CN119444020A 一种基于人工智能的冷链物流中物品状态预测方法及系统 （北京五环顺通供应链管理有限公司）

一种基于人工智能的冷链物流中物品状态一种基于人工智能的冷链物流中物品状态预测通过数据处理方式对样本集中的物品的状态数时收集冷链物流中当前位置信息以及多个目的2S1、通过安装的监控设备收集冷链物流中物品的S2、通过数据处理方式对样本集中的物品的状S4、实时收集冷链物流中当前位置信息以及多2.根据权利要求1所述的一种基于人工智能的冷链物流中物品状态预测方法，其特征物品位移拍摄采集：设定拍摄采集间隔，并基于设定的拍摄3.根据权利要求1所述的一种基于人工智能的冷链物流中物品状态预测方法，其特征通过数据标准化方法对样本集中的物品的状态数据进行标σ其中，x表示标准化后的样本集中的物品的状态数据，x4.根据权利要求1所述的一种基于人工智能的冷链物流中物品状态预测方法，其特征5.根据权利要求4所述的一种基于人工智能的冷链物流中物品状态预测方法，其特征基于得到的处理后的物品的状态数据中的监控设备周边的温度以及物品温度构建温6.根据权利要求4所述的一种基于人工智能的冷链物流中物品状态预测方法，其特征3基于得到的处理后的物品的状态数据中物品的位移量和运输过程速度构建物品位移设定加速度阈值范围，当运输过程中运输车加速度不在设定加速度阈7.根据权利要求1所述的一种基于人工智能的冷链物流中物品状态预测方法，其特征法规划路径并计算路径距离以及预测物品到达时S423、通过设定运输车的平均速度，分析可合并S424、导出冷链物流中饱和路径集合的染色体编码设定每个单体表示一组饱和路径，每组饱和路径表示运输车从当4在冷链物流中饱和路径集合的染色体编码中随机选择一个交变异过程是在父代染色体的基因片段内进行替换，产生对所有子代染色体进行适应度计算，如果子代优于父代即替代父代设定最大迭代次数Y和迭代阈值N，设定当迭代N次后输出的染色体编码不变或当混合8.根据权利要求1所述的一种基于人工智能的冷链物流中物品状态预测方法，其特征设定物品温度阈值范围，将得到的预测物品到达时间输入物品状态9.一种实现权利要求1_8任一项所述的基于人工智能的冷链物流中物品状态预测方法所述数据采集模块用于收集冷链物流中物品的状态数据，并将收集到所述模型构建模块用于根据接收到的的状态数据构建物品状态5所述路径规划模块用于收集运输车位置信息和目的位置信息进行路径规划，所述物品状态判断模块用于设定物品温度阈值以及加速度阈值判6感器采集到的冷链运输数据；每当经过路由节点将所述冷链运输数据传输至物流管理系[0007]为解决上述由于缺少对运输过程的监测，导致冷链运输7[0031]基于得到的处理后的物品的状态数据中的监控设备周边的温度以及物品温度构[0035]基于得到的处理后的物品的状态数据中物品的位移量和运输过程速度构建物品8路径规划算法规划路径并计算路径距离以及预测物品到达时间降序排列；9[0071]变异过程是在父代染色体的基因片段内进行替换，产生不同于父代的染色体编[0072]对所有子代染色体进行适应度计算，如果子代优于父代[0074]设定最大迭代次数Y和迭代阈值N，设定当迭代N次后输出的染色体编码不变或当同时通过设定阈值范围的方式和实时采集运输过程中运输车加速度的方式判断物品状态，[0113]基于得到的处理后的物品的状态数据中的监控设备周边的温度以及物品温度构[0117]基于得到的处理后的物品的状态数据中物品的位移量和运输过程速度构建物品规划路径并计算路径距离以及预测物品到达时间包降序排列；[0154]变异过程是在父代染色体的基因片段内进行替换，产生不同于父代的染色体编[