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！

龙图腾网获悉西安理工大学申请的专利一种基于机器学习的智能活性包装优化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：CN120893631B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511380354.8，技术领域涉及：G06Q10/04；该发明授权一种基于机器学习的智能活性包装优化方法及系统是由闫畅;方长青;林子捷;李嘉珂;张小娟;赵嘉蕊设计研发完成，并于2025-09-25向国家知识产权局提交的专利申请。

本一种基于机器学习的智能活性包装优化方法及系统在说明书摘要公布了：本发明公开了一种基于机器学习的智能活性包装优化方法及系统。包括：基于测试方案对目标活性食品进行周期性检测与活性参数记录，并构建检测参数矩阵，引入CNN模型进行矩阵特征学习并表征参数变化模式，结合理想状态矩阵计算出第一质变系数，对质变系数进行拟合预测，引入理想活性参数评估第二质变系数，并优化拟合预测过程。最终，根据拟合结果评估包装效果，预测食品活性变化，从而实现对预设包装测试方案的精准优化，有效分析预测潜在活性影响因子，减少人为经验的参与，提高活性包装优化效率。

本发明授权一种基于机器学习的智能活性包装优化方法及系统在权利要求书中公布了：1.一种基于机器学习的智能活性包装优化方法，其特征在于，包括： S11：基于预设包装测试方案，对目标活性食品进行包装并检测食品参数，基于每个检测周期获取与记录食品活性参数； S12：根据时间维度与食品活性参数构建出周期性的检测参数矩阵，引入CNN模型对检测参数矩阵进行循环卷积计算，融合多次计算结果生成变化特征集； S13：引入理想参数矩阵的对比特征集与变化特征集进行差异对比，计算出每个检测周期的第一质变系数； S14：根据多个预设参数权重，对食品活性参数与预期参数进行差异对比与质变评估，对质变程度进行加权平均，得到每个检测周期的第二质变系数； S15：通过线性回归拟合第一质变系数的线性变化，并以拟合值与第二质变系数的均方误差最小化作为目标，通过最小二乘法调整拟合系数，得到拟合结果； S16：根据拟合结果评估包装效果，并针对预设包装测试方案进行食品活性变化预测，优化包装方案； 其中，所述S12，具体为： 在一个检测周期中，包括多个记录节点，以时间维度作为第一维，以多种食品活性参数作为第二维，构建出检测参数矩阵； 对于每个检测周期对应于一个检测参数矩阵； 构建CNN模型，CNN模型包括‌卷积层、激活层、‌池化层，在卷积层中设定预设大小的卷积核，通过卷积层循环对检测参数矩阵进行卷积计算，直至卷积计算覆盖整个检测参数矩阵，并将得到的局部特征通过激活层引入非线性特征； 局部特征通过‌池化层进行最大池化操作，并生成变化特征集; 其中，所述S13，包括： 根据一个检测周期的多个记录节点，输入理想状态下的食品活性参数，根据理想化参数构建出理想参数矩阵； 通过CNN模型对理想参数矩阵进行循环卷积计算并生成对比特征集； 基于mean-shift算法，构建出一个聚类空间，在聚类空间中分别导入变化特征集与对比特征集； 对变化特征集与对比特征集分别进行密度聚类，以曼哈顿距离计算特征数据之间的距离，循环进行聚类直至中心点收敛，并得到两组聚类中心点； 在聚类空间中，分析两组聚类中心点的差异，计算一组聚类中心点到另一组聚类中心点的平均距离，结合两组聚类中心点的数量差异，得到第一质变系数。

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西安理工大学，其通讯地址为：710000 陕西省西安市金花南路5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。