(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 202111630686.9 (22)申请日 2021.12.28 (71)申请人 河南工业大 学 地址 450001 河南省郑州市高新区莲 花街 100号 (72)发明人 段珊珊　杨卫东　肖乐　张元　 (74)专利代理 机构 北京远大卓悦知识产权代理 有限公司 1 1369 专利代理师 吴朝阳 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06Q 10/04(2012.01) (54)发明名称 仓储粮堆粮温预测方法及装置 (57)摘要 本发明公开了仓储粮堆粮温预测方法， 包 括： 获取历史气象数据和粮堆内各位置点的温度 数据； 将获取的历史气象数据和粮堆内各位置点 的温度数据输入神经网络预测模 型， 得到未来某 一时刻粮堆内各位置点的温度数据； 其中， 神经 网络预测模 型包括第一分支和第二分支， 第一分 支包括输入层、 LSTM网络、 Permute层， 第二分支 包括输入层、 Inception模块、 空间注意力模块， 第一分支和第二分支的输出均输入Concat层， Concat层连接至第一全连接层， 第一全连接层连 接至输出层。 本发明还提供了仓储粮堆粮温预测 装置。 本发明将inception模块、 时间注意力模 块、 空间注意力模块组合得到神经网络预测模 型， 能够对粮堆内各位置点的粮温进行准确地预 测。 权利要求书1页 说明书6页 附图8页 CN 114492587 A 2022.05.13 CN 114492587 A 1.仓储粮 堆粮温预测方法， 其特 征在于， 包括： 获取历史气象数据和粮 堆内各位置点的温度数据； 将获取的历史气象数据和粮堆内各位置点的温度 数据输入神经网络预测模型， 得到未 来某一时刻粮 堆内各位置点的温度数据； 其中， 所述神经网络预测模型包括第一分支和第二分支， 所述第一分支包括输入层、 LSTM网络、 Permute层， 所述第二分支包括输入层、 Inc eption模块、 空间注意力模块， 所述第 一分支和所述第二分支的输出均输入Concat层， Concat层连接至第一全连接层， 第一全连 接层连接 至输出层。 2.如权利要求1所述的仓储粮堆粮温预测方法， 其特征在于， 所述第 一分支包括依次连 接的输入层、 第一Permute层、 LSTM网络、 第二Permute层、 第二全连接层、 第三Permute层、 Merge层、 第一Flat ten层， 其中Merge层的输入 还包括来自LSTM网络的输出。 3.如权利要求1所述的仓储粮堆粮温预测方法， 其特征在于， 所述第 二分支包括依次连 接的输入层、 多个Inception模块、 第二Flatten层， 其中多个Inception模块之间插入有多 个最大池化层和一个空间注意力模块。 4.如权利要求1所述的仓储粮堆粮温预测方法， 其特征在于， 气象数据包括气 温、 气压、 相对湿度、 0 cm地面温度、 日照时间、 降水量。 5.如权利要求1所述的仓储粮堆粮温预测方法， 其特征在于， 选取历史区间内的气象数 据和粮堆内各位置点的温度数据， 利用80％的数据建立训练集， 利用20％的数据建立测试 集。 6.仓储粮 堆粮温预测装置， 其特 征在于， 包括： 数据采集模块， 用于获取历史气象数据和粮 堆内各位置点的温度数据； 预测模块， 用于将 获取的历史气象数据和粮堆内各位置点的温度 数据输入神经网络预 测模型， 得到未来某一时刻粮 堆内各位置点的温度数据； 其中， 所述神经网络预测模型包括第一分支和第二分支， 所述第一分支包括输入层、 LSTM网络、 Permute层， 所述第二分支包括输入层、 Inc eption模块、 空间注意力模块， 所述第 一分支和所述第二分支的输出均输入Concat层， Concat层连接至第一全连接层， 第一全连 接层连接 至输出层。 7.如权利要求6所述的仓储粮堆粮温预测装置， 其特征在于， 所述第 一分支包括依次连 接的输入层、 第一Permute层、 LSTM网络、 第二Permute层、 第二全连接层、 第三Permute层、 Merge层、 第一Flat ten层， 其中Merge层的输入 还包括来自LSTM网络的输出。 8.如权利要求6所述的仓储粮堆粮温预测装置， 其特征在于， 所述第 二分支包括依次连 接的输入层、 多个Inception模块、 第二Flatten层， 其中多个Inception模块之间插入有多 个最大池化层和一个空间注意力模块。 9.如权利要求6所述的仓储粮堆粮温预测装置， 其特征在于， 气象数据包括气 温、 气压、 相对湿度、 0 cm地面温度、 日照时间、 降水量。 10.如权利要求6所述的仓储粮堆粮温预测装置， 其特征在于， 选取历史区间内的气象 数据和粮堆内各位置点的温度数据， 利用80％的数据建立训练集， 利用20％的数据建立测 试集。权　利　要　求　书 1/1 页 2 CN 114492587 A 2仓储粮堆粮温预测方 法及装置 技术领域 [0001]本发明涉及深度学习技术领域。 更具体地说， 本发明涉及一种仓储粮堆粮温预测 方法及装置 。 背景技术 [0002]粮堆粮温关系到储粮安全， 若存在局部温度升高， 会加快微生物繁殖生长， 导致粮 食霉变。 因此， 为了保证储粮品质， 有必 要设计一种粮堆粮温预测模 型对粮堆内各位置的粮 温进行准确预测。 发明内容 [0003]本发明的一个目的是提供一种仓储粮堆粮温预测方法及装置， 将 inception模块、 时间注意力模块、 空间注意力模块组合得到神经网络预测模型， 能够对粮堆内各位置点的 粮温进行准确地预测。 [0004]为了实现根据本发明的这些目的和其它优点， 根据本发明的一个方面， 提供了仓 储粮堆粮温预测方法， 包括： 获取历史气象数据和粮堆内各位置点的温度数据； 将获取的历 史气象数据和粮堆内各位置点的温度数据输入神经网络预测模型， 得到未来某一时刻粮堆 内各位置点的温度数据； 其中， 所述神经网络预测模型包括第一分支和第二分支， 所述第一 分支包括输入层、 LSTM网络、 Permute层， 所述第二分支包括输入层、 Inception模块、 空间注 意力模块， 所述第一分支和所述第二分支的输出均输入Concat层， Concat层连接至第一全 连接层， 第一全连接层连接 至输出层。 [0005]进一步地， 所述第一分支包括依次连接的输入层、 第一Permut e层、 LSTM网络、 第二 Permute层、 第 二全连接层、 第 三Permute层、 Merge层、 第 一Flatten层， 其中Merge层的输入 还包括来自LSTM网络的输出。 [0006]进一步地， 所述第二分支包括依次连接的输入层、 多个Inception模块、 第二 Flatten层， 其中多个I nception模块之间插 入有多个最大池化层和一个空间注意力模块。 [0007]进一步地， 气象数据包括气温、 气压、 相对湿度、 0 cm地面温度、 日照时间、 降水量。 [0008]进一步地， 选取历史区间内的气象数据和粮堆内各位置点的温度数据， 利用80％ 的数据建立训练集， 利用20％的数据建立测试集。 [0009]根据本发明的另一个发明， 还提供了仓储粮堆粮温预测装置， 包括： 数据采集模 块， 用于获取历史气象数据和粮堆内各位置点的温度数据； 预测模块， 用于将获取的历史气 象数据和粮堆内各位置点的温度数据输入神经网络预测模型， 得到未来某一时刻粮堆内各 位置点的温度数据； 其中， 所述神经网络预测模型包括第一分支和 第二分支， 所述第一分支 包括输入层、 LSTM网络、 Permute层， 所述第二分支包括输入层、 Inception模块、 空间注 意力 模块， 所述第一分支和所述第二分支的输出均输入Concat层， Concat层连接至第一全连接 层， 第一全连接层连接 至输出层。 [0010]进一步地， 所述第一分支包括依次连接的输入层、 第一Permut e层、 LSTM网络、 第二说　明　书 1/6 页 3 CN 114492587 A 3