[发明专利]一种农产品全自动化管理方法、系统及存储介质

权利要求书

1.一种农产品全自动化管理的方法，包括：

基于与农产品相关的第一特征组，通过第一模型确定所述农产品的第一预测值，其中，所述第一模型为神经网络模型，所述第一特征组包括所述农产品的第二预测值、所述农产品的品质参数和所述农产品的当前价格，所述品质参数包括所述农产品及其关联的其它农产品被浏览、购买、评价数据中的至少一种，所述第二预测值为所述农产品的损坏速率，所述第二预测值基于与所述农产品相关的第三特征组，通过第二模型确定，所述第二模型为神经网络模型，所述第三特征组包括所述农产品的生长数据和所述农产品的环境数据中的至少一种，所述农产品的所述生长数据包括采收时间、是否施加了特定化学试剂、生长阶段土壤的化学成分至少一种，所述第一预测值为所述农产品预设时间的价格；

基于与所述农产品相关的第二特征组，通过第三模型，输出价格、新鲜度、有机中的一个，基于第三模型的输出，确定所述农产品预设时间的宣传内容，所述第二特征组包括所述第一预测值、所述农产品预设时间的状态和所述农产品的生长数据中的至少一种，所述宣传内容以所述第三模型的输出作为主打，其中，所述农产品预设时间状态与所述损坏速率和所述农产品当前状态相关；

所述第一模型、所述第二模型和所述第三模型通过联合训练得到，所述联合训练包括：

向所述第二模型输入第二模型的训练样本数据，得到所述第二模型输出的所述损坏速率，所述第二模型的训练样本数据包括所述农产品的样本环境数据、样本生长数据；

向所述第一模型输入第一模型的训练样本数据，得到所述第一模型输出的所述农产品预设时间的价格，所述第一模型的训练样本数据包括所述农产品的样本当前价格、样本品质参数和所述第二模型输出的所述损坏速率；

将样本生长数据、样本当前状态、所述第二模型输出的所述损坏速率和所述第一模型输出的农产品预设时间的价格，作为所述第三模型的训练样本数据，输入所述第三模型，得到所述第三模型输出的宣传策略，使用所述宣传策略对所述第三模型的输出进行验证；利用神经网络模型的反向传播特性，得到所述第二模型输出的所述损坏速率的验证数据，或所述第一模型输出的所述预设时间的价格的验证数据；使用所述损坏速率的验证数据作为标签对所述第二模型进行训练，或使用所述预设时间的价格的验证数据作为标签对所述第一模型进行训练。

2.如权利要求1所述的方法，所述基于第三模型的输出，确定所述农产品预设时间的宣传内容，包括：

基于所述第三模型的输出作为宣传策略，通过预设的宣传模版生成对应的宣传内容。