷链仓库运行文本日志分属每类所述冷链环境控制任务标签的判别置信评分;
所述判别置信评分为拟处理冷链仓库运行文本日志分属每类冷链环境控制任务标签的可能性/概率值,所述判别置信评分的取值范围为0~1。
2.如权利要求1所述的方法,其特征在于,所述通过所述第二数目个目标冷链环境控制任务标签识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务,包括:
在所述第二数目个目标冷链环境控制任务标签中,确定属于所述局部环境控制任务的各目标冷链环境控制任务标签的第一数目比例,及确定属于所述全局环境控制任务的各目标冷链环境控制任务标签的第二数目比例;
通过所述第一数目比例和所述第二数目比例之间的量化比较结果,识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务。
3.如权利要求2所述的方法,其特征在于,所述通过所述第一数目比例和所述第二数目比例之间的量化比较结果,识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务,包括如下三种思路中任一种思路:
第一种思路,基于所述第一数目比例大于所述第二数目比例,识别所述目标智慧冷链仓库匹配所述局部环境控制任务;
第二种思路,基于所述第一数目比例小于所述第二数目比例,识别所述目标智慧冷链仓库匹配所述全局环境控制任务;
第二种思路,基于所述第一数目比例等于所述第二数目比例,跳转至获取所述目标智慧冷链仓库的拟处理冷链仓库运行文本日志的步骤,直至新的拟处理冷链仓库运行文本日志所对应的目标冷链环境控制任务标签的第一数目比例大于第二数目比例,亦或第一数目比例小于第二数目比例。
4.如权利要求1所述的方法,其特征在于,所述通过所述第二数目个目标冷链环境控制任务标签识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务,包括:
在所述第二数目个目标冷链环境控制任务标签中,确定属于所述局部环境控制任务的各目标冷链环境控制任务标签的判别置信总评分作为第一判别置信总评分,及确定属于所述全局环境控制任务的各目标冷链环境控制任务标签的判别置信总评分作为第二判别置信总评分;
通过所述第一判别置信总评分与所述第二判别置信总评分之间的量化比较结果,识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务;
其中,所述通过所述第一判别置信总评分与所述第二判别置信总评分之间的量化比较结果,识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务,包括如下三种思路中任一种思路:
第一种思路,基于所述第一判别置信总评分大于所述第二判别置信总评分,识别所述目标智慧冷链仓库匹配所述局部环境控制任务;
第二种思路,基于所述第一判别置信总评分小于所述第二判别置信总评分,识别所述目标智慧冷链仓库匹配所述全局环境控制任务;
第三种思路,基于所述第一判别置信总评分等于所述第二判别置信总评分,跳转至获取所述目标智慧冷链仓库的拟处理冷链仓库运行文本日志的步骤,直至新的拟处理冷链仓库运行文本日志所对应的目标冷链环境控制任务标签的第一判别置信总评分大于第二判别置信总评分,亦或第一判别置信总评分小于第二判别置信总评分。
5.如权利要求1所述的方法,其特征在于,所述拟处理冷链仓库运行文本日志的数目不低于两个;所述获取拟处理冷链仓库运行文本日志,包括:基于设定的文本记录数步长,对所述目标智慧冷链仓库进行文本采样处理,得到至少两个所述拟处理冷链仓库运行文本日志;所述从所述第一数目个冷链环境控制任务标签中挑选第二数目个目标冷链环境控制任务标签,包括:在每一所述拟处理冷链仓库运行文本日志所属的第一数目个冷链环境控制任务标签的判别置信评分中,挑选对应判别置信评分顺序靠前的第二数目个目标冷链环境控制任务标签;
其中,所述通过所述第二数目个目标冷链环境控制任务标签识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务,包括:在各所述拟处理冷链仓库运行文本日志对应的第二数目个目标冷链环境控制任务标签中,确定属于所述局部环境控制任务的目标冷链环境控制任务标签的第一全局数目比例以及第一全局判别置信总评分,以及属于所述全局环境控制任务的目标冷链环境控制任务标签的第二全局数目比例以及第二全局判别置信总评分;通过所述第一全局数目比例和所述第二全局数目比例之间的量化比较结果,和/或所述第一全局判别置信总评分与所述第二全局判别置信总评分之间的量化比较结果,识别所述目标智慧冷链仓库匹配所述局部环境控制任务亦或所述全局环境控制任务。
6.如权利要求1所述的方法,其特征在于,所述确定所述拟处理冷链仓库运行文本日志中的若干个冷库状态语义知识,并将所述若干个冷库状态语义知识划分到第一数目个冷链环境控制任务标签,包括:
基于预调试的深度可逆残差模型,从所述拟处理冷链仓库运行文本日志中挖掘出若干个冷库运行记录文本块对应的若干个冷库状态语义知识;
将各所述冷库运行记录文本块的冷库状态语义知识分别与所述第一数目个的环境控制描述知识进行配对,并将各所述冷库运行记录文本块的冷库状态语义知识划分到达到配对决策权重的冷链环境控制任务标签;其中,每一个所述环境控制描述知识对应于一个冷链环境控制任务标签。
7.如权利要求1所述的方法,其特征在于,所述拟处理冷链仓库运行文本日志中的若干个冷库状态语义知识通过深度可逆残差模型确定,所述深度可逆残差模型的调试步骤包括:
获得包含第一数目个冷链环境控制任务标签的第一冷链仓库运行文本学习样例;
所述第一冷链仓库运行文本学习样例为从云共享服务器中提取到的过往冷链仓库运行文本日志,所述冷链环境控制任务标签包括对应于局部环境控制任务的多类冷链环境控制任务标签和对应于全局环境控制任务的多类冷链环境控制任务标签;
对所述第一冷链仓库运行文本学习样例的文本尺寸细粒度进行更新操作,并对更新操作后的第一冷链仓库运行文本学习样例进行深度可逆残差模型调试,得到调试后的初始深度可逆残差模型;
获得包含所述第一数目个冷链环境控制任务标签的第二冷链仓库运行文本学习样例;所述第二冷链仓库运行文本学习样例为从若干个目标智慧冷链仓库中提取到的文本化冷链仓库运行记录,所述若干个目标智慧冷链仓库所对应的冷链环境控制任务标签包括所述局部环境控制任务和所述全局环境控制任务;
通过所述第二冷链仓库运行文本学习样例对所述初始深度可逆残差模型进行优化,得到预调试的深度可逆残差模型。
8.一种人工智能管理***,其特征在于,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述权利要求1-7任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序在运行时实现上述权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310966369.7A CN116678162B (zh) | 2023-08-02 | 2023-08-02 | 基于人工智能的冷库运行信息管理方法、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310966369.7A CN116678162B (zh) | 2023-08-02 | 2023-08-02 | 基于人工智能的冷库运行信息管理方法、***及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116678162A CN116678162A (zh) | 2023-09-01 |
CN116678162B true CN116678162B (zh) | 2023-09-26 |
Family
ID=87784071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310966369.7A Active CN116678162B (zh) | 2023-08-02 | 2023-08-02 | 基于人工智能的冷库运行信息管理方法、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116678162B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202275310U (zh) * | 2011-09-23 | 2012-06-13 | 山东商业职业技术学院 | 冷库集群智能监控*** |
WO2020159395A1 (ru) * | 2019-01-29 | 2020-08-06 | Публичное Акционерное Общество "Сбербанк России" | Способ создания модели анализа диалогов на базе искусственного интеллекта |
CN112948398A (zh) * | 2021-04-29 | 2021-06-11 | 电子科技大学 | 一种面向冷热数据的分级存储***及方法 |
WO2021151299A1 (zh) * | 2020-05-29 | 2021-08-05 | 平安科技(深圳)有限公司 | 基于人工智能的数据增强方法、装置、电子设备及介质 |
DE102020202945A1 (de) * | 2020-03-06 | 2021-09-09 | Gebhardt Fördertechnik GmbH | Lagersystem und Verfahren zum Betreiben eines derartigen Lagersystems |
WO2021232292A1 (zh) * | 2020-05-20 | 2021-11-25 | 深圳市欢太科技有限公司 | 日志数据处理方法及相关产品 |
CN116026085A (zh) * | 2022-12-30 | 2023-04-28 | 广西新农商供应链科技有限公司 | 冷库反向寻货及多区温湿度控制方法及*** |
CN116050154A (zh) * | 2023-02-07 | 2023-05-02 | 黄河科技学院 | 物联网环境下的智能化仓储管理方法及*** |
WO2023098658A1 (zh) * | 2022-08-02 | 2023-06-08 | 深圳市城市公共安全技术研究院有限公司 | 文本衔接性判断方法、装置、电子设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2841472C (en) * | 2013-02-01 | 2022-04-19 | Brokersavant, Inc. | Machine learning data annotation apparatuses, methods and systems |
US20220405535A1 (en) * | 2021-06-18 | 2022-12-22 | International Business Machines Corporation | Data log content assessment using machine learning |
-
2023
- 2023-08-02 CN CN202310966369.7A patent/CN116678162B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202275310U (zh) * | 2011-09-23 | 2012-06-13 | 山东商业职业技术学院 | 冷库集群智能监控*** |
WO2020159395A1 (ru) * | 2019-01-29 | 2020-08-06 | Публичное Акционерное Общество "Сбербанк России" | Способ создания модели анализа диалогов на базе искусственного интеллекта |
DE102020202945A1 (de) * | 2020-03-06 | 2021-09-09 | Gebhardt Fördertechnik GmbH | Lagersystem und Verfahren zum Betreiben eines derartigen Lagersystems |
WO2021232292A1 (zh) * | 2020-05-20 | 2021-11-25 | 深圳市欢太科技有限公司 | 日志数据处理方法及相关产品 |
WO2021151299A1 (zh) * | 2020-05-29 | 2021-08-05 | 平安科技(深圳)有限公司 | 基于人工智能的数据增强方法、装置、电子设备及介质 |
CN112948398A (zh) * | 2021-04-29 | 2021-06-11 | 电子科技大学 | 一种面向冷热数据的分级存储***及方法 |
WO2023098658A1 (zh) * | 2022-08-02 | 2023-06-08 | 深圳市城市公共安全技术研究院有限公司 | 文本衔接性判断方法、装置、电子设备及存储介质 |
CN116026085A (zh) * | 2022-12-30 | 2023-04-28 | 广西新农商供应链科技有限公司 | 冷库反向寻货及多区温湿度控制方法及*** |
CN116050154A (zh) * | 2023-02-07 | 2023-05-02 | 黄河科技学院 | 物联网环境下的智能化仓储管理方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116678162A (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2016273851B2 (en) | Accurate tag relevance prediction for image search | |
CN109886554B (zh) | 违规行为判别方法、装置、计算机设备和存储介质 | |
CN111897962A (zh) | 一种物联网资产标记方法及装置 | |
US11221986B2 (en) | Data management method and data analysis system | |
CN110378421B (zh) | 一种基于卷积神经网络的煤矿火灾识别方法 | |
US20210201270A1 (en) | Machine learning-based change control systems | |
CN115168868B (zh) | 一种应用于人工智能的业务漏洞分析方法及服务器 | |
CN113312332A (zh) | 基于区块链和云计算的模型训练方法及*** | |
CN114491282B (zh) | 一种基于云计算的异常用户行为分析方法及*** | |
CN117610945B (zh) | 基于人工智能的复杂山区地质灾害风险评价方法及*** | |
CN115065545A (zh) | 基于大数据威胁感知的安全防护构建方法及ai防护*** | |
CN116678162B (zh) | 基于人工智能的冷库运行信息管理方法、***及存储介质 | |
CN114417405A (zh) | 一种基于人工智能的隐私业务数据分析方法及服务器 | |
CN112365269A (zh) | 风险检测方法、装置、设备以及存储介质 | |
CN116821087A (zh) | 输电线路故障数据库构建方法、装置、终端及存储介质 | |
CN116306909A (zh) | 一种实现模型训练的方法、计算机存储介质及终端 | |
CN116168462A (zh) | 基于智能巡检设备的安全隐患识别方法、装置和设备 | |
CN110059180B (zh) | 文章作者身份识别及评估模型训练方法、装置及存储介质 | |
CN114329454A (zh) | 一种基于应用软件大数据的威胁分析方法及*** | |
CN113343010A (zh) | 一种图像识别方法、电子设备及计算机可读存储介质 | |
CN113626807A (zh) | 基于大数据的计算机信息安全处理方法及*** | |
CN113465251A (zh) | 智能冰箱及食材识别方法 | |
CN113688271B (zh) | 一种目标对象的档案搜索方法及相关装置 | |
CN115331062B (zh) | 图像识别方法、装置、电子设备和计算机可读存储介质 | |
CN116560894B (zh) | 应用机器学习的无人机故障数据分析方法、服务器及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |