(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211466564.5 (22)申请日 2022.11.22 (71)申请人 成都银光软件 有限公司 地址 610051 四川省成 都市成华区一环路 东一段159 号电子信息产业大厦1栋第 1层4号 (72)发明人 袁诚　唐莉　厍文川　 (74)专利代理 机构 成都启慧金 舟知识产权代理 事务所 (特殊普通合伙) 51299 专利代理师 何媛 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/04(2012.01) G06N 3/04(2006.01)G06N 5/02(2006.01) (54)发明名称 基于数据分析的食品管理设备运行监控方 法及系统 (57)摘要 本发明提供的基于数据分析的食品管理设 备运行监控方法及系统， 涉及数据处理技术领 域。 在本发明中， 构建出待分析设备组成分布关 系图谱； 通过更新后的设备组成识别神经网络， 识别出对应的待分析设备组成识别信息， 待分析 设备组成识别信息包括食品管理子设备是否为 关键设备组成分布关系子图谱中的食品管理子 设备的待分析子设备识别结果； 依据待分析子设 备识别结果， 从待分析设备组成分布关系图谱 中， 提取出关键设备组成分布关系子图谱； 基于 关键设备 组成分布关系子图谱， 对待分析设备组 成分布关系图谱包括的食品管理子设备分别进 行运行监控。 基于上述内容， 可 以改善现有技术 中存在的运行监控效果 不佳的问题。 权利要求书4页 说明书14页 附图2页 CN 115511396 A 2022.12.23 CN 115511396 A 1.一种基于数据分析的食品管理设备运行监控方法， 其特征在于， 所述食品管理设备 运行监控方法包括： 构建出待分析设备组成分布关系图谱， 所述待分析设备组成分布关系图谱包括关键设 备组成分布关系子图谱， 所述待分析设备组成分布关系图谱基于待分析食品管理设备包括 的多个食品管理子 设备构成， 且所述多个食品管 理子设备在所述待分析设备组成分布关系 图谱中的分布位置 关系和所述多个食品管理子 设备之间的设备运行关系相关， 所述待分析 设备组成分布关系图谱中的每一个食品管理子设备的图谱属 性信息为所述食品管理子设 备的设备运行日志数据； 通过更新后的设备组成识别神经网络， 将所述待分析设备组成分布关系图谱进行设备 组成识别处理， 以输出对应的待分析设备组成识别信息， 所述待分析设备组成识别信息包 括， 用于表征所述待分析设备组成分布关系图谱的每一个食品管理子 设备是否为所述关键 设备组成分布关系子图谱中的食品管理子设备的待分析子设备识别结果； 依据所述待分析子设备识别结果， 从所述待分析设备组成分布关系图谱中， 提取出所 述关键设备组成分布关系子图谱； 基于所述关键设备组成分布关系子图谱， 对所述待分析设备组成分布关系图谱包括的 食品管理子设备分别进行运行监控。 2.如权利要求1所述的基于数据分析的食 品管理设备运行监控方法， 其特征在于， 所述 食品管理设备运行监控方法还 包括： 提取到包括第一关键设备组成分布关系子图谱的示例性第一设备组成分布关系图谱 和包括第二关键设备组成分布关系子图谱的示例性第二设备组成分布关系图谱； 通过初始的设备组成识别神经网络， 对所述示例性第 一设备组成分布关系图谱进行设 备组成识别处理， 以输出对应的第一设备组成识别信息， 所述第一设备组成识别信息包括， 用于表征所述示例性第一设备组成分布关系图谱的每一个食品管理子设备是否为所述第 一关键设备组成分布关系子图谱中的食品管理子设备的第一子设备识别结果； 通过所述设备组成识别神经网络， 对所述示例性第 二设备组成分布关系图谱进行设备 组成识别处理， 以输出对应的第二设备组成识别信息； 所述第二设备组成识别信息包括， 用 于表征所述示例性第二设备组成分布关系图谱的各食品管理子设备是否为所述第二关键 设备组成分布关系子图谱中的食品管理子设备的第二子设备识别结果； 利用标签评估神经网络， 对所述示例性第 二设备组成分布关系图谱中的食 品管理子设 备进行标签评估处理， 以形成对应的设备标签评估信息， 所述设备标签评估信息用于表征 在所述示例性第二设备组成分布关系图谱上对应的设备标签属于第一设备标签评估结果 的食品管理子设备和 属于第二设备 标签评估结果的食品管理子设备； 基于所述第 一子设备识别结果、 所述第 二子设备识别结果中对应的设备标签属于所述 第一设备标签评估结果的食品管理子设备的子设备识别结果和所述第二子设备识别结果 中对应的设备标签属于所述第二设备标签评估结果的食品管理子设备的子 设备识别结果， 进行神经网络更新， 所述神经网络更新包括对所述设备组成识别神经网络进 行网络更新以 形成所述更新后的设备组成识别神经网络 。 3.如权利要求2所述的基于数据分析的食 品管理设备运行监控方法， 其特征在于， 所述 食品管理设备运行监控方法还包括： 提取到所述示例性第一设备组成分布关系图谱对应的权　利　要　求　书 1/4 页 2 CN 115511396 A 2示例性第一设备标签信息， 并提取到所述示例性第二设备组成分布关系图谱对应的示例性 第二设备 标签信息； 在进行所述神经网络更新的过程中， 将所述第 一子设备识别结果和所述示例性第 一设 备标签信息之 间的第一识别误差信息、 所述第二子 设备识别结果中对应的设备标签属于所 述第一设备标签评估结果的食品管理子设备的子设备识别结果和所述示例性第二设备标 签信息中的第一示例性标识数据之 间的第二识别误差信息、 所述第二子设备识别结果中对 应的设备标签属于所述第二设备标签评估结果的食品管理子设备的子设备识别结果和所 述示例性第二设备标签信息中的第二示例性标识数据之 间的第三识别误差信息作为依据， 以对所述设备组成识别神经网络进行神经网络更新； 所述第一示例性标识数据包括， 所述示例性第 二设备标签信 息中用于表征所述示例性 第二设备组成分布关系图谱上对应的设备标签属于所述第一设备标签评估结果的食品管 理子设备 是否属于所述第二关键设备组成分布关系子图谱中的食品管理子设备的数据； 所述第二示例性标识数据包括， 所述示例性第 二设备标签信 息中用于表征所述示例性 第二设备组成分布关系图谱上对应的设备标签属于所述第二设备标签评估结果的食品管 理子设备 是否属于所述第二关键设备组成分布关系子图谱中的食品管理子设备的数据。 4.如权利要求3所述的基于数据分析的食 品管理设备运行监控方法， 其特征在于， 基于 所述第一识别误差信息、 所述第二识别误差信息和所述第三识别误差信息对所述设备组成 识别神经网络进行神经网络更新， 包括： 基于所述第 二识别误差信 息和所述第 三识别误差信 息， 分析输出所述设备组成识别神 经网络相对于所述示例性第二设备组成分布关系图谱具有的整体识别误差信息； 以及， 提 取到所述整体识别误差信息对应的影响力参数， 再基于所述影响力参数对 所述整体识别误 差信息进行对应更新处 理， 以形成对应的更新整体识别误差信息； 基于所述第 一识别误差信 息和所述更新整体识别误差信 息， 对所述设备组成识别神经 网络进行神经网络更新。 5.如权利要求2所述的基于数据分析的食 品管理设备运行监控方法， 其特征在于， 所述 示例性第二设备组成分布关系图谱具有对应的示例性第二设备标签信息； 以及， 所述利用 标签评估神经网络， 对所述示例性第二设备组成分布关系图谱中的食品管理子 设备进行标 签评估处 理， 以形成对应的设备 标签评估信息的步骤， 包括： 通过标签评估神经网络， 依据所述示例性第二设备组成分布关系图谱， 挖掘出所述第 二关键设备组成分布关系子图谱对应的子图谱知识向量和所述示例性第二设备组成分布 关系图谱中的每一个食品管理子设备对应的设备图谱属性知识向量； 依据所述子图谱知识向量、 所述示例性第 二设备组成分布关系图谱中的每一个食 品管 理子设备对应的设备图谱属性知识向量和所述示例性第二设备标签信息， 分析输出对应的 设备标签评估信息 。 6.如权利要求5所述的基于数据分析的食 品管理设备运行监控方法， 其特征在于， 所述 通过标签评估神经网络， 依据所述示例性第二设备组成分布关系图谱， 挖掘出所述第二关 键设备组成分布关系子图谱对应的子图谱知识向量和所述示例性第二设备组成分布关系 图谱中的每一个食品管理子设备对应的设备图谱属性知识向量的步骤， 包括： 通过标签评估神经网络， 挖掘出所述示例性第 二设备组成分布关系图谱中的每一个食权　利　要　求　书 2/4 页 3 CN 115511396 A 3