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！

龙图腾网获悉禾丰食品股份有限公司申请的专利基于HAP多模态数据的智能化营养模式管理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：CN120448947B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202510940601.9，技术领域涉及：G06F18/2411；该发明授权基于HAP多模态数据的智能化营养模式管理方法及系统是由朱秋凤;邵彩梅;牛欢;徐淼;黄强;房大琳;张学芳;郭春来;张永静;封伟杰设计研发完成，并于2025-07-09向国家知识产权局提交的专利申请。

本基于HAP多模态数据的智能化营养模式管理方法及系统在说明书摘要公布了：本发明涉及计算机与畜牧养殖交叉技术领域，公开了基于HAP多模态数据的智能化营养模式管理方法及系统，其中，基于HAP多模态数据的智能化营养模式管理方法包括：获取畜禽的多源异构HAP数据，对多源异构HAP数据进行特征提取和特征融合；利用可控生成对抗网络生成增强HAP特征数据和模拟生理过程的HAP特征数据序列；通过异常检测算法检测早期异常信号并进行多模态归因解析；对营养需求预测模型和饲喂策略优化模型进行持续优化；本发明通过有效利用以往被忽略的非结构化信息，并结合多模态融合分析，提升了对指示畜禽生理异常或营养失衡的微弱信号的早期发现能力。

本发明授权基于HAP多模态数据的智能化营养模式管理方法及系统在权利要求书中公布了：1.基于HAP多模态数据的智能化营养模式管理方法，其特征在于，包括： 获取畜禽的多源异构HAP数据，采用预训练大模型对多源异构HAP数据进行特征提取，并通过多模态注意力融合模型进行特征融合，得到融合HAP特征数据； 所述获取畜禽的多源异构HAP数据，包括结构化传感器数据、结构化文本、音频数据、图像数据和视频数据； 所述多模态注意力融合模型核心组件为注意力模块，根据不同模态特征对于表征当前个体状态的重要性动态地分配注意力权重，具体步骤为： 首先将各个模态的特征向量通过各自独立的MLP层投影到相同的维度； 然后将所有投影后的模态特征拼接或求和，再输入到另一个MLP中计算得到各个模态的注意力得分，通过Softmax函数归一化得到注意力权重； 基于融合HAP特征数据，利用可控生成对抗网络生成增强HAP特征数据和模拟生理过程的HAP特征数据序列，所述利用可控生成对抗网络具体包括： 利用生成器模型，基于输入的随机噪声向量、预设场景条件、预设生理指标变化路径对应的潜在状态向量，生成增强HAP特征数据和模拟生理过程的HAP特征数据序列； 利用判别器模型，区分真实的HAP特征数据与生成器模型生成的HAP特征数据，并通过对抗训练过程优化生成器模型和判别器模型； 所述生成器模型和判别器模型采用基于多层感知机的网络结构；训练时采用对抗性损失函数： ； 其中代表条件信息，表示生成对抗网络中的生成器模型；表示生成对抗网络中的判别器模型；表示输入给生成器的随机噪声向量；表示CGAN模型的损失函数；表示对生成器G进行最小化优化；表示对判别器D进行最大化优化；表示在真实数据分布下的期望；表示在噪声分布下的期望；表示判别器对真实数据在条件c下的对数概率；表示判别器对生成数据在条件c下判定为假的对数概率； 利用融合HAP特征数据及增强HAP特征数据，通过异常检测算法检测早期异常信号并进行多模态归因解析，得到归因结果； 检测步骤包括： 利用自编码器模型对输入的HAP特征数据进行重构，得到重构HAP特征数据； 计算输入的HAP特征数据与重构HAP特征数据之间的重构误差； 当重构误差大于预设的误差阈值时，判定检测到早期异常信号； 所述预设误差阈值通过基于滑动窗口统计量的动态阈值调整策略来确定； 采用基于对比学习重构误差模型的异常检测算法： 首先，利用大规模正常的数据训练一个自编码器模型，自编码器模型包含一个编码器部分和一个解码器部分 对于一个新的输入数据，其通过自编码器模型后的重构数据为： ； 其中表示所述自编码器模型中的编码器部分；表示所述自编码器模型中的解码器部分；表示新输入数据经过自编码器重构后的重构HAP特征数据； 随后，计算新输入的与其新输入数据经过自编码器重构后的重构HAP特征数据的重构误差： ； 其中表示输入数据经过自编码器重构后与原始输入数据之间的重构误差；表示新输入数据经过自编码器重构后的重构HAP特征数据；表示L2范数的平方，即欧氏距离的平方； 当检测到异常信号之后，启动多模态归因解析，其目的是初步判断哪些类型的数据对触发本次异常预警的贡献程度最大； 多模态归因解析包括： 当所述多模态注意力融合模型采用显式的注意力机制时，分析导致早期异常信号的融合HAP特征数据中，各原始模态特征向量所对应的注意力权重的大小，以确定对早期异常信号贡献最大的模态； 计算所述异常检测算法的输出结果关于所述融合HAP特征数据中各原始模态特征向量的梯度值，梯度值较大的模态被确定为对早期异常信号贡献较大的模态； 根据早期异常信号及归因结果，对营养需求预测模型和饲喂策略优化模型进行持续优化，包括：将包含了真实HAP数据、增强HAP数据和模拟过程HAP数据的综合性数据集，用于对营养需求预测模型和饲喂策略优化模型进行周期性的再训练和参数微调； 所述营养需求预测模型用于根据当前个体的融合HAP特征数据及其他相关个体信息预测其对多种营养素的动态需求； 所述饲喂策略优化模型用于基于营养需求预测模型预测的动态需求、结合饲料原料信息及预设的养殖目标，通过优化算法生成具体的饲料配方和饲喂量的推荐方案。

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禾丰食品股份有限公司，其通讯地址为：110000 辽宁省沈阳市沈北新区辉山大街169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。