CN106093321B - 一种农产品市场监测系统及方法 - Google Patents
一种农产品市场监测系统及方法 Download PDFInfo
- Publication number
- CN106093321B CN106093321B CN201610519391.7A CN201610519391A CN106093321B CN 106093321 B CN106093321 B CN 106093321B CN 201610519391 A CN201610519391 A CN 201610519391A CN 106093321 B CN106093321 B CN 106093321B
- Authority
- CN
- China
- Prior art keywords
- agricultural product
- information
- index
- max
- monitored
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 61
- 230000001953 sensory effect Effects 0.000 claims description 41
- 235000015097 nutrients Nutrition 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 12
- 238000013178 mathematical model Methods 0.000 claims description 10
- 239000002932 luster Substances 0.000 claims description 9
- 239000000447 pesticide residue Substances 0.000 claims description 9
- 229910002651 NO3 Inorganic materials 0.000 claims description 8
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 claims description 8
- 238000012271 agricultural production Methods 0.000 claims description 8
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 8
- 150000002632 lipids Chemical class 0.000 claims description 8
- 239000011707 mineral Substances 0.000 claims description 8
- 210000000697 sensory organ Anatomy 0.000 claims description 8
- 235000013343 vitamin Nutrition 0.000 claims description 8
- 229940088594 vitamin Drugs 0.000 claims description 8
- 229930003231 vitamin Natural products 0.000 claims description 8
- 239000011782 vitamin Substances 0.000 claims description 8
- 150000001720 carbohydrates Chemical class 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 7
- 102000004169 proteins and genes Human genes 0.000 claims description 7
- 108090000623 proteins and genes Proteins 0.000 claims description 7
- 150000003722 vitamin derivatives Chemical class 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 230000036541 health Effects 0.000 claims description 5
- 229910052751 metal Inorganic materials 0.000 claims description 5
- 239000002184 metal Substances 0.000 claims description 5
- LFHISGNCFUNFFM-UHFFFAOYSA-N chloropicrin Chemical compound [O-][N+](=O)C(Cl)(Cl)Cl LFHISGNCFUNFFM-UHFFFAOYSA-N 0.000 claims description 3
- WURBVZBTWMNKQT-UHFFFAOYSA-N 1-(4-chlorophenoxy)-3,3-dimethyl-1-(1,2,4-triazol-1-yl)butan-2-one Chemical compound C1=NC=NN1C(C(=O)C(C)(C)C)OC1=CC=C(Cl)C=C1 WURBVZBTWMNKQT-UHFFFAOYSA-N 0.000 claims 1
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000003786 synthesis reaction Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 18
- 235000016709 nutrition Nutrition 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 229910001385 heavy metal Inorganic materials 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005842 biochemical reaction Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 235000008429 bread Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- -1 carbon water Compound Chemical class 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000012055 fruits and vegetables Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 210000005182 tip of the tongue Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Business, Economics & Management (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Food Science & Technology (AREA)
- Accounting & Taxation (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Remote Sensing (AREA)
- Finance (AREA)
- Radar, Positioning & Navigation (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Medicinal Chemistry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Molecular Biology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种农产品市场监测系统及方法,涉及农业信息技术领域,用于解决农产品交易的监测问题。该系统包括:电子称模块、智能传感模块、触控屏显示模块、智能算法芯片和存储器。其中,电子称模块,用于对待交易的农产品进行重量衡量,并将得到的重量信息发送给智能算法芯片;智能传感模块,用于识别农产品的品种并监测农产品的品质,将农产品的品种信息和品质信息发送给智能算法芯片;触控屏显示模块,用于接收用户输入的农产品的价格信息并将价格信息发送给智能算法芯片;智能算法芯片,用于将接收到的农产品的重量信息、品种信息、品质信息和价格信息进行处理后保存在存储器中。本发明实现了对农产品市场价格、品质和消费的智能化监测。
Description
技术领域
本发明涉及农业信息技术领域,尤其涉及一种农产品市场监测系统及方法。
背景技术
“民以食为天”,农产品消费是国家居民消费的基础,关系到整个社会经济的稳定。随着人民生活质量的不断提高,更加关注舌尖上的安全,在农产品市场流通体系对产品的营养品质、感官品质和卫生品质等信息进行智能监测并透明公开的需求越发强烈。提升农产品交易时的品质监测方法和技术是未来的重要发展方向,目前还没有对农产品交易进行监测的实现方案。
发明内容
有鉴于此,本发明的目的是提出一种农产品市场监测系统及方法,以解决如何对农产品交易进行监测的问题。
为实现上述目的,本发明采用如下技术方案:
第一方面,本发明实施例提供了一种农产品市场监测系统,包括电子称模块、智能传感模块、触控屏显示模块、智能算法芯片和存储器;其中:
电子称模块,用于对待交易的农产品进行重量衡量,并将得到的重量信息发送给智能算法芯片;
智能传感模块,用于识别农产品的品种并监测农产品的品质,将农产品的品种信息和品质信息发送给智能算法芯片;
触控屏显示模块,用于接收用户输入的农产品的价格信息并将价格信息发送给智能算法芯片;
智能算法芯片,用于将接收到的农产品的重量信息、品种信息、品质信息和价格信息进行处理后保存在存储器中。
进一步的,电子称模块包括秤盘、压力传感器、数模转换器和微处理器;其中:
秤盘,用于放置待交易的农产品;
压力传感器与秤盘连接,用于在农产品放置在秤盘上时将感受的压力模拟信号输出至数模转换器;
数模转换器,用于将压力模拟信号转换成数字信号,并将数字信号输出到微处理器;
微处理器用于,将数字信号表示的重量信息发送至智能算法芯片。
进一步的,电子称模块还包括GPS定位模块,用于对电子称模块的地理位置进行定位,将定位结果通过微处理器发送至智能算法芯片;智能算法芯片将定位结果保存在存储器中。
进一步的,所述智能传感模块包括品种识别模块、营养指数监测模块、感官指数监测模块、卫生指数监测模块、处理模块、通信模块;其中:
品种识别模块,用于识别农产品的品种;
营养指数监测模块,用于监测农产品的营养指数;
感官指数监测模块,用于监测农产品的感官指数;
卫生指数监测模块,用于监测农产品的卫生指数;
处理模块,用于根据营养指数、感官指数和卫生指数得到农产品的综合品质指数,将该综合品质指数作为农产品的品质信息;
通信模块,用于将农产品的品种信息和品质信息发送给智能算法芯片。
进一步的,智能算法芯片包括依次连接的数据处理接口和核心处理器;其中,
数据处理接口与电子称模块、智能传感模块和触摸屏显示模块连接;
数据处理接口用于接收农产品的重量信息、品种信息、品质信息和价格信息;核心处理器用于对农产品的重量信息、品种信息、品质信息和价格信息进行处理。
进一步的,智能算法芯片还用于:根据同种农产品的历史价格数据,绘制价格曲线,并在触控屏显示模块上显示;以及根据历史价格数据预测该同种农产品的价格走势。
进一步的,该系统还包括无线传输装置和终端服务器;
智能算法芯片,还用于将处理后的农产品的重量信息、品种信息、品质信息和价格信息通过无线传输装置发送给终端服务器;
终端服务器用于:
远程实时接收智能算法芯片发送的农产品的信息,并将接收到的农产品的信息写入数据库;调用数据库,通过分析数据库中存储的设定时间段内同种农产品的信息得到该农产品的交易统计数据和预测数据。
第二方面,本发明实施例提供了一种农产品市场监测方法,包括:
对待交易的农产品进行重量衡量,得到农产品的重量信息;
识别农产品的品种信息并监测农产品的品质信息;
接收用户输入的农产品的价格信息;
将农产品的重量信息、品种信息、品质信息和价格信息进行处理后保存在本地。
进一步的,对待交易的农产品进行重量衡量,得到农产品的重量信息,包括:
在农产品放置在秤盘上后,将秤盘上的压力传感器感受的压力模拟信号转换成数字信号,根据数字信号得到农产品的重量信息。
在农产品放置在秤盘上后,对当前的地理位置进行定位,将定位结果与农产品的重量信息、品种信息、品质信息和价格信息一同存储。
进一步的,监测农产品的品质信息,包括:
监测农产品的营养指数、感官指数和卫生指数,根据营养指数、感官指数和卫生指数得到农产品的综合品质指数,将该综合品质指数作为农产品的品质信息。
进一步的,根据营养指数、感官指数和卫生指数得到农产品的综合品质指数,包括:
按照如下公式一计算得到农产品的综合品质指数Qi;
公式一:Qi=1/3(Ni/Nmax)+1/3(Ai/Amax)-1/3(Si/Smax);
其中,Ni为监测到的农产品的营养指数;Ai为监测到的农产品的感官指数;Si为监测到的农产品的卫生指数;Nmax为已监测到的同种农产品的营养指数的历史最大值;Amax为已监测到的同种农产品的感官指数的历史最大值;Smax为已监测到的同种农产品的卫生指数的历史最大值。
进一步的,按照如下公式二至公式四分别计算得到农产品的营养指数Ni、感官指数Ai和卫生指数Si;
公式二:Ni=1/5(Nai/Namax)+1/5(Nbi/Nbmax)+1/5(Nci/Ncmax)+1/5(Ndi/Ndmax)+1/5(Nei/Nemax);
公式三:Ai=1/3(Aai/Aamax)+1/3(Abi/Abmax)+1/3(Aci/Acmax);
公式四:Si=1/4(Sai/Samax)+1/4(Sbi/Sbmax)+1/4(Sci/Scmax)-1/4(Sdi/Sdmax);
其中,Nai为监测到的农产品的碳水化合物的含量;Nbi为监测到的农产品的蛋白质的含量;Nci为监测到的农产品的维生素的含量;Ndi为监测到的农产品的矿物质的含量;Nei为监测到的农产品的脂类的含量;Namax为已监测到的同种农产品的碳水化合物的含量的历史最大值;Nbmax为已监测到的同种农产品的蛋白质的含量的历史最大值;Ncmax为已监测到的同种农产品的维生素的含量的历史最大值;Ndmax为已监测到的同种农产品的矿物质的含量的历史最大值;Nemax为已监测到的同种农产品的脂类的含量的历史最大值;
Aai为监测到的农产品的新鲜度;Abi为监测到的农产品的色泽感官度;Aci为监测到的农产品的外形完整度;Aamax为已监测到的同种农产品的新鲜度的历史最大值;Abmax为已监测到的同种农产品的色泽感官度的历史最大值;Acmax为已监测到的同种农产品的外形完整度的历史最大值;
Sai为监测到的农产品的农药残留值;Sbi为监测到的农产品的重金属含量;Sci为监测到的农产品的硝酸盐含量;Sdi为监测到的农产品的表面清洁度;Samax为已监测到的同种农产品的农药残留值的历史最大值;Sbmax为已监测到的同种农产品的重金属含量的历史最大值;Scmax为已监测到的同种农产品的硝酸盐含量的历史最大值;Sdmax为已监测到的同种农产品的表面清洁度的历史最大值。
进一步的,该农产品市场监测方法还包括:
根据农产品的历史价格信息,绘制价格曲线,并在触控屏显示模块上显示。
通过分析保存的设定时间段内同种农产品的信息得到该农产品的交易统计数据和预测数据。
本发明的有益效果是:通过对农产品品质、价格和市场交易的数据进行监测,对监测得到的数据进行处理,实现了对农产品交易的智能化监测。
附图说明
下面将通过参照附图详细描述本发明的示例性实施例,使本领域的普通技术人员更清楚本发明的上述及其他特征和优点,附图中:
图1是本发明实施例一提供的农产品市场监测系统的结构框图;
图2是本发明实施例二提供的电子称模块的结构框图;
图3是本发明实施例三提供的智能传感模块的结构框图;
图4是本发明实施例四提供的智能算法芯片的结构框图;
图5是本发明实施例五提供的具有远程信息服务的农产品市场监测系统的结构框图;
图6是本发明实施例六提供的农产品市场监测方法的流程示意图;
图7是本发明实施例七提供的对待交易的农产品进行重量衡量,得到农产品的重量信息的流程示意图;
图8是本发明实施例八提供的监测农产品的品质信息的流程示意图;
图9是本发明实施例八提供的监测品质信息语音报警的流程示意图;
图10是本发明实施例九提供的分析和处理农产品信息的流程示意图;
图11是本发明实施例十提供的获取、分析和处理农产品信息的系统总流程示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的农产品市场监测系统的结构框图。如图1所示,该系统包括:电子称模块110、智能传感模块120、触控屏显示模块130、智能算法芯片140和存储器150。
其中,电子称模块110,用于对待交易的农产品进行重量衡量,并将得到的重量信息发送给智能算法芯片140;智能传感模块120,用于识别农产品的品种并监测农产品的品质,将农产品的品种信息和品质信息发送给智能算法芯片140;触控屏显示模块130,可以为LCD触控屏,用于显示农产品信息和用于接收用户输入的农产品的价格信息并将价格信息发送给智能算法芯片140;智能算法芯片140,用于将接收到的农产品的重量信息、品种信息、品质信息和价格信息进行处理后保存在存储器150中;存储器150,用于存储农产品信息,存储器150具体可以为:FLASH芯片存储器;信息处理过程主要包括:数据清洗、数据输入、数据校验、数据归类、数据入库、数据分析等。
农产品市场监测系统还包括微型打印机和报警模块。微型打印机与智能算法芯片140和存储器150连接,报警模块与智能传感模块120连接。
其中,微型打印机,用于对智能算法芯片140接收的农产品信息进行现场及时打印;报警模块,用于接收智能传感模块120的报警指令,并提供语音报警提示功能。智能传感模块120对农产品的品质信息进行品质指数的计算;如果农产品任何一项指标超标,智能传感模块120发送报警指令到报警模块,报警模块根据指令进行操作,进行语音报警提示。
本实施例中,电子称模块110测量待交易农产品的重量信息,智能传感模块120识别农产品的品种信息并监测农产品的品质信息,触控屏显示模块130输入农产品的价格信息,将以上农产品信息发送给智能算法芯片140进行处理并保存到存储器150中,在交易完成后利用微型打印机及时打印农产品信息,如果农产品品质不达标则进行语音报警提示,来实现对农产品市场的智能监测。
实施例二
本实施例在以上实施例的基础上,对电子称模块110的具体结构进行说明。图2是本发明实施例二提供的电子称模块110的结构框图。如图2所示,该电子称模块110包括:秤盘111、压力传感器112、数模转换器113、微处理器114。
其中:秤盘111可以采用金属、合金、塑料、或复合材料等,用于放置待交易的农产品;压力传感器112与秤盘111连接,用于在农产品放置在秤盘111上时将感受的压力模拟信号输出至数模转换器113;数模转换器113,用于将压力模拟信号转换成数字信号,并将数字信号输出到微处理器114;微处理器114用于,将数字信号表示的重量信息发送至智能算法芯片140。
较佳的,电子称模块110还可以包括GPS定位模块115,用于对电子称模块110的地理位置进行定位,将定位结果通过微处理器114发送至智能算法芯片140;智能算法芯片140将定位结果保存在存储器150中。GPS定位模块115能够准确定位交易地点,通过地理位置的定位,能够实现对不同空间的农产品交易信息进行分类统计,为后续不同空间农产品交易信息的监测和预警提供可能。
实施例三
本实施例在以上任意实施例的基础上,对智能传感模块120的具体结构进行说明。图3是本发明实施例三提供的智能传感模块120结构框图。如图3所示,该智能传感模块120包括:品种识别模块121、营养指数监测模块122、感官指数监测模块123、卫生指数监测模块124、处理模块125和通信模块126。
其中,品种识别模块121,用于识别农产品的品种;营养指数监测模块122,用于监测农产品的营养指数;感官指数监测模块123,用于监测农产品的感官指数;卫生指数监测模块124,用于监测农产品的卫生指数;处理模块125,用于根据营养指数、感官指数和卫生指数得到农产品的综合品质指数,将该综合品质指数作为农产品的品质信息;通信模块126,用于将农产品的品种信息和品质信息发送给智能算法芯片140。
示例性地,品种识别模块121包括图像识别传感器,通过采集农产品图像信息,传输到处理模块125,处理模块125对图像进行识别分析,得到农产品的品种信息;营养指数监测模块122包括近红外分析器,通过分析监测到的光谱数据得到营养指数;感官指数监测模块123包括图像识别传感器,通过采集农产品图像信息,传输到处理模块125,处理模块125分析图像中的农产品的色泽和外观形态,得到感官指数;卫生指数监测模块124包括酶传感器,通过分析监测到的生化反应数据得到卫生指数;处理模块125包括信号微处理器,根据营养指数、感官指数和卫生指数计算得到农产品的综合品质指数。
实施例四
本实施例在以上任意实施例的基础上,对智能算法芯片140的具体结构进行说明。图4是本发明实施例四提供的智能算法芯片140结构框图。如图4所示,该智能算法芯片140包括:依次连接的数据处理接口141和核心处理器142;
其中,数据处理接口141与电子称模块110、智能传感模块120和触摸屏显示模块130连接;数据处理接口141,用于接收农产品的重量信息、品种信息、品质信息和价格信息。
核心处理器142用于对通过数据处理接口141接收的农产品的重量信息、品种信息、品质信息和价格信息进行处理,还用于根据同种农产品的历史价格数据,绘制价格曲线,并在触控屏显示模块130上显示;并根据历史价格数据预测该同种农产品的价格走势。
实施例五
本实施例在以上任意实施例的基础上,如图5所示,农产品市场监测系统还包括无线传输装置160和终端服务器170。
智能算法芯片140,还用于将处理后的农产品的重量信息、品种信息、品质信息和价格信息通过无线传输装置160发送给终端服务器170;无线传输装置160包括:GPRS无线传输模块、3G数据传输模块或4G数据传输模块。
终端服务器170用于:远程实时接收智能算法芯片140发送的农产品信息,并将接收到的农产品信息写入数据库;调用该数据库,通过分析该数据库中存储的设定时间段内同种农产品信息得到该农产品的交易统计数据和预测数据。
智能算法芯片140传输的农产品信息,包括成交时间、成交地点、成交品种、价格、品质信息和成交量等序列数据。智能算法芯片140通过无线传输装置160将该序列数据传输到终端服务器170,终端服务器170将该序列数据写入集群即数据库;调用集群时,提取了农产品交易的价格、数量、品质等信息,建立时间与空间的关系模型,绘制农产品市场的时空图像。通过对电子称模块110和智能传感模块120获取的农产品重量数据、农产品类别数据和价格数据进行数据融合、农产品价格模型反演,对未来农产品市场供求关系,价格变动,消费强度等指标进行预测预警。
其中,价格模型是根据对同种农产品的不同时段不同地点的交易价格进行统计,绘制价格变化曲线,然后根据统计的价格数据训练得到价格相关的数学模型。时间和空间的关系模型是根据不同时间段和不同交易地点绘制的农产品成交量、交易价格、品质的空间分布图,用不同的颜色代表交易量的大小、交易价格的高低以及产品品质的好坏。绘制不同农产品的时间和空间的关系模型。消费量模型是根据成交量的大小绘制的交易量曲线,根据不同时段和不同地点绘制多个消费量曲线训练得到的数学模型。预测模型是根据价格模型、消费量模型以及时间和空间模型建立的综合模型,能够对不同地点的农产品的品种、品质、价格、消费量进行预测,为未来农产品的监测提供依据。
实施例六
图6是本发明实施例六提供的农产品市场监测方法的流程示意图。该方法适用于农产品市场的智能监测,该方法可以由农产品市场监测系统来执行。农产品市场监测系统可以由软件和/或硬件的方式来实现。如图所示,该方法包括:
步骤610、对待交易的农产品进行重量衡量,得到该农产品的重量信息。
在本实施例中,对待交易的农产品进行重量衡量,主要是通过电子称模块110称量待交易的农产品。称重的过程中,利用压力传感器112将压力模拟信号输出至数模转换器113,数模转换器113将压力模拟信号转换成数字信号并输出到微处理器114;微处理器114将数字信号表示的重量信息发送至智能算法芯片140,智能算法芯片140对重量信息进行处理。
典型地,待交易的农产品可以是水果、蔬菜、粮食等能够进行交易的农产品。
步骤620、识别农产品的品种信息并监测农产品的品质信息。
本实施例中,农产品的品种信息是指正在交易的农产品的种类,农产品的品质信息包括:营养指数、感官指数和卫生指数。识别农产品的品种信息并监测农产品的品质信息是利用智能传感模块120实现的。其中,品种识别模块121用于识别待交易农产品的品种,营养指数监测模块122、感官指数监测模块123和卫生指数监测模块124用于监测待交易农产品的品质,处理模块125对农产品信息进行处理并通过通信模块126将监测的农产品信息传输到智能算法芯片140。
步骤630、接收用户输入的农产品的价格信息。
在本实施例中,农产品的价格信息主要是指农产品交易价格。触控屏显示模块130用于输入农产品价格信息,并传输给智能算法芯片140。
步骤640、将农产品的重量信息、品种信息、品质信息和价格信息进行处理后保存在本地。
数据处理接口141接受农产品重量信息、品种信息、品质信息和价格信息,核心处理器142对农产品重量、品种和价格信息进行处理,获得农产品重量、品种和价格数据。智能算法芯片140对所接收的农产品信息进行融合、清洗、加工、处理。
本发明实施例六提供的农产品监测方法,通过对农产品品种、品质、交易量、价格进行实时监测,并将数据进行处理统计,达到农产品市场智能化监测的目的。
实施例七
本发明在以上任意方法实施例六的基础上,对步骤610进行具体说明。图7是本发明实施例七提供的对待交易的农产品进行重量衡量,得到农产品的重量信息的流程示意图,如图所示,该方法包括:
步骤611、在农产品放置在秤盘上后,将秤盘上的压力传感器感受的压力模拟信号转换成数字信号。
农产品放置到秤盘111时,秤盘111受到农产品重力的作用,秤盘111将重力转化为压力作用到与其相连的压力传感器112,压力传感器112根据感受到的压力得到压力模拟信号,并传输给数模转换器113,数模转换器113将压力模拟信号转化为数字信号。
步骤612、根据数字信号得到农产品的重量信息。
微处理器114将接收到数字信号表示的重量信息发送至所述智能算法芯片140。
较佳的,在农产品称重的过程中,农产品放置在秤盘上后,同时利用GPS定位模块115对当前的地理位置进行定位,定位结果将与农产品的重量信息、品种信息、品质信息和价格信息一同传输到智能算法芯片140进行处理。
本实施例七提出的农产品重量的测量过程中,还包括农产品的交易的定位操作。通过GPS实现定位功能,定位信息是构建农产品交易时间和空间模型的必要信息。
实施例八
本发明在以上任意方法实施例的基础上,对步骤620进行具体说明。图8是本发明实施例八提供的监测农产品的品质信息的流程示意图,该方法包括:
步骤621、监测农产品的营养指数、感官指数和卫生指数。
在本实施例中,营养指数、感官指数和卫生指数是评价农产品品质的重要参数,是智能算法芯片进行监测的重要指标。上述指数是对待农产品实时监测获得的。
步骤622、根据营养指数、感官指数和卫生指数得到农产品的综合品质指数,即农产品的品质信息。
在农产品称重的过程中,智能传感模块120识别正在称量的农产品品种和在线监测农产品品质。所监测的品质指数包括营养指数、感官指数和卫生指数。营养指数包括碳水化合物、蛋白质、维生素、矿物质、脂类;感官指数包括:新鲜度、色泽、外形完整度;卫生指数包括:农药残留、重金属残留、硝酸盐、表面清洁度。
示例性地,拟监测的营养品质、感官品质和卫生品质的各因子,权重值拟定为1/3;各项评价因子的归一化以其中所有所监测的最大值作为基数;卫生品质项因子的代数值赋予负值。进而可确立农产品的综合品质指数的计算公式:
公式一:Qi=1/3(Ni/Nmax)+1/3(Ai/Amax)-1/3(Si/Smax)
其中,Ni为监测到的所述农产品的营养指数;Ai为监测到的所述农产品的感官指数;Si为监测到的所述农产品的卫生指数;Nmax为已监测到的同种农产品的营养指数的历史最大值;Amax为已监测到的同种农产品的感官指数的历史最大值;Smax为已监测到的同种农产品的卫生指数的历史最大值。
农产品的营养指数、感官指数和卫生指数的最大值在不断的更新,当监测到的营养指数、感官指数和卫生指数大于历史所测值时,系统自动设定此值为新的最大值。
按照如下公式二至公式四分别计算得到所述农产品的营养指数Ni、感官指数Ai和卫生指数Si;
公式二:Ni=1/5(Nai/Namax)+1/5(Nbi/Nbmax)+1/5(Nci/Ncmax)+1/5(Ndi/Ndmax)+1/5(Nei/Nemax);
公式三:Ai=1/3(Aai/Aamax)+1/3(Abi/Abmax)+1/3(Aci/Acmax);
公式四:Si=1/4(Sai/Samax)+1/4(Sbi/Sbmax)+1/4(Sci/Scmax)-1/4(Sdi/Sdmax);
其中,Nai为监测到的所述农产品的碳水化合物的含量;Nbi为监测到的所述农产品的蛋白质的含量;Nci为监测到的所述农产品的维生素的含量;Ndi为监测到的所述农产品的矿物质的含量;Nei为监测到的所述农产品的脂类的含量;Namax为已监测到的同种农产品的碳水化合物的含量的历史最大值;Nbmax为已监测到的同种农产品的蛋白质的含量的历史最大值;Ncmax为已监测到的同种农产品的维生素的含量的历史最大值;Ndmax为已监测到的同种农产品的矿物质的含量的历史最大值;Nemax为已监测到的同种农产品的脂类的含量的历史最大值;
Aai为监测到的所述农产品的新鲜度;Abi为监测到的所述农产品的色泽感官度;Aci为监测到的所述农产品的外形完整度;Aamax为已监测到的同种农产品的新鲜度的历史最大值;Abmax为已监测到的同种农产品的色泽感官度的历史最大值;Acmax为已监测到的同种农产品的外形完整度的历史最大值;
Sai为监测到的所述农产品的农药残留值;Sbi为监测到的所述农产品的重金属含量;Sci为监测到的所述农产品的硝酸盐含量;Sdi为监测到的所述农产品的表面清洁度;Samax为已监测到的同种农产品的农药残留值的历史最大值;Sbmax为已监测到的同种农产品的重金属含量的历史最大值;Scmax为已监测到的同种农产品的硝酸盐含量的历史最大值;Sdmax为已监测到的同种农产品的表面清洁度的历史最大值。
步骤623、如果某项品质指数超标,则进行相应的语音报警提醒,否则,不进行提醒。图9为监测品质信息时语音报警的流程示意图,特别地,步骤6231:当农产品质量问题的农药残留、重金属残留、表面清洁度任何一项指标超标时,报警模块接收到智能算法芯片140相应的报警指令;步骤6232:调取预先存入的报警语音信息;步骤6233:发出相应的报警语音提示。
实施例九
本实施例在以上任意方法实施例的基础上,对获得的农产品信息进行了进一步的统计预测,为未来农产品市场的智能化监测提供参考。图10是本发明实施例九提供的分析和处理农产品信息的流程示意图,该方法具体包括:
步骤641、分析保存的设定时间段内同种农产品的信息。
保存的农产品的信息包括不同时间段和不同地区的多种农产品的信息。在分析农产品信息的过程中,为了使分析的过程更加有针对性,通常在设定时间段内选取同种农产品的农产品信息进行处理。
步骤642、根据分析结果得到农产品的交易统计数据和预测数据。
在设定时间段内,通过分析农产品的信息对农产品的交易数据进行综合统计,根据建立的数学模型进行预测推理。
本步骤具体根据对历史交易的农产品信息的分析结果进行统计并建立数学关系模型,示例性地,数学关系模型包括:价格模型、时间和空间的关系模型、消费量模型、预测模型。
其中,价格模型是根据对同种农产品的不同时段不同地点的交易价格进行统计,绘制价格变化曲线,然后根据统计的价格数据训练得到价格相关的数学模型。时间和空间的关系模型是根据不同时间段和不同交易地点绘制的农产品成交量、交易价格、品质的空间分布图,用不同的颜色代表交易量的大小、交易价格的高低以及产品品质的好坏。绘制不同农产品的时间和空间的关系模型。消费量模型是根据成交量的大小绘制的交易量曲线,根据不同时段和不同地点绘制多个消费量曲线训练得到的数学模型。预测模型是根据价格模型、消费量模型以及时间和空间模型建立的综合模型,能够对不同地点的农产品的品种、品质、价格、消费量进行预测,为未来农产品的监测提供依据。
本实施例九是在以上农产品监测方法的基础上,对历史数据进行了统计分析,根据历史交易数据建立数学模型。其中,预测模型能够预测未来农产品市场的交易情况,可以为未来农产品的种植、农产品交易的分配以及农产品交易价格进行合理的调控;通过对农产品品质的监测加大对农产品品质的监管。
实施例十
本实施例在以上任意方法实施例的基础上,对智能化监测农产品市场进行了系统的说明。图11是本发明实施例十提供的获取、分析和处理农产品信息的系统流程示意图,该方法具体包括:
示例性地,农产品市场监测系统中,获取的相关农产品交易信息主要包括:重量信息、定位信息、品种信息、价格信息、感官信息、营养信息、卫生信息等品质信息。其中,重量信息的获取是利用电子称模块称重,将模拟量转化为数字量,微处理器经过多次扫描取样,获得交易农产品重量值,再对数字信号进行数字滤波,降低温度、湿度、电磁干扰对电子称的影响。位置信息是通过GPS定位模块获取经纬度信息,并转化为计算机可以识别的数字信号进行传输存储。品种信息是通过采集称重农产品的图像,通过处理模块对图像进行预处理,根据设计的分类器进行分类得到。其中,预处理包括:图象的平滑,变换,增强,恢复,滤波等;分类器是通过对农产品的图像进行了大量采样分析,将图像的特征提取分离得到不同的集群,然后,根据输入的图像进行特征比对,进而判断农产品的品种。价格信息是利用触控屏显示模块手动输入农产品的交易价格。综合品质指数是感官指数、营养指数、卫生指数的综合计算。感官指数的获得是通过对采集的图像进行预处理,增强图像的可操作性,对图像进行色彩分析、边缘检测、图像配准,从而判断农产品新鲜度、色泽、外形完整度;营养指数是通过获取红外光谱,利用物质对不同波长的红外辐射的吸收特性,进行分子结构和化学组成分析,确定农产品的碳水化合物、蛋白质、维生素、矿物质、脂类的含量;卫生指数是通过对交易农产品进行抽样,获得液体样本,进行生化反应,通过电化学装置转换成电信号,进而判断农产品农药残留、重金属残留、硝酸盐含量、表面清洁度。
将上述获得的农产品交易信息存储在市场本地存储器中,通过对感官指数、营养指数、卫生指数的综合计算得到综合品质指数,对指数进行比较判断,如果农产品某项品质指数超标,报警模块发过相应的报警语音提示。同时,在触控屏显示模块显示正在交易的农产品信息,打印机打印农产品交易信息数据。将上述数据通过网络传输到远端终端服务器并写入集群,根据品种、交易时间、交易地点不同分别统计交易量、交易价格、综合品质指数,绘制交易量、价格、品质的时空图像并建立消费模型、价格模型、时间和空间关系的模型,通过模型反演,减小估计值与实际值的误差值,进一步提高模型的稳定性和准确性;根据历史数据库训练算法模型,通过大量的数据对模型进行训练、校正,最后得到预测模型,预测交易量和交易价格。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (7)
1.一种农产品市场监测系统,其特征在于,包括电子称模块、智能传感模块、触控屏显示模块、智能算法芯片和存储器;其中:
所述电子称模块,用于对待交易的农产品进行重量衡量,并将得到的重量信息发送给所述智能算法芯片;
所述智能传感模块,用于识别所述农产品的品种并监测所述农产品的品质,将所述农产品的品种信息和品质信息发送给所述智能算法芯片;
所述触控屏显示模块,用于接收用户输入的所述农产品的价格信息并将所述价格信息发送给所述智能算法芯片;
所述智能算法芯片,用于将接收到的所述农产品的重量信息、品种信息、品质信息和价格信息进行处理后保存在所述存储器中;
其中,所述智能传感模块包括品种识别模块、营养指数监测模块、感官指数监测模块、卫生指数监测模块、处理模块、通信模块;其中:
所述品种识别模块,用于识别所述农产品的品种;
所述营养指数监测模块,用于监测所述农产品的营养指数;
所述感官指数监测模块,用于监测所述农产品的感官指数;
所述卫生指数监测模块,用于监测所述农产品的卫生指数;
所述处理模块,用于根据所述营养指数、感官指数和卫生指数得到所述农产品的综合品质指数,将该综合品质指数作为所述农产品的品质信息;
所述通信模块,用于将所述农产品的品种信息和品质信息发送给所述智能算法芯片;
所述电子称模块包括秤盘、压力传感器、数模转换器和微处理器;其中:
所述秤盘,用于放置待交易的农产品;
所述压力传感器与所述秤盘连接,用于在所述农产品放置在所述秤盘上时将感受的压力模拟信号输出至所述数模转换器;
所述数模转换器,用于将所述压力模拟信号转换成数字信号,并将所述数字信号输出到所述微处理器;
所述微处理器用于,将所述数字信号表示的重量信息发送至所述智能算法芯片;
所述电子称模块还包括:
GPS定位模块,用于对电子称模块的地理位置进行定位,将定位结果通过所述微处理器发送至所述智能算法芯片;所述智能算法芯片将所述定位结果保存在所述存储器中;
该系统还包括无线传输装置和终端服务器;
所述智能算法芯片,还用于将处理后的所述农产品的重量信息、品种信息、品质信息和价格信息通过所述无线传输装置发送给所述终端服务器;
所述终端服务器用于:
远程实时接收所述智能算法芯片发送的农产品的信息,并将接收到的农产品的信息写入数据库;调用所述数据库,通过分析所述数据库中存储的设定时间段内同种农产品的信息得到该农产品的交易统计数据和预测数据;
其中,所述调用所述数据库,通过分析所述数据库中存储的设定时间段内同种农产品的信息得到该农产品的交易统计数据和预测数据包括:
根据对历史交易的农产品信息的分析结果进行统计并建立价格模型、时间和空间的关系模型、消费量模型和预测模型;
其中,价格模型是根据对同种农产品的不同时段不同地点的交易价格进行统计,绘制价格变化曲线,根据统计的价格数据训练得到价格相关的数学模型;时间和空间的关系模型是根据不同时间段和不同交易地点绘制的农产品成交量、交易价格、品质的空间分布图;消费量模型是根据成交量的大小绘制的交易量曲线,根据不同时段和不同地点绘制多个消费量曲线训练得到的数学模型;预测模型是根据价格模型、消费量模型以及时间和空间模型建立的综合模型。
2.根据权利要求1所述的系统,其特征在于,所述智能算法芯片包括依次连接的数据处理接口和核心处理器;其中,
所述数据处理接口与所述电子称模块、所述智能传感模块和所述触控屏显示模块连接;
所述数据处理接口用于接收所述农产品的重量信息、品种信息、品质信息和价格信息;所述核心处理器用于对所述农产品的重量信息、品种信息、品质信息和价格信息进行处理。
3.根据权利要求1所述的系统,其特征在于,所述智能算法芯片还用于:根据同种农产品的历史价格数据,绘制价格曲线,并在所述触控屏显示模块上显示;以及根据历史价格数据预测该同种农产品的价格走势。
4.一种农产品市场监测方法,其特征在于,由权利要求1-3任一项所述的农产品市场监测系统执行,包括:
在农产品放置在秤盘上后,将秤盘上的压力传感器感受的压力模拟信号转换成数字信号,根据所述数字信号得到所述农产品的重量信息;
识别所述农产品的品种信息并监测所述农产品的品质信息;
接收用户输入的所述农产品的价格信息;
将所述农产品的重量信息、品种信息、品质信息和价格信息进行处理后保存在本地;
其中,所述监测所述农产品的品质信息,包括:监测所述农产品的营养指数、感官指数和卫生指数,根据所述营养指数、感官指数和卫生指数得到所述农产品的综合品质指数,将该综合品质指数作为所述农产品的品质信息;
在所述农产品放置在秤盘上后,对当前的地理位置进行定位,将定位结果与所述农产品的重量信息、品种信息、品质信息和价格信息一同存储;
分析保存的设定时间段内同种农产品的信息;
根据分析结果得到所述农产品的交易统计数据和预测数据;
其中,所述根据分析结果得到农产品的交易统计数据和预测数据包括:
根据对历史交易的农产品信息的分析结果进行统计并建立价格模型、时间和空间的关系模型、消费量模型和预测模型;
其中,价格模型是根据对同种农产品的不同时段不同地点的交易价格进行统计,绘制价格变化曲线,根据统计的价格数据训练得到价格相关的数学模型;时间和空间的关系模型是根据不同时间段和不同交易地点绘制的农产品成交量、交易价格、品质的空间分布图;消费量模型是根据成交量的大小绘制的交易量曲线,根据不同时段和不同地点绘制多个消费量曲线训练得到的数学模型;预测模型是根据价格模型、消费量模型以及时间和空间模型建立的综合模型。
5.根据权利要求4所述的方法,其特征在于,所述根据所述营养指数、感官指数和卫生指数得到所述农产品的综合品质指数,包括:
按照如下公式一计算得到所述农产品的综合品质指数Qi;
公式一:Qi=1/3(Ni/Nmax)+1/3(Ai/Amax)-1/3(Si/Smax);
其中,Ni为监测到的所述农产品的营养指数;Ai为监测到的所述农产品的感官指数;Si为监测到的所述农产品的卫生指数;Nmax为已监测到的同种农产品的营养指数的历史最大值;Amax为已监测到的同种农产品的感官指数的历史最大值;Smax为已监测到的同种农产品的卫生指数的历史最大值。
6.根据权利要求5所述的方法,其特征在于,按照如下公式二至公式四分别计算得到所述农产品的营养指数Ni、感官指数Ai和卫生指数Si;
公式二:Ni=1/5(Nai/Namax)+1/5(Nbi/Nbmax)+ 1/5(Nci/Ncmax)+ 1/5(Ndi/Ndmax)+1/5(Nei/Nemax);
公式三:Ai=1/3(Aai/Aamax)+1/3(Abi/Abmax)+1/3(Aci/Acmax);
公式四:Si=1/4(Sai/Samax)+1/4(Sbi/Sbmax)+1/4(Sci/Scmax)-1/4(Sdi/Sdmax);
其中,Nai为监测到的所述农产品的碳水化合物的含量;Nbi为监测到的所述农产品的蛋白质的含量;Nci为监测到的所述农产品的维生素的含量;Ndi为监测到的所述农产品的矿物质的含量;Nei为监测到的所述农产品的脂类的含量;Namax为已监测到的同种农产品的碳水化合物的含量的历史最大值;Nbmax为已监测到的同种农产品的蛋白质的含量的历史最大值;Ncmax为已监测到的同种农产品的维生素的含量的历史最大值;Ndmax为已监测到的同种农产品的矿物质的含量的历史最大值;Nemax为已监测到的同种农产品的脂类的含量的历史最大值;
Aai为监测到的所述农产品的新鲜度;Abi为监测到的所述农产品的色泽感官度;Aci为监测到的所述农产品的外形完整度;Aamax为已监测到的同种农产品的新鲜度的历史最大值;Abmax为已监测到的同种农产品的色泽感官度的历史最大值;Acmax为已监测到的同种农产品的外形完整度的历史最大值;
Sai为监测到的所述农产品的农药残留值;Sbi为监测到的所述农产品的重金属含量;Sci为监测到的所述农产品的硝酸盐含量;Sdi为监测到的所述农产品的表面清洁度;Samax为已监测到的同种农产品的农药残留值的历史最大值;Sbmax为已监测到的同种农产品的重金属含量的历史最大值;Scmax为已监测到的同种农产品的硝酸盐含量的历史最大值;Sdmax为已监测到的同种农产品的表面清洁度的历史最大值。
7.根据权利要求4所述的方法,其特征在于,还包括:
根据所述农产品的历史价格信息,绘制价格曲线,并在触控屏显示模块上显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610519391.7A CN106093321B (zh) | 2016-07-04 | 2016-07-04 | 一种农产品市场监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610519391.7A CN106093321B (zh) | 2016-07-04 | 2016-07-04 | 一种农产品市场监测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106093321A CN106093321A (zh) | 2016-11-09 |
CN106093321B true CN106093321B (zh) | 2018-09-04 |
Family
ID=57212922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610519391.7A Active CN106093321B (zh) | 2016-07-04 | 2016-07-04 | 一种农产品市场监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106093321B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106841540A (zh) * | 2016-12-29 | 2017-06-13 | 上海遥薇(集团)有限公司 | 一种食材安全检测装置和方法 |
CN107273264B (zh) * | 2017-06-08 | 2020-09-11 | 携程旅游网络技术(上海)有限公司 | 对象实例关键属性及其关联属性的跟踪方法及装置 |
CN107796504A (zh) * | 2017-11-03 | 2018-03-13 | 泾县吉祥纸业有限公司 | 一种电子称重计的食材分析方法 |
CN107798482A (zh) * | 2017-11-16 | 2018-03-13 | 中国农业科学院农业信息研究所 | 一种农产品市场异常波动风险监测方法及系统 |
CN108760422B (zh) * | 2018-05-19 | 2020-09-22 | 山东宁科医疗器械有限公司 | 一种农药残留量检测方法 |
CN111815559A (zh) * | 2020-06-08 | 2020-10-23 | 广州大气候农业科技有限公司 | 一种农产品品质检测方法、系统、装置及其存储介质 |
KR20220049407A (ko) | 2020-10-14 | 2022-04-21 | 삼성전자주식회사 | 디스플레이 장치 및 그 제어 방법 |
CN113435967B (zh) * | 2021-06-22 | 2022-04-12 | 布瑞克农业大数据科技集团有限公司 | 一种自动确定农产品的营销内容的方法和系统 |
CN117745658A (zh) * | 2022-05-20 | 2024-03-22 | 连云港银丰食用菌科技有限公司 | 一种食用菌品质检测及分拣方法和系统 |
CN116308435B (zh) * | 2023-05-16 | 2023-09-05 | 深圳市深信信息技术有限公司 | 一种基于智能溯源秤的农产品精准化识别方法及系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201845359U (zh) * | 2010-08-09 | 2011-05-25 | 李守林 | 一种基于物联网的公共食品卫生安全防护服务系统 |
CN202304982U (zh) * | 2011-10-12 | 2012-07-04 | 长安大学 | 一种电子秤 |
CN202650064U (zh) * | 2011-12-21 | 2013-01-02 | 中国农业科学院农业信息研究所 | 农产品市场监测预警系统 |
CN204515975U (zh) * | 2015-03-27 | 2015-07-29 | 中国农业科学院农业信息研究所 | 一种农作物监测预警系统 |
CN104778611A (zh) * | 2015-04-22 | 2015-07-15 | 柳州易农科技有限公司 | 基于gps的农业智能系统 |
CN104992345A (zh) * | 2015-06-10 | 2015-10-21 | 武汉华工赛百数据系统有限公司 | 一种产品信息的展示方法及系统 |
CN205176869U (zh) * | 2015-10-26 | 2016-04-20 | 中国农业科学院农业信息研究所 | 一种感知环境的农产品市场信息采集设备 |
CN205352953U (zh) * | 2016-01-29 | 2016-06-29 | 广州番禺职业技术学院 | 一种基于dsp的水果分级检测系统 |
CN105512897A (zh) * | 2016-03-15 | 2016-04-20 | 宿迁市宿城区农产品质量安全检验检测站 | 一种农产品质量安全监管系统 |
CN205786571U (zh) * | 2016-07-04 | 2016-12-07 | 中国农业科学院农业信息研究所 | 一种农产品市场监测系统 |
-
2016
- 2016-07-04 CN CN201610519391.7A patent/CN106093321B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106093321A (zh) | 2016-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106093321B (zh) | 一种农产品市场监测系统及方法 | |
Seng et al. | Computer vision and machine learning for viticulture technology | |
CN107506602A (zh) | 一种大数据健康预测系统 | |
CN108875913A (zh) | 一种基于卷积神经网络的松茸快速无损检测系统及方法 | |
CN107582037A (zh) | 基于脉搏波设计医疗产品的方法 | |
CN103278464A (zh) | 鱼肉检测方法和装置 | |
CN205786571U (zh) | 一种农产品市场监测系统 | |
CN107167565A (zh) | 一种鲜食葡萄品质评价方法及系统 | |
Sabzi et al. | Non-destructive estimation of physicochemical properties and detection of ripeness level of apples using machine vision | |
CN107203846A (zh) | 一种基于食品溯源数据池的食品安全综合评价系统 | |
CN109920551A (zh) | 基于机器学习的自闭症儿童社会行为表现特征分析系统 | |
CN110443350A (zh) | 基于数据分析的模型质量检测方法、装置、终端及介质 | |
CN111985728A (zh) | 一种建立有机高粱产量预测模型的方法 | |
CN115131783A (zh) | 基于机器视觉的用户饮食营养成分信息自主感知方法 | |
CN110310737A (zh) | 一种中医体质养生的智能移动终端 | |
Zhang et al. | UAV-borne hyperspectral estimation of nitrogen content in tobacco leaves based on ensemble learning methods | |
Zhang et al. | Information fusion enabled system for monitoring the vitality of live crabs during transportation | |
CN112232343A (zh) | 一种粮食霉变粒识别神经网络和识别方法 | |
CN209487160U (zh) | 一种能对使用油品与历史数据对进行健康等级划分的油烟机 | |
Oury et al. | Earbox, an open tool for high-throughput measurement of the spatial organization of maize ears and inference of novel traits | |
CN110118735A (zh) | 一种检测香梨公母的高光谱成像检测方法及装置 | |
CN114971236A (zh) | 基于风险评估模型的河蟹膳食健康风险预警系统及方法 | |
Shanafelt et al. | Measuring uncertainty in ecosystem service correlations as a function of sample size | |
CN106384009A (zh) | 一种基于增量式神经网络模型的hiv预测方法和预测系统 | |
CN113408334A (zh) | 一种小龙虾全链条数据采集与智能检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20161109 Assignee: Foshan lelian Technology Co.,Ltd. Assignor: Agricultural Information Institute of CAAS Contract record no.: X2023980032296 Denomination of invention: An agricultural product market monitoring system and method Granted publication date: 20180904 License type: Common License Record date: 20230216 |
|
EE01 | Entry into force of recordation of patent licensing contract |