一种基于大数据和人工智能的自动售卖机冷链系统

技术领域

本发明涉及大数据人工智能自动控制技术领域，更具体地说，本发明涉及一种基于大数据和人工智能的自动售卖机冷链系统。

背景技术

现阶段，自动售卖机的冷链系统智能化水平及大数据处理尚待改进；存在以下问题，如何获得冷链全程数据、如何对冷链全程数据进行分析、如何进行冷链货品销售预测及冷链货品配送预调度；如何进行数据采集分布式存储、将冷链全程分布式异步数据传输；另外，如何提取冷链全程高密度可用数据的分布式数据特征、进行人工智能大数据分析、进行冷链货品销售预测及冷链货品配送预调度均待提高；因此，有必要提出一种基于大数据和人工智能的自动售卖机冷链系统，以至少部分地解决现有技术中存在的问题。

发明内容

在发明内容部分中引入了一系列简化形式的概念，这将在具体实施方式部分中进一步详细说明；本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。

为至少部分地解决上述问题，本发明提供了一种基于大数据和人工智能的自动售卖机冷链系统，包括：

冷链大数据采集存储模块，用于对自动售卖机的冷链供应端、冷链输送端及冷链储售端进行数据采集分布式存储，获得冷链全程分布式异步数据；

采集数据多终端传输模块，用于将冷链全程分布式异步数据通过多路通信传输到人工智能大数据分析模块；

人工智能大数据分析模块，用于对冷链全程分布式异步数据进行人工智能大数据分析，获得人工智能大数据分析结果；

冷链储售预测预调度模块，用于根据人工智能大数据分析结果结合自动售卖机冷链储售状态进行冷链货品销售预测及冷链货品配送预调度。

优选的，冷链全程大数据采集模块包括：

冷链供应端数据采集子模块，用于对自动售卖机冷链供应端进行数据采集，获得冷链供应端采集数据；

冷链运输端数据采集子模块，用于对自动售卖机冷链输送端进行数据采集，获得冷链运输端采集数据；

售卖机冷链搜集存储子模块，用于对自动售卖机冷链储售端进行数据采集，进行数据采集分布式存储，获得冷链全程分布式异步数据。

优选的，采集数据多终端传输模块包括：

采集数据网络终端传输子模块，用于通过网络多路通信将冷链全程分布式异步数据传输到人工智能大数据分析模块；

采集数据无线终端传输子模块，用于通过移动网络多路通信将冷链全程分布式异步数据传输到人工智能大数据分析模块；

售卖机本机传输及接收子模块，用于通过自动售卖机本机通信系统将冷链全程分布式异步数据传输到人工智能大数据分析模块。

优选的，人工智能大数据分析模块包括：

大数据分解预处理子模块，用于对冷链全程分布式异步数据进行数据分解规约转换处理，获得冷链全程高密度可用数据；

人工智能分析模型子模块，用于提取冷链全程高密度可用数据的分布式数据特征，根据分布式数据特征，建立分布式异步深度学习分析模型；

智能化大数据分析子模块，用于通过分布式异步深度学习分析模型，进行人工智能大数据分析，获得人工智能大数据分析结果。

优选的，冷链储售预测预调度模块包括：

大数据分析结果分发子模块，用于将人工智能大数据分析结果分发到冷链供应端、冷链输送端及冷链储售端；

储售结合及销售预测子模块，用于根据人工智能大数据分析结果结合自动售卖机冷链储售状态，进行冷链货品销售预测；

售卖机冷链系统调度子模块，用于根据冷链货品销售预测，进行冷链货品配送预调度。

优选的，大数据分解预处理子模块包括：

冷链分布数据清理单元，用于对冷链全程分布式异步数据进行数据分解归类，按照数据分解归类分别进行数据一致性检测、干扰数据识别及数据过滤与修正；通过数据一致性检测，检测出不符合系统数据一致性的差异特征数据；通过干扰数据识别，分辨出会对系统造成干扰的干扰噪声数据；通过数据过滤与修正，过滤掉干扰噪声数据，并修正差异特征数据，获得冷链全程分布式过滤修正数据；

全程分布数据集成单元，用于对冷链全程分布式过滤修正数据进行数据集成，形成冷链全程集成数据立方体；

集成数据归约转换单元，用于通过数据立方体维度规约对冷链全程集成数据立方体进行规约转换处理，增加大数据价值密度，获得冷链全程高密度可用数据。

优选的，人工智能分析模型子模块包括：

数据特征自动提取单元，用于提取冷链全程高密度可用数据的分布式数据特征；建立面向动态数据的细粒度处理模式，基于分布式内存，对不断产生的动态数据进行处理；

分布式细粒度处理单元，用于根据分布式数据特征，对持续采集的分布式异步动态数据，建立面向分布式异步动态数据的分布式异步细粒度处理模式；分布式异步动态数据包括：冷链供应端网络采集数据、冷链输送端移动采集数据及冷链储售端传感器采集数据；

智能学习分析模型单元，用于根据分布式异步细粒度处理模式，对分布式异步动态数据进行分布式异步人工智能深度学习训练；分布式异步人工智能深度学习训练包括：冷链供应端网络采集数据的供应数量及供应周期智能学习训练、冷链输送端移动采集数据的输送位置及输送时间智能学习训练及冷链储售端传感器采集数据的冷链储售状态及冷链货品销售信息智能学习训练；对分布式异步人工智能深度学习训练结果进行分布式异步大数据预测影响度分析；根据分布式异步人工智能深度学习训练及分布式异步大数据预测影响度分析，建立分布式异步深度学习分析模型。

优选的，智能化大数据分析子模块包括：

模型加载数据输入单元，用于加载分布式异步深度学习分析模型并将自动售卖机的冷链供应端、冷链输送端及冷链储售端分别实时采集的冷链全程分布式异步数据输入分布式异步深度学习分析模型；

模型运行数据分析单元，用于运行分布式异步深度学习分析模型，对实时采集的冷链全程分布式异步数据进行分布式异步人工智能大数据分析；

分析过程结果生成单元，用于根据分布式异步人工智能大数据分析，生成分布式异步分析过程信息，对分布式异步分析过程信息进行自动记录存储，获得人工智能大数据分析结果。

优选的，大数据分析结果分发子模块包括：

数据网络终端传输单元，用于通过网络多路通信将人工智能大数据分析结果分发到冷链供应端；

数据无线终端传输单元，用于通过移动网络多路通信将人工智能大数据分析结果分发到冷链输送端；

本机数据传输接收单元，用于通过自动售卖机本机通信系统将人工智能大数据分析结果分发到冷链储售端。

优选的，储售结合及销售预测子模块包括：

储售状态采集跟踪单元，用于跟踪自动售卖机的冷链供应端、冷链输送端及冷链储售端的数据采集动态，获得自动售卖机冷链储售状态；

分析结果储售结合单元，用于将人工智能大数据分析结果结合自动售卖机冷链储售状态，获得分析结果储售状态信息；

冷链货品销售预测单元，用于根据分析结果储售状态信息，进行冷链货品销售预测。相比现有技术，本发明至少包括以下有益效果：

本发明提供了一种基于大数据和人工智能的自动售卖机冷链系统，包括：冷链大数据采集存储模块，用于对自动售卖机的冷链供应端、冷链输送端及冷链储售端进行数据采集分布式存储，获得冷链全程分布式异步数据；采集数据多终端传输模块，用于将冷链全程分布式异步数据通过多路通信传输到人工智能大数据分析模块；人工智能大数据分析模块，用于对冷链全程分布式异步数据进行人工智能大数据分析，获得人工智能大数据分析结果；冷链储售预测预调度模块，用于根据人工智能大数据分析结果结合自动售卖机冷链储售状态进行冷链货品销售预测及冷链货品配送预调度；能够对自动售卖机冷链供应端进行数据采集，对自动售卖机冷链输送端进行数据采集，对自动售卖机冷链储售端进行数据采集，进行数据采集分布式存储；通过网络多路通信将冷链全程分布式异步数据传输到人工智能大数据分析模块；通过移动网络多路通信将冷链全程分布式异步数据传输到人工智能大数据分析模块；通过自动售卖机本机通信系统将冷链全程分布式异步数据传输到人工智能大数据分析模块；对冷链全程分布式异步数据进行数据分解规约转换处理；提取冷链全程高密度可用数据的分布式数据特征，建立分布式异步深度学习分析模型；通过分布式异步深度学习分析模型，进行人工智能大数据分析；将人工智能大数据分析结果分发到冷链供应端、冷链输送端及冷链储售端；根据人工智能大数据分析结果结合自动售卖机冷链储售状态，进行冷链货品销售预测；进行冷链货品配送预调度；能够对冷链全程分布式异步数据进行数据分解归类，分别进行数据一致性检测、干扰数据识别及数据过滤与修正，检测出不符合系统数据一致性的差异特征数据，分辨出会对系统造成干扰的干扰噪声数据，过滤掉干扰噪声数据，并修正差异特征数据，增加大数据价值密度；每个学习运算完成后，无需等待其他更新，立即更新参数并同步，通过深度神经网络处理loss异常抖动系列问题；能够建立面向动态数据的细粒度处理模式，对不断产生的动态数据进行处理；能够进行分布式异步人工智能深度学习训练，并进行分布式异步大数据预测影响度分析，提高智能学习训练与真实状态的接近度，并增加预测影响分析的准确度；通过计算计算自动售卖机冷链储售状态预计储售量，并进行人工智能运算训练，可以大幅提高大数据对自动售卖机冷链货品销售预测水平。

本发明的一种基于大数据和人工智能的自动售卖机冷链系统，本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明的一种蓝牙眼镜耳机入耳式和开放式切换装置框图。

图2为本发明的一种基于大数据和人工智能的自动售卖机冷链系统实施例1图。

图3为本发明的一种基于大数据和人工智能的自动售卖机冷链系统实施例2图。

具体实施方式

下面结合附图以及实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施；如图1-3所示，本发明提供了一种基于大数据和人工智能的自动售卖机冷链系统，包括：

冷链大数据采集存储模块，用于对自动售卖机的冷链供应端、冷链输送端及冷链储售端进行数据采集分布式存储，获得冷链全程分布式异步数据；

采集数据多终端传输模块，用于将冷链全程分布式异步数据通过多路通信传输到人工智能大数据分析模块；

人工智能大数据分析模块，用于对冷链全程分布式异步数据进行人工智能大数据分析，获得人工智能大数据分析结果；

冷链储售预测预调度模块，用于根据人工智能大数据分析结果结合自动售卖机冷链储售状态进行冷链货品销售预测及冷链货品配送预调度。

上述技术方案的工作原理为：本发明提供了一种基于大数据和人工智能的自动售卖机冷链系统，包括：冷链大数据采集存储模块，用于对自动售卖机的冷链供应端、冷链输送端及冷链储售端进行数据采集分布式存储，获得冷链全程分布式异步数据；采集数据多终端传输模块，用于将冷链全程分布式异步数据通过多路通信传输到人工智能大数据分析模块；人工智能大数据分析模块，用于对冷链全程分布式异步数据进行人工智能大数据分析，获得人工智能大数据分析结果；冷链储售预测预调度模块，用于根据人工智能大数据分析结果结合自动售卖机冷链储售状态进行冷链货品销售预测及冷链货品配送预调度。

上述技术方案的有益效果为：本发明提供了一种基于大数据和人工智能的自动售卖机冷链系统，包括：冷链大数据采集存储模块，用于对自动售卖机的冷链供应端、冷链输送端及冷链储售端进行数据采集分布式存储，获得冷链全程分布式异步数据；采集数据多终端传输模块，用于将冷链全程分布式异步数据通过多路通信传输到人工智能大数据分析模块；人工智能大数据分析模块，用于对冷链全程分布式异步数据进行人工智能大数据分析，获得人工智能大数据分析结果；冷链储售预测预调度模块，用于根据人工智能大数据分析结果结合自动售卖机冷链储售状态进行冷链货品销售预测及冷链货品配送预调度；能够对自动售卖机冷链供应端进行数据采集，对自动售卖机冷链输送端进行数据采集，对自动售卖机冷链储售端进行数据采集，进行数据采集分布式存储；通过网络多路通信将冷链全程分布式异步数据传输到人工智能大数据分析模块；通过移动网络多路通信将冷链全程分布式异步数据传输到人工智能大数据分析模块；通过自动售卖机本机通信系统将冷链全程分布式异步数据传输到人工智能大数据分析模块；对冷链全程分布式异步数据进行数据分解规约转换处理；提取冷链全程高密度可用数据的分布式数据特征，建立分布式异步深度学习分析模型；通过分布式异步深度学习分析模型，进行人工智能大数据分析；将人工智能大数据分析结果分发到冷链供应端、冷链输送端及冷链储售端；根据人工智能大数据分析结果结合自动售卖机冷链储售状态，进行冷链货品销售预测；进行冷链货品配送预调度；能够对冷链全程分布式异步数据进行数据分解归类，分别进行数据一致性检测、干扰数据识别及数据过滤与修正，检测出不符合系统数据一致性的差异特征数据，分辨出会对系统造成干扰的干扰噪声数据，过滤掉干扰噪声数据，并修正差异特征数据，增加大数据价值密度；每个学习运算完成后，无需等待其他更新，立即更新参数并同步，通过深度神经网络处理loss异常抖动系列问题；能够建立面向动态数据的细粒度处理模式，对不断产生的动态数据进行处理；能够进行分布式异步人工智能深度学习训练，并进行分布式异步大数据预测影响度分析，提高智能学习训练与真实状态的接近度，并增加预测影响分析的准确度；通过计算计算自动售卖机冷链储售状态预计储售量，并进行人工智能运算训练，可以大幅提高大数据对自动售卖机冷链货品销售预测水平。

在一个实施例中，冷链全程大数据采集模块包括：

冷链供应端数据采集子模块，用于对自动售卖机冷链供应端进行数据采集，获得冷链供应端采集数据；

冷链运输端数据采集子模块，用于对自动售卖机冷链输送端进行数据采集，获得冷链运输端采集数据；

售卖机冷链搜集存储子模块，用于对自动售卖机冷链储售端进行数据采集，进行数据采集分布式存储，获得冷链全程分布式异步数据。

上述技术方案的工作原理为：冷链全程大数据采集模块包括：冷链供应端数据采集子模块，用于对自动售卖机冷链供应端进行数据采集，获得冷链供应端采集数据；冷链运输端数据采集子模块，用于对自动售卖机冷链输送端进行数据采集，获得冷链运输端采集数据；售卖机冷链搜集存储子模块，用于对自动售卖机冷链储售端进行数据采集，进行数据采集分布式存储，获得冷链全程分布式异步数据。

上述技术方案的有益效果为：冷链全程大数据采集模块包括：冷链供应端数据采集子模块，用于对自动售卖机冷链供应端进行数据采集，获得冷链供应端采集数据；冷链运输端数据采集子模块，用于对自动售卖机冷链输送端进行数据采集，获得冷链运输端采集数据；售卖机冷链搜集存储子模块，用于对自动售卖机冷链储售端进行数据采集，进行数据采集分布式存储，获得冷链全程分布式异步数据；能够对冷链全程数据进行处理。

在一个实施例中，采集数据多终端传输模块包括：

采集数据网络终端传输子模块，用于通过网络多路通信将冷链全程分布式异步数据传输到人工智能大数据分析模块；

采集数据无线终端传输子模块，用于通过移动网络多路通信将冷链全程分布式异步数据传输到人工智能大数据分析模块；

售卖机本机传输及接收子模块，用于通过自动售卖机本机通信系统将冷链全程分布式异步数据传输到人工智能大数据分析模块。

上述技术方案的工作原理为：采集数据多终端传输模块包括：采集数据网络终端传输子模块，用于通过网络多路通信将冷链全程分布式异步数据传输到人工智能大数据分析模块；采集数据无线终端传输子模块，用于通过移动网络多路通信将冷链全程分布式异步数据传输到人工智能大数据分析模块；售卖机本机传输及接收子模块，用于通过自动售卖机本机通信系统将冷链全程分布式异步数据传输到人工智能大数据分析模块。

上述技术方案的有益效果为：采集数据多终端传输模块包括：采集数据网络终端传输子模块，用于通过网络多路通信将冷链全程分布式异步数据传输到人工智能大数据分析模块；采集数据无线终端传输子模块，用于通过移动网络多路通信将冷链全程分布式异步数据传输到人工智能大数据分析模块；售卖机本机传输及接收子模块，用于通过自动售卖机本机通信系统将冷链全程分布式异步数据传输到人工智能大数据分析模块；能够过滤掉干扰噪声数据。

在一个实施例中，人工智能大数据分析模块包括：

大数据分解预处理子模块，用于对冷链全程分布式异步数据进行数据分解规约转换处理，获得冷链全程高密度可用数据；

人工智能分析模型子模块，用于提取冷链全程高密度可用数据的分布式数据特征，根据分布式数据特征，建立分布式异步深度学习分析模型；

智能化大数据分析子模块，用于通过分布式异步深度学习分析模型，进行人工智能大数据分析，获得人工智能大数据分析结果。

上述技术方案的工作原理为：人工智能大数据分析模块包括：大数据分解预处理子模块，用于对冷链全程分布式异步数据进行数据分解规约转换处理，获得冷链全程高密度可用数据；人工智能分析模型子模块，用于提取冷链全程高密度可用数据的分布式数据特征，根据分布式数据特征，建立分布式异步深度学习分析模型；智能化大数据分析子模块，用于通过分布式异步深度学习分析模型，进行人工智能大数据分析，获得人工智能大数据分析结果。

上述技术方案的有益效果为：人工智能大数据分析模块包括：大数据分解预处理子模块，用于对冷链全程分布式异步数据进行数据分解规约转换处理，获得冷链全程高密度可用数据；人工智能分析模型子模块，用于提取冷链全程高密度可用数据的分布式数据特征，根据分布式数据特征，建立分布式异步深度学习分析模型；智能化大数据分析子模块，用于通过分布式异步深度学习分析模型，进行人工智能大数据分析，获得人工智能大数据分析结果；能够修正差异特征数据。

在一个实施例中，冷链储售预测预调度模块包括：

大数据分析结果分发子模块，用于将人工智能大数据分析结果分发到冷链供应端、冷链输送端及冷链储售端；

储售结合及销售预测子模块，用于根据人工智能大数据分析结果结合自动售卖机冷链储售状态，进行冷链货品销售预测；

售卖机冷链系统调度子模块，用于根据冷链货品销售预测，进行冷链货品配送预调度。

上述技术方案的工作原理为：冷链储售预测预调度模块包括：大数据分析结果分发子模块，用于将人工智能大数据分析结果分发到冷链供应端、冷链输送端及冷链储售端；储售结合及销售预测子模块，用于根据人工智能大数据分析结果结合自动售卖机冷链储售状态，进行冷链货品销售预测；售卖机冷链系统调度子模块，用于根据冷链货品销售预测，进行冷链货品配送预调度。

上述技术方案的有益效果为：冷链储售预测预调度模块包括：大数据分析结果分发子模块，用于将人工智能大数据分析结果分发到冷链供应端、冷链输送端及冷链储售端；储售结合及销售预测子模块，用于根据人工智能大数据分析结果结合自动售卖机冷链储售状态，进行冷链货品销售预测；售卖机冷链系统调度子模块，用于根据冷链货品销售预测，进行冷链货品配送预调度；能够增加大数据价值密度；大幅提高大数据对自动售卖机冷链货品销售预测水平。

在一个实施例中，大数据分解预处理子模块包括：

冷链分布数据清理单元，用于对冷链全程分布式异步数据进行数据分解归类，按照数据分解归类分别进行数据一致性检测、干扰数据识别及数据过滤与修正；通过数据一致性检测，检测出不符合系统数据一致性的差异特征数据；通过干扰数据识别，分辨出会对系统造成干扰的干扰噪声数据；通过数据过滤与修正，过滤掉干扰噪声数据，并修正差异特征数据，获得冷链全程分布式过滤修正数据；

全程分布数据集成单元，用于对冷链全程分布式过滤修正数据进行数据集成，形成冷链全程集成数据立方体；

集成数据归约转换单元，用于通过数据立方体维度规约对冷链全程集成数据立方体进行规约转换处理，增加大数据价值密度，获得冷链全程高密度可用数据。

上述技术方案的工作原理为：大数据分解预处理子模块包括：冷链分布数据清理单元，用于对冷链全程分布式异步数据进行数据分解归类，按照数据分解归类分别进行数据一致性检测、干扰数据识别及数据过滤与修正；通过数据一致性检测，检测出不符合系统数据一致性的差异特征数据；通过干扰数据识别，分辨出会对系统造成干扰的干扰噪声数据；通过数据过滤与修正，过滤掉干扰噪声数据，并修正差异特征数据，获得冷链全程分布式过滤修正数据；全程分布数据集成单元，用于对冷链全程分布式过滤修正数据进行数据集成，形成冷链全程集成数据立方体；集成数据归约转换单元，用于通过数据立方体维度规约对冷链全程集成数据立方体进行规约转换处理，增加大数据价值密度，获得冷链全程高密度可用数据。

上述技术方案的有益效果为：大数据分解预处理子模块包括：冷链分布数据清理单元，用于对冷链全程分布式异步数据进行数据分解归类，按照数据分解归类分别进行数据一致性检测、干扰数据识别及数据过滤与修正；通过数据一致性检测，检测出不符合系统数据一致性的差异特征数据；通过干扰数据识别，分辨出会对系统造成干扰的干扰噪声数据；通过数据过滤与修正，过滤掉干扰噪声数据，并修正差异特征数据，获得冷链全程分布式过滤修正数据；全程分布数据集成单元，用于对冷链全程分布式过滤修正数据进行数据集成，形成冷链全程集成数据立方体；集成数据归约转换单元，用于通过数据立方体维度规约对冷链全程集成数据立方体进行规约转换处理，增加大数据价值密度，获得冷链全程高密度可用数据；能够对冷链全程分布式异步数据进行数据分解归类，分别进行数据一致性检测、干扰数据识别及数据过滤与修正，检测出不符合系统数据一致性的差异特征数据，分辨出会对系统造成干扰的干扰噪声数据，过滤掉干扰噪声数据，并修正差异特征数据，增加大数据价值密度。

在一个实施例中，人工智能分析模型子模块包括：

数据特征自动提取单元，用于提取冷链全程高密度可用数据的分布式数据特征；建立面向动态数据的细粒度处理模式，基于分布式内存，对不断产生的动态数据进行处理；

分布式细粒度处理单元，用于根据分布式数据特征，对持续采集的分布式异步动态数据，建立面向分布式异步动态数据的分布式异步细粒度处理模式；分布式异步动态数据包括：冷链供应端网络采集数据、冷链输送端移动采集数据及冷链储售端传感器采集数据；

智能学习分析模型单元，用于根据分布式异步细粒度处理模式，对分布式异步动态数据进行分布式异步人工智能深度学习训练；分布式异步人工智能深度学习训练包括：冷链供应端网络采集数据的供应数量及供应周期智能学习训练、冷链输送端移动采集数据的输送位置及输送时间智能学习训练及冷链储售端传感器采集数据的冷链储售状态及冷链货品销售信息智能学习训练；对分布式异步人工智能深度学习训练结果进行分布式异步大数据预测影响度分析；根据分布式异步人工智能深度学习训练及分布式异步大数据预测影响度分析，建立分布式异步深度学习分析模型。

上述技术方案的工作原理为：人工智能分析模型子模块包括：数据特征自动提取单元，用于提取冷链全程高密度可用数据的分布式数据特征；建立面向动态数据的细粒度处理模式，基于分布式内存，对不断产生的动态数据进行处理；分布式细粒度处理单元，用于根据分布式数据特征，对持续采集的分布式异步动态数据，建立面向分布式异步动态数据的分布式异步细粒度处理模式；分布式异步动态数据包括：冷链供应端网络采集数据、冷链输送端移动采集数据及冷链储售端传感器采集数据；智能学习分析模型单元，用于根据分布式异步细粒度处理模式，对分布式异步动态数据进行分布式异步人工智能深度学习训练；分布式异步人工智能深度学习训练包括：冷链供应端网络采集数据的供应数量及供应周期智能学习训练、冷链输送端移动采集数据的输送位置及输送时间智能学习训练及冷链储售端传感器采集数据的冷链储售状态及冷链货品销售信息智能学习训练；对分布式异步人工智能深度学习训练结果进行分布式异步大数据预测影响度分析；根据分布式异步人工智能深度学习训练及分布式异步大数据预测影响度分析，建立分布式异步深度学习分析模型；每个学习运算完成后，无需等待其他更新，立即更新参数并同步，通过深度神经网络处理loss异常抖动系列问题。

上述技术方案的有益效果为：人工智能分析模型子模块包括：数据特征自动提取单元，用于提取冷链全程高密度可用数据的分布式数据特征；建立面向动态数据的细粒度处理模式，基于分布式内存，对不断产生的动态数据进行处理；分布式细粒度处理单元，用于根据分布式数据特征，对持续采集的分布式异步动态数据，建立面向分布式异步动态数据的分布式异步细粒度处理模式；分布式异步动态数据包括：冷链供应端网络采集数据、冷链输送端移动采集数据及冷链储售端传感器采集数据；智能学习分析模型单元，用于根据分布式异步细粒度处理模式，对分布式异步动态数据进行分布式异步人工智能深度学习训练；分布式异步人工智能深度学习训练包括：冷链供应端网络采集数据的供应数量及供应周期智能学习训练、冷链输送端移动采集数据的输送位置及输送时间智能学习训练及冷链储售端传感器采集数据的冷链储售状态及冷链货品销售信息智能学习训练；对分布式异步人工智能深度学习训练结果进行分布式异步大数据预测影响度分析；根据分布式异步人工智能深度学习训练及分布式异步大数据预测影响度分析，建立分布式异步深度学习分析模型；；每个学习运算完成后，无需等待其他更新，立即更新参数并同步，通过深度神经网络处理loss异常抖动系列问题；能够建立面向动态数据的细粒度处理模式，对不断产生的动态数据进行处理；能够进行分布式异步人工智能深度学习训练，并进行分布式异步大数据预测影响度分析，提高智能学习训练与真实状态的接近度，并增加预测影响分析的准确度。

在一个实施例中，智能化大数据分析子模块包括：

模型加载数据输入单元，用于加载分布式异步深度学习分析模型并将自动售卖机的冷链供应端、冷链输送端及冷链储售端分别实时采集的冷链全程分布式异步数据输入分布式异步深度学习分析模型；

模型运行数据分析单元，用于运行分布式异步深度学习分析模型，对实时采集的冷链全程分布式异步数据进行分布式异步人工智能大数据分析；

分析过程结果生成单元，用于根据分布式异步人工智能大数据分析，生成分布式异步分析过程信息，对分布式异步分析过程信息进行自动记录存储，获得人工智能大数据分析结果。

上述技术方案的工作原理为：智能化大数据分析子模块包括：模型加载数据输入单元，用于加载分布式异步深度学习分析模型并将自动售卖机的冷链供应端、冷链输送端及冷链储售端分别实时采集的冷链全程分布式异步数据输入分布式异步深度学习分析模型；模型运行数据分析单元，用于运行分布式异步深度学习分析模型，对实时采集的冷链全程分布式异步数据进行分布式异步人工智能大数据分析；分析过程结果生成单元，用于根据分布式异步人工智能大数据分析，生成分布式异步分析过程信息，对分布式异步分析过程信息进行自动记录存储，获得人工智能大数据分析结果；通过张量处理加速模型训练，在多个节点上并行训练深度神经网络，每个节点仅执行整体计算任务的一部分。

上述技术方案的有益效果为：智能化大数据分析子模块包括：模型加载数据输入单元，用于加载分布式异步深度学习分析模型并将自动售卖机的冷链供应端、冷链输送端及冷链储售端分别实时采集的冷链全程分布式异步数据输入分布式异步深度学习分析模型；模型运行数据分析单元，用于运行分布式异步深度学习分析模型，对实时采集的冷链全程分布式异步数据进行分布式异步人工智能大数据分析；分析过程结果生成单元，用于根据分布式异步人工智能大数据分析，生成分布式异步分析过程信息，对分布式异步分析过程信息进行自动记录存储，获得人工智能大数据分析结果；通过张量处理加速模型训练，在多个节点上并行训练深度神经网络，每个节点仅执行整体计算任务的一部分；可以大幅缩短深度神经网络的训练时间，提高神经网络训练速度。

在一个实施例中，大数据分析结果分发子模块包括：

数据网络终端传输单元，用于通过网络多路通信将人工智能大数据分析结果分发到冷链供应端；

数据无线终端传输单元，用于通过移动网络多路通信将人工智能大数据分析结果分发到冷链输送端；

本机数据传输接收单元，用于通过自动售卖机本机通信系统将人工智能大数据分析结果分发到冷链储售端。

上述技术方案的工作原理为：大数据分析结果分发子模块包括：数据网络终端传输单元，用于通过网络多路通信将人工智能大数据分析结果分发到冷链供应端；数据无线终端传输单元，用于通过移动网络多路通信将人工智能大数据分析结果分发到冷链输送端；本机数据传输接收单元，用于通过自动售卖机本机通信系统将人工智能大数据分析结果分发到冷链储售端。

上述技术方案的有益效果为：大数据分析结果分发子模块包括：数据网络终端传输单元，用于通过网络多路通信将人工智能大数据分析结果分发到冷链供应端；数据无线终端传输单元，用于通过移动网络多路通信将人工智能大数据分析结果分发到冷链输送端；本机数据传输接收单元，用于通过自动售卖机本机通信系统将人工智能大数据分析结果分发到冷链储售端；大数据分析结果分发形式更丰富，分发效率大幅提高。

在一个实施例中，储售结合及销售预测子模块包括：

储售状态采集跟踪单元，用于跟踪自动售卖机的冷链供应端、冷链输送端及冷链储售端的数据采集动态，获得自动售卖机冷链储售状态；

分析结果储售结合单元，用于将人工智能大数据分析结果结合自动售卖机冷链储售状态，获得分析结果储售状态信息；

冷链货品销售预测单元，用于根据分析结果储售状态信息，进行冷链货品销售预测。

上述技术方案的工作原理为：储售结合及销售预测子模块包括：储售状态采集跟踪单元，用于跟踪自动售卖机的冷链供应端、冷链输送端及冷链储售端的数据采集动态，获得自动售卖机冷链储售状态；分析结果储售结合单元，用于将人工智能大数据分析结果结合自动售卖机冷链储售状态，获得分析结果储售状态信息；冷链货品销售预测单元，用于根据分析结果储售状态信息，进行冷链货品销售预测；

计算自动售卖机冷链储售状态预计储售量：

其中，LZLn代表自动售卖机冷链储售状态预计储售量，ZLC(o)代表自动售卖机冷链储售状态初始储售量，lzq代表统计平均发展销售量，zlp代表统计平均内生控制销售量，e代表自然常数，n代表自动售卖机冷链储售状态变化次数；以上所有参数均为数值化参数；通过计算计算自动售卖机冷链储售状态预计储售量，并进行人工智能运算训练。

上述技术方案的有益效果为：储售结合及销售预测子模块包括：储售状态采集跟踪单元，用于跟踪自动售卖机的冷链供应端、冷链输送端及冷链储售端的数据采集动态，获得自动售卖机冷链储售状态；分析结果储售结合单元，用于将人工智能大数据分析结果结合自动售卖机冷链储售状态，获得分析结果储售状态信息；冷链货品销售预测单元，用于根据分析结果储售状态信息，进行冷链货品销售预测；计算自动售卖机冷链储售状态预计储售量：其中，LZLn代表自动售卖机冷链储售状态预计储售量，ZLC(o)代表自动售卖机冷链储售状态初始储售量，lzq代表统计平均发展销售量，zlp代表统计平均内生控制销售量，e代表自然常数，n代表自动售卖机冷链储售状态变化次数；以上所有参数均为数值化参数；通过计算计算自动售卖机冷链储售状态预计储售量，并进行人工智能运算训练，可以大幅提高大数据对自动售卖机冷链货品销售预测水平。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节与这里示出与描述的图例。