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！

龙图腾网获悉青岛农业大学申请的专利一种农业物联网数据上链前的完整性校验与质量评估方法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：CN121456920B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202610007551.3，技术领域涉及：G06F21/64；该发明授权一种农业物联网数据上链前的完整性校验与质量评估方法是由黄树来;孙晓婷;盖凌云;杨雪磊设计研发完成，并于2026-01-06向国家知识产权局提交的专利申请。

本一种农业物联网数据上链前的完整性校验与质量评估方法在说明书摘要公布了：本发明涉及一种农业物联网数据上链前的完整性校验与质量评估方法，属于人工智能与区块链技术领域。其包括以下步骤：采集农业物联网数据并构建数据集；采用双分支填补网络构建完整特征向量；为每个样本生成质量标签；构建基于深度神经网络的完整性校验与质量评估模型，实现样本级整体质量评分、传感器级异常置信度以及数据指纹生成；通过设定三项预测结果的阈值，进行校验与评估；通过复合损失函数对模型进行监督训练；采用训练好的模型对待评估的农业物联网数据进行完整性校验与质量评估，针对通过完整性校验、整体质量评分达标的数据样本，实现农业物联网数据向区块链的可靠上链、安全存储与可信应用。本发明能够提高预测精度。

本发明授权一种农业物联网数据上链前的完整性校验与质量评估方法在权利要求书中公布了：1.一种农业物联网数据上链前的完整性校验与质量评估方法，其特征在于，包括以下步骤： S1、采集农业物联网数据并构建数据集； S2、采用双分支填补网络，同步学习农业物联网数据的全局统计特征与设备相关的缺失模式特征，构建完整特征向量；基于填补置信度与原始数据状态为每个样本生成质量标签；具体步骤包括： 对单条农业物联网数据样本的构成及其缺失状态进行形式化定义，样本包括多个传感器读数、设备状态码、时间戳特征向量以及用于标识各传感器数据是否有效的二进制向量；通过双分支填补网络对农业物联网数据样本分别提取全局特征和设备模式特征；利用双分支填补网络的输出特征，通过自适应权重融合机制计算最终的缺失值填补结果，得到完整特征向量；基于样本的原始缺失率、设备状态码以及网络填补置信度，为每个样本分配综合质量标签； S3、构建基于深度神经网络的完整性校验与质量评估模型，采用多任务深度神经网络模型，通过同步学习样本的时序依赖、传感器间关联及设备状态信息，实现样本级整体质量评分、传感器级异常置信度预测以及数据指纹生成；通过设定三项预测结果的阈值，进行校验与评估；具体步骤包括： 定义多任务深度神经网络模型的输入与图结构构建：多任务深度神经网络模型以完整特征向量作为输入，建模所有传感器节点之间的物理关联与动态影响关系，采用传感器关系图进行表征；所述传感器关系图结构由节点集合、边集合以及动态相关性矩阵构成；所述动态相关性矩阵的元素值由当前样本的传感器读数及时间戳特征计算得到； 构建多分支特征提取骨干网络，所述多分支特征提取骨干网络包括三个并行分支，分别为全局时序分支、局部图卷积分支以及设备状态条件分支：所述全局时序分支采用一维扩张因果卷积层堆叠；全局时序分支的输入为当前样本及其前个历史样本的传感器读数部分拼接而成的序列，输出为全局时序特征向量；所述局部图卷积分支采用多层图注意力网络；以完整特征向量的传感器读数部分映射得到的特征作为初始节点特征，以动态相关性矩阵作为邻接矩阵，执行图卷积操作聚合邻居信息；所述设备状态条件分支将设备状态码进行嵌入编码后，输入多层感知机，输出条件特征向量； 执行多任务预测头计算：将三个并行分支输出的特征向量进行拼接与线性融合得到融合高层特征向量；将融合高层特征向量输入到整体质量评分预测头预测连续的质量分数，得到整体质量评分；将融合高层特征向量输入到传感器级异常置信度预测头，预测每个传感器读数异常的概率，得到传感器级异常置信度；将融合高层特征向量输入到数据指纹生成预测头，得到数据指纹；最终得到包括三项预测结果的三元组； S4、通过复合损失函数对模型进行监督训练，利用先验知识与数据特性进行正则化，得到训练好的模型； S5、采用训练好的模型对待评估的农业物联网数据进行完整性校验与质量评估，得到评估结果； S6、针对通过完整性校验、整体质量评分达标的数据样本，实现农业物联网数据向区块链的可靠上链、安全存储与可信应用。

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青岛农业大学，其通讯地址为：266000 山东省青岛市城阳区长城路700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。