1.基于多传感器融合的食品质量动态监测方法，其特征在于，包括：

采集食品的初始质量数据、储存阶段的储存影响数据及食品种类；

对储存影响数据进行特征提取，获取储存特征数据；

将食品种类、初始质量数据与储存特征数据输入至保质期预测模型中，获得预测的成品保质期；

将预测的成品保质期与预设的保质期阈值比对分析，判断是否生成储存调整指令；

若生成储存调整指令，则将食品种类、预测的成品保质期、保质期阈值输入至储存数据调整模型中，获得优化后的储存影响数据；判断优化后的储存影响数据是否可执行；若可执行则结束，若不可执行，则生成加工调整指令；

根据加工调整指令，将所述食品种类对应的加工参数、预测的成品保质期与保质期阈值输入预训练的加工参数调整模型中，获得优化后的加工参数数据；将优化后的加工参数数据与食品种类输入预训练的口感分析模型中，获得口感评分，根据口感评分，确定是否所述食品种类是否优先加工。

2.根据权利要求1所述的基于多传感器融合的食品质量动态监测方法，其特征在于，所述保质期预测模型的训练方法包括：预先收集A组加工前影响数据，A为大于1的整数，加工前影响数据包括加工前特征数据与加工前特征数据对应的成品保质期；加工前特征数据包括初始质量数据与储存特征数据；

将每组加工前影响数据作为保质期预测模型的输入，所述保质期预测模型以每组加工前特征数据对应的成品保质期作为输出，以每组加工前特征数据对应的实际成品保质期作为预测目标，以最小化所有加工前特征数据的损失函数值之和作为训练目标；对保质期预测模型进行训练，直至预测误差之和达到收敛时停止训练；所述保质期预测模型为深度神经网络模型。

3.根据权利要求1所述的基于多传感器融合的食品质量动态监测方法，其特征在于，优化后的储存影响数据包括调整储存设备的温度、湿度、气体浓度或压力；判断优化后的储存影响数据是否可执行的方法为：若优化后的储存影响数据中任一数据超出储存设备额定调节范围，则不可执行。

4.根据权利要求1所述的基于多传感器融合的食品质量动态监测方法，其特征在于，若预测的成品保质期未超出预设的保质期阈值，则不生成储存调整指令；如若预测的成品保质期超出预设的保质期阈值，则生成储存调整指令。

5.根据权利要求1所述的基于多传感器融合的食品质量动态监测方法，其特征在于，所述储存数据调整模型的训练方法包括：预先收集k组储存数据调整数据，储存数据调整数据包括储存特征数据以及储存特征数据对应的优化后的储存影响数据，储存特征数据包括食品种类、预测的成品保质期与保质期阈值；

将k组储存数据调整数据转换为特征向量，并分为训练集与测试集，将训练集中的储存特征数据作为储存数据调整模型的输入，将训练集中的优化后的储存影响数据作为储存数据调整模型的输出，利用测试集对储存数据调整模型进行测试，输出满足预测准确度的储存数据调整模型，储存数据调整模型为深度神经网络或梯度提升决策树模型。

6.根据权利要求1所述的基于多传感器融合的食品质量动态监测方法，其特征在于，所述储存影响数据包括单位时间内储存设备的温度、湿度、气体浓度与压力。

7.根据权利要求6所述的基于多传感器融合的食品质量动态监测方法，其特征在于，储存特征数据包括单位时间内的温度平均值、温度标准差、湿度平均值、湿度标准差、气体浓度平均值、气体浓度标准差与压力平均值与压力标准差。

8.根据权利要求1所述的基于多传感器融合的食品质量动态监测方法，其特征在于，所述初始质量数据包括微生物指标、物理指标与营养成分；微生物指标包括总菌落数、大肠杆菌数与霉菌数；物理指标包括水分含量与水分活度；营养成分包括蛋白质含量、脂肪含量与碳水化合物含量。

9.根据权利要求1所述的基于多传感器融合的食品质量动态监测方法，其特征在于，所述口感分析模型的训练方法包括：获取口感分析数据集，所述口感分析数据集中包括优化后的加工参数数据、食品种类和口感评分；将口感分析数据集划分为样本训练集和样本测试集，构建回归网络；以样本训练集中的优化后的加工参数数据、食品种类作为回归网络的输入数据，以样本训练集中的口感评分作为回归网络的输出数据，对回归网络进行训练，得到用于预测口感评分的初始回归网络；利用样本测试集对初始回归网络进行测试，输出小于预设误差值的初始回归网络作为口感分析模型。

10.基于多传感器融合的食品质量动态监测系统，实施权利要求1‑9任一项所述的基于多传感器融合的食品质量动态监测方法，其特征在于，包括：采集模块，用于采集食品的初始质量数据、储存阶段的储存影响数据及食品种类；

处理模块，用于对储存影响数据进行特征提取，获取储存特征数据；

第一分析模块，用于将食品种类、初始质量数据与储存特征数据输入至保质期预测模型中，获得预测的成品保质期；

第二分析模块，将预测的成品保质期与预设的保质期阈值比对分析，判断是否生成储存调整指令；

第三分析模块，若生成储存调整指令，则将食品种类、预测的成品保质期、保质期阈值输入至储存数据调整模型中，获得优化后的储存影响数据；判断优化后的储存影响数据是否可执行；若可执行则结束，若不可执行，则生成加工调整指令；

第四分析模块，根据加工调整指令，将所述食品种类对应的加工参数、预测的成品保质期与保质期阈值输入预训练的加工参数调整模型中，获得优化后的加工参数数据；将优化后的加工参数数据与食品种类输入预训练的口感分析模型中，获得口感评分，根据口感评分，确定是否所述食品种类是否优先加工。