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！

龙图腾网获悉江苏润易联信息技术有限公司申请的专利基于视觉技术的下层供应链风险可视化预测方法及系统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：CN120013679B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510480933.3，技术领域涉及：G06Q40/06；该发明授权基于视觉技术的下层供应链风险可视化预测方法及系统是由李剑峰;李孙祎设计研发完成，并于2025-04-17向国家知识产权局提交的专利申请。

本基于视觉技术的下层供应链风险可视化预测方法及系统在说明书摘要公布了：本发明公开了基于视觉技术的下层供应链风险可视化预测方法及系统，属于供应链风险评估技术领域，其方法具体包括：获取下层供应链的相关数据，并进行预处理，得到第一监测数据，构建目标识别模型，对第一监测数据的时空特征和时序特征进行识别和提取，构建多层次风险评估模型，评估下层供应链的综合风险评分，并对未来风险进行预测；通过对采集到的多模态数据进行特征提取与识别，能够精准定位供应链中的关键要素，结合风险评估模型，能够有效识别出潜在的风险因素和评估综合风险值，并进行可视化展示。

本发明授权基于视觉技术的下层供应链风险可视化预测方法及系统在权利要求书中公布了：1.基于视觉技术的下层供应链风险可视化预测方法，其特征在于，包括： 获取下层供应链的相关数据，并进行预处理，得到第一监测数据，所述相关数据包括生产环境监控数据、仓储现场监控数据、财务数据和物流运输监控数据； 构建目标识别模型，对第一监测数据的时空特征和时序特征进行识别和提取； 构建多层次风险评估模型，评估下层供应链的综合风险评分，并对未来风险进行预测； 所述构建目标识别模型，对第一监测数据的时空特征和时序特征进行识别和提取，包括： 构建目标识别模型，并对目标识别模型进行训练，得到训练好的目标识别模型； 所述构建目标识别模型，并对目标识别模型进行训练，包括： 根据下层供应链的特点和场景，选择CNN和LSTM网络构建目标识别模型，配置卷积层、池化层和全连接层的数量、顺序以及参数； 将标注好的公共数据集划分为训练集、验证集和测试集，使用训练集对目标识别模型进行训练，通过反向传播算法和优化器调整目标识别模型的参数，设定损失函数，对目标识别模型进行训练直至损失函数收敛不变，停止训练； 训练完成后，使用测试集对目标识别模型进行最终评估，计算准确率、召回率和F1值来衡量目标识别模型的性能，如果模型性能达到预期要求，得到训练好的目标识别模型，如果模型性能未达到预期要求，对目标识别模型进行优化后，得到训练好的目标识别模型； 将第一监测数据输入训练好的目标识别模型中，提取第一监测数据中图像的时空特征和时序特征； 所述构建多层次风险评估模型，评估下层供应链的综合风险评分，并对未来风险进行预测，包括： 构建多层次风险评估模型，包括第一层评估、第二层评估和第三层评估； 根据第一层评估、第二层评估和第三层评估的结果，计算下层供应链的综合风险评分； 对下层供应链的未来风险进行预测，识别出潜在的高风险区域； 所述构建多层次风险评估模型，包括第一层评估、第二层评估和第三层评估，包括： 在第一层评估中，对提取的时空特征和时序特征进行初步识别，得到第一监测数据中每个数据样本的风险预测标签，包括：无风险和有风险； 在第二层评估中，对第一层评估中有风险的数据样本对应的时空特征和时序特征进行异常检测和分类，识别出潜在的异常行为或问题区域，并对异常行为或问题区域进行分类； 在第三次评估中，综合第一层评估和第二层评估的输出，使用多层次风险评分模型对风险进行量化评分； 通过本地训练多层次风险评估模型，引入差分隐私技术，通过联邦聚合机制共享模型参数，利用自适应多模型加权聚合，根据每个模型在本地数据集上的性能指标动态分配第一权重，针对模型的差异，使用相同的数据节点或相邻数据节点进行训练，得到模型性能指标，并动态分配第二权重，对第一权重对应的模型参数和第二权重对应的模型参数进行加权求和，得到模型共享参数。

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江苏润易联信息技术有限公司，其通讯地址为：210005 江苏省南京市鼓楼区中山路99号815室；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”。