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！

龙图腾网获悉江苏权正检验检测有限公司申请的专利基于深度学习的食品安全追溯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：CN120975808B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202511505278.9，技术领域涉及：G06Q30/018；该发明授权基于深度学习的食品安全追溯方法及系统是由张文东;张荣荣设计研发完成，并于2025-10-21向国家知识产权局提交的专利申请。

本基于深度学习的食品安全追溯方法及系统在说明书摘要公布了：本发明公开了基于深度学习的食品安全追溯方法及系统，涉及食品安全追溯技术领域。方法包括：获取全生命周期多模态数据；将全生命周期划分为多个节点，建立多模态数据与各节点之间的映射关系，以识别出数据完备的已知节点和数据缺失的未知节点；根据已知节点的监测数据及其与未知节点的时空关系，通过深度学习模型对已知节点进行安全状态评价，并对未知节点进行状态预测与数据补全，构建产品生命周期数据链；根据产品生命周期数据链进行各节点食品安全状态可视化转换，生成可视化溯源报告。解决了现有技术中食品安全追溯数据不完整，导致追溯结果可信度不足的技术问题，达到了通过构建产品生命周期数据链，提升追溯完整性和可信度的技术效果。

本发明授权基于深度学习的食品安全追溯方法及系统在权利要求书中公布了：1.基于深度学习的食品安全追溯方法，其特征在于，所述方法包括： 响应目标食品的溯源请求，获取与食品唯一标识符关联的全生命周期多模态数据，所述多模态数据包括时间序列传感器数据、图像视频数据及结构化文本数据； 基于预定义的多层级节点模板，将所述目标食品的全生命周期划分为多个节点，建立所述多模态数据与各节点之间的映射关系，以识别出数据完备的已知节点和数据缺失的未知节点； 根据已知节点的监测数据及其与未知节点的时空关系，通过深度学习模型对已知节点进行安全状态评价，并对未知节点进行状态预测与数据补全，构建连续、完整的产品生命周期数据链； 根据所述产品生命周期数据链进行各节点食品安全状态可视化转换，生成可视化溯源报告； 基于预定义的多层级节点模板，将所述目标食品的全生命周期划分为多个节点，包括： 获取目标食品追溯数据集，追溯数据集包含多种食品的全生命周期划分节点、周期属性及状态数据； 对所述追溯数据集中的生命周期划分节点进行聚类分析，获得表征不同食品大类的通用节点序列； 基于聚类结果的有效覆盖率，为通用节点序列构建层级化的树型结构，其中高层级节点覆盖广泛的食品大类，低层级节点对应细分的食品品类； 将无法被聚类到通用节点序列的异常节点，作为特殊叶子节点插入所述树型结构的最底层，构建所述多层级节点模板，其中，模板中每个节点均附带可用于匹配的食品属性标签集； 通过深度学习模型对已知节点进行安全状态评价，包括： 对于时间序列传感器数据，输入至基于阈值与持续时间的规则学习模块中，计算温度、湿度超标事件及其累计影响，输出量化评价指标； 对于图像视频数据，输入至预训练的计算机视觉模型中，进行异物检测、病变识别、包装完整性分析或行为合规性分析，输出基于视觉证据的安全评分； 对于结构化文本数据，进行关键词提取、异常记录标记与供应商历史绩效关联分析，输出文本层面的风险指标； 融合所述量化评价指标、视觉证据的安全评分、文本层面的风险指标，生成对应已知节点的综合安全评分； 对未知节点进行状态预测与数据补全，包括： 基于未知节点提取对应前后关联已知节点的多模态数据特征及静态属性特征； 根据前后关联已知节点的关联时间间隔以及节点关联性，对所述多模态数据特征及静态属性特征进行关联融合构建联合表征向量，输入预训练的深度学习补全模型中，预测缺失节点的环境数据序列、安全评分及预测置信度。

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权正检验检测有限公司，其通讯地址为：226300 江苏省南通市通州区兴东街道南通空港产业园内；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。