CN108492295A - 果实转色控制方法和装置 - Google Patents

果实转色控制方法和装置 Download PDF

Info

Publication number
CN108492295A
CN108492295A CN201810292058.6A CN201810292058A CN108492295A CN 108492295 A CN108492295 A CN 108492295A CN 201810292058 A CN201810292058 A CN 201810292058A CN 108492295 A CN108492295 A CN 108492295A
Authority
CN
China
Prior art keywords
fruit
current
annesl
present situation
default
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.)
Pending
Application number
CN201810292058.6A
Other languages
English (en)
Inventor
郭靖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Chunmuyuan Holdings Co Ltd
Original Assignee
Shenzhen Chunmuyuan Holdings Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Chunmuyuan Holdings Co Ltd filed Critical Shenzhen Chunmuyuan Holdings Co Ltd
Priority to CN201810292058.6A priority Critical patent/CN108492295A/zh
Publication of CN108492295A publication Critical patent/CN108492295A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种果实转色控制方法和装置。在本发明中，获取当前果实不同预设角度的多张果实图像，利用特征提取模型提取多张果实图像的图像特征，图像特征包括果实形状特征、果实颜色特征及果实纹理特征的一种或者多种，将多张果实图像的图像特征与预设标准图像特征进行比较确定果实现状，根据不同的果实现状执行与果实现状相应的推荐策略。本发明将获取的当前果实的图像特征与预设标准图像特征进行比较，确定当前果实的果实现状，进而根据不同的果实现状执行与果实现状相应的推荐策略，可以及时、准确的发现转色不正常的果实，进而对转色不正常的果实进行干预和调整。因此，可以提高果实转色效率和果实品质。

Description

果实转色控制方法和装置
技术领域
本发明属于农作物生产管理领域，尤其涉及一种果实转色控制方法和装置。
背景技术
在农作物生产管理过程中，果实转色可以视为果实成熟的一个标志，果实的颜色、品质很大程度上决定着果实的商品价值和经济效益。可以说，果实转色是农业生产管理的重要环节。
但是很多时候，当发现转色存在问题时，该过程已经不可逆转，很多农产品果实则因此报废，造成大量损失。基于上述，当下很多研究都着眼于转色不正常后的问题解决上，希望能通过有效措施改善这样的状态，但是在发现问题后，因为影响转色的因素太多，现在还没有有效解决方式，一旦发现转色不正常，只能作为残次品或报废品进行处理。
目前，尚未有有效的方法对果实的转色进行干预、预警和控制、调整，如何有效的提高果实转色的效率、提高果实品质成为亟待解决的问题。
发明内容
本发明提供一种果实转色控制方法和装置，旨在解决现有的农作物生产存在的果实转色效率低、果实品质差的问题。
本发明第一方面提供一种果实转色控制方法，所述方法包括：
获取当前果实不同预设角度的多张果实图像；
利用特征提取模型提取所述多张果实图像的图像特征，其中，所述图像特征包括以下一种或者多种：果实形状特征、果实颜色特征及果实纹理特征；
将所述多张果实图像的图像特征与预设标准图像特征进行比较，确定果实现状；
根据不同的果实现状执行与果实现状相应的推荐策略。
在较优的一实施例中，所述方法还包括：
将所述果实现状以预设通知方式发送至监控设备，以通知管理人员所述当前果实的果实现状，其中，所述预设通知方式包括以下一种或者多种：预设语音信息、预设文本信息及预设图像。
在较优的一实施例中，所述预设标准图像特征包括预设标准轮廓面积，所述将所述多张果实图像的图像特征与预设标准图像特征进行比较，确定果实现状包括：
获取所述当前果实的所述果实形状特征，其中，所述果实形状特征包括所述当前果实的轮廓面积；
将所述当前果实的轮廓面积与所述预设标准轮廓面积进行比较并确定所述当前果实的轮廓面积与所述预设标准轮廓面积的面积误差；及
当所述面积误差属于第一预设面积误差范围时，确定所述当前果实的果实现状为预设的第一类非正常转色果实；或
当所述面积误差属于第二预设面积误差范围时，确定所述当前果实的果实现状为预设的第二类非正常转色果实。
在较优的一实施例中，所述预设标准图像特征包括预设标准色差值，所述将所述多张果实图像的图像特征与预设标准图像特征进行比较，确定果实现状包括：
获取所述当前果实的所述果实颜色特征，其中，所述果实颜色特征包括所述当前果实的色差值；
将所述当前果实的所述色差值与所述预设标准色差值进行比较并确定所述当前果实的色差值与所述预设标准色差值的色差误差；及
当所述色差误差属于第一预设色差误差范围时，确定所述当前果实的果实现状为预设的第一类非正常转色果实；或
当所述色差误差属于第二预设色差误差范围时，确定所述当前果实的果实现状为预设的第二类非正常转色果实。
在较优的一实施例中，所述预设标准图像特征包括预设标准纹理直方图，所述将所述多张果实图像的图像特征与预设标准图像特征进行比较，确定果实现状包括：
获取所述当前果实的所述果实纹理特征，其中，所述果实纹理特征包括纹理直方图；
将所述当前果实的纹理直方图与所述预设标准纹理直方图进行比较并确定所述当前果实的纹理直方图与所述预设标准纹理直方图的纹理误差；及
当所述纹理误差属于第一预设纹理误差范围时，确定所述当前果实的果实现状为预设的第一类非正常转色果实；或
当所述纹理误差属于第二预设纹理误差范围时，确定所述当前果实的果实现状为预设的第二类非正常转色果实。
在较优的一实施例中，当所述当前果实的果实现状为预设的所述第一类非正常转色果实时，所述根据不同的果实现状执行与果实现状相应的推荐策略包括以下一种或者多种：
若当前营养液配比与第一预设营养液配比不同时，将所述当前营养液配比调整至所述第一预设营养液配比，其中，所述第一预设营养液配比是与所述第一类非正常转色果实的果实现状相应的营养液配比；及/或
若当前光照强度值与第一预设光照强度值不同时，将所述当前光照强度值调整至所述第一预设光照强度值，其中，所述第一预设光照强度值是与所述第一类非正常转色果实的果实现状相应的光照强度值；及/或
若当前温度值与第一预设温度值不同时，将所述当前温度值调整至所述第一预设温度值，其中，所述第一预设温度值是与所述第一类非正常转色果实的果实现状相应的温度值。
在较优的一实施例中，当所述当前果实的果实现状为预设的所述第二类非正常转色果实时，所述根据不同的果实现状执行与果实现状相应的推荐策略包括以下一种或者多种：
若当前营养液配比与第二预设营养液配比不同时，将所述当前营养液配比调整至所述第二预设营养液配比，其中，所述第二预设营养液配比是与所述第二类非正常转色果实的果实现状相应的营养液配比；及/或
若当前光照强度值与第二预设光照强度值不同时，将所述当前光照强度值调整至所述第二预设光照强度值，其中，所述第二预设光照强度值是与所述第二类非正常转色果实的果实现状相应的光照强度值；及/或
若当前温度值与第二预设温度值不同时，将所述当前温度值调整至所述第二预设温度值，其中，所述第二预设温度值是与所述第二类非正常转色果实的果实现状相应的温度值。
本发明第二方面提供一种果实转色控制装置，所述装置包括：
获取模块，用于按照预设时间间隔获取当前果实不同预设角度的多张果实图像；
提取模块，用于利用特征提取模型提取所述多张果实图像的图像特征，其中，所述图像特征包括以下一种或者多种：果实形状特征、果实颜色特征及果实纹理特征；
比较模块，用于将所述多张果实图像的图像特征与预设标准图像特征进行比较，确定果实现状；
执行模块，用于根据不同的果实现状执行与果实现状相应的推荐策略。
在较优的一实施例中，所述装置还包括：
通知模块，用于将所述果实现状以预设通知方式发送至监控设备，以通知管理人员所述当前果实的果实现状，其中，所述预设通知方式包括以下一种或者多种：预设语音信息、预设文本信息及预设图像。
在较优的一实施例中，所述预设标准图像特征包括预设标准轮廓面积，所述比较模块包括：
形状获取单元，用于获取所述当前果实的所述果实形状特征，其中，所述果实形状特征包括所述当前果实的轮廓面积；
面积比较单元，用于将所述当前果实的轮廓面积与所述预设标准轮廓面积进行比较并确定所述当前果实的轮廓面积与所述预设标准轮廓面积的面积误差；
第一确定单元，用于当所述面积误差属于第一预设面积误差范围时，确定所述当前果实的果实现状为预设的第一类非正常转色果实；
第二确定单元，用于当所述面积误差属于第二预设面积误差范围时，确定所述当前果实的果实现状为预设的第二类非正常转色果实。
本发明第三方面提供一种电子设备，所述电子设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现上述任一实施例所述的果实转色控制方法。
本发明第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例所述的果实转色控制方法。
在本发明中，经研究发现，在一定的生长时期之前，发现有转色倾向的，可以通过合适的环境调控，逆转该生长状态。基于此，本发明将研究热点从事后转向事前预警，获取当前果实不同预设角度的多张果实图像，作为后续确定果实现状的基础，并选择合适的表征特征，利用特征提取模型提取多张果实图像的图像特征，图像特征包括果实形状特征、果实颜色特征及果实纹理特征的一种或者多种，作为后续确定果实现状的依据，将多张果实图像的图像特征与预设标准图像特征进行比较确定果实现状，根据不同的果实现状执行与果实现状相应的推荐策略，进而对果实现状进行干预和调整，以提高果实转色的效率以及提高果实品质。本发明将获取的当前果实的图像特征与预设标准图像特征进行比较，确定当前果实的果实现状，进而根据不同的果实现状执行与果实现状相应的推荐策略，可以及时、准确的发现转色不正常的果实，进而对转色不正常的果实进行干预和调整。因此，可以提高果实转色效率和果实品质。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的果实转色控制方法的实现流程图；
图2是本发明实施例提供的果实转色控制方法的另一实现流程图；
图3是本发明实施例提供的果实转色控制方法中步骤S103的实现流程图；
图4是本发明实施例提供的果实转色控制方法中步骤S103的另一实现流程图；
图5是本发明实施例提供的果实转色控制方法中步骤S103的又一实现流程图；
图6是本发明实施例提供的果实转色控制装置的功能模块图；
图7是本发明实施例提供的果实转色控制装置的另一功能模块图；
图8是本发明实施例提供的果实转色控制装置中比较模块103的结构框图；
图9是本发明实施例提供的果实转色控制装置中比较模块103的另一结构框图；
图10是本发明实施例提供的果实转色控制装置中比较模块103的又一结构框图；
图11是本发明实施例提供的电子设备的结构示意图。
主要元件符号说明
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
图1示出了本发明实施例提供的果实转色控制方法的实现流程，根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
如图1所示，果实转色控制方法，所述果实转色控制方法包括：
步骤S101，获取当前果实不同预设角度的多张果实图像。
所述预设角度为预先设置的角度，例如可以包括正面视图、后面视图、左面视图、前面视图、仰视图等角度的5张果实图像，在较优的一实施例中，所述多张果实图像包括3至6张果实图像。在较优的一实施例中，步骤S101具体可以包括：按照预设时间间隔或者实时获取当前果实不同预设角度的多张果实图像。所述预设时间间隔为预先设置的时间间隔，例如可以设置所述预设时间间隔为5分钟。具体的，可以通过图像获取设备，例如摄像机、相机等获取果实图像。
步骤S102，利用特征提取模型提取所述多张果实图像的图像特征，其中，所述图像特征包括以下一种或者多种：果实形状特征、果实颜色特征及果实纹理特征。
在较优的一实施例中，所述特征提取模型包括以下一种或者多种：形状特征提取模型、颜色特征提取模型及纹理特征提取模型。
相应的，所述果实转色控制方法中步骤S102，利用特征提取模型提取所述多张果实图像的图像特征包括以下一种或者多种：
(1)利用形状特征提取模型提取所述多张果实图像的果实形状特征。
(2)利用颜色特征提取模型提取所述多张果实图像的果实颜色特征。
(3)利用纹理特征提取模型提取所述多张果实图像的果实纹理特征。
步骤S103，将所述多张果实图像的图像特征与预设标准图像特征进行比较，确定果实现状。
所述预设标准图像特征为预先设置的转色均匀的果实的图像特征。在获取到上述图像特征之后，将上述多张果实图像的图像特征与预设标准图像特征进行比较，进而根据比较结果确定当前果实的果实现状。在较优的一实施例中，所述果实现状包括正常转色果实和非正常转色果实。
步骤S104，根据不同的果实现状执行与果实现状相应的推荐策略。
在确定出当前果实的果实现状时，针对不同的果实现状执行与果实现状相应的推荐策略。例如，若当前果实的果实现状为正常转色果实时，即可按照当前的环境条件继续执行无需进行调整；若当前果实的果实现状为非正常转色果实时，即可针对当前转色非正常的原因进行环境条件的调整，例如调整营养液配比、调整光照强度或者调整温度等。
在本发明实施例中，首先获取当前果实不同预设角度的多张果实图像，作为后续确定果实现状的基础，利用特征提取模型提取多张果实图像的图像特征，作为后续确定果实现状的依据，将多张果实图像的图像特征与预设标准图像特征进行比较确定果实现状，根据不同的果实现状执行与果实现状相应的推荐策略，进而对果实现状进行干预和调整，以提高果实转色的效率以及提高果实品质。本发明实施例将获取的当前果实的图像特征与预设标准图像特征进行比较，确定当前果实的果实现状，进而根据不同的果实现状执行与果实现状相应的推荐策略，可以及时、准确的发现转色不正常的果实，进而对转色不正常的果实进行干预和调整。因此，可以提高果实转色效率和果实品质。
图2示出了本发明实施例提供的果实转色控制方法的实现流程，根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
为了及时、准确的通知管理人员，以便管理人员及时、准确的获知当前果实的果实现状，在较优的一实施例中，如图2所示，在上述图1所示方法步骤的基础上，所述果实转色控制方法还包括：
步骤S105，将所述果实现状以预设通知方式发送至监控设备，以通知管理人员所述当前果实的果实现状，其中，所述预设通知方式包括以下一种或者多种：预设语音信息、预设文本信息及预设图像。
具体的，在其它较优的一实施例中，可以在步骤S103之后即执行步骤S105，此处不再详细赘述。
在通过比较确定当前果实的果实现状后，即将当前果实的果实现状以预设语音信息、预设文本信息或者预设图像等方式发送至监控设备，以通知管理人员所述当前果实的果实现状。其中，所述监控设备包括触控一体机等设备。所述预设语音信息为预先设置的语音信息，例如，所述预设语音信息可以包括以下一种或者多种：当前果实现状为正常转色果实、当前果实现状为非正常转色、当前果实现状为果实偏黄以及当前果实现状为果实偏淡等。所述预设文本信息为预先设置的文本信息，例如，所述预设文本信息可以包括以下一种或者多种：当前果实现状为正常转色果实、当前果实现状为非正常转色、当前果实现状为果实偏黄以及当前果实现状为果实偏淡等，所述预设图像为预先设置的图像内容，所述预设图像可以利用不同的颜色表示不同的果实现状。例如，用红色表示当前果实的果实现状为正常转色果实，用黄色表示当前果实现状为非正常转色果实中偏黄的果实现状等。
图3示出了本发明实施例提供的果实转色控制方法中步骤S103的实现流程，根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在较优的一实施例中，所述预设标准图像特征包括预设标准轮廓面积，如图3所示，步骤S103，将所述多张果实图像的图像特征与预设标准图像特征进行比较，确定果实现状包括：
步骤S1031，获取所述当前果实的所述果实形状特征，其中，所述果实形状特征包括所述当前果实的轮廓面积。
所述果实形状特征用以表征当前果实的轮廓面积，通过当前果实的果实形状特征可以获知当前果实的轮廓面积，具体可以通过圆度测量法获取当前果实的轮廓面积，当前果实的轮廓面积可以利用圆度测量法通过所述多张果实图像测算出来。
步骤S1032，将所述当前果实的轮廓面积与所述预设标准轮廓面积进行比较并确定所述当前果实的轮廓面积与所述预设标准轮廓面积的面积误差。
所述预设标准轮廓面积为预先设置的轮廓面积，例如可以是通过大数据统计出来转色正常果实的平均轮廓面积等。假设当前果实的轮廓面积为面积A1，所述预设标准轮廓面积为面积B1，则将当前果实的轮廓面积A1与所述预设标准轮廓面积B1进行比较。在将所述当前果实的轮廓面积A1与所述预设标准轮廓面积B1进行比较后，确定当前果实的轮廓面积A1与所述预设标准轮廓面积B1的面积误差C1，即面积误差C1等于轮廓面积A1与预设标准轮廓面积B1之差的绝对值。
步骤S1033，当所述当前果实的轮廓面积与所述预设标准轮廓面积的误差属于第一预设面积误差范围时，确定所述当前果实的果实现状为预设的第一类非正常转色果实。
所述第一预设面积误差范围为预先设置的面积误差范围，例如所述第一预设面积误差范围为1平方厘米至5平方厘米。所述预设的第一类非正常转色果实为预先设置的果实现状，例如，预设的第一类非正常转色果实可以是偏黄的转色果实。假设面积误差C1为3平方厘米，则当前果实的轮廓面积A1与所述预设标准轮廓面积B1的误差即属于所述第一预设面积误差范围，此时即可确定当前果实的果实现状为预设的第一类非正常转色果实。
步骤S1034，当所述面积误差属于第二预设面积误差范围时，确定所述当前果实的果实现状为预设的第二类非正常转色果实。
所述第二预设面积误差范围为预先设置的面积误差范围，例如所述第二预设面积误差范围为5平方厘米至10平方厘米。所述预设的第二类非正常转色果实为预先设置的果实现状，例如，预设的第二类非正常转色果实可以是红色偏淡的转色果实。假设面积误差C1为8平方厘米，则当前果实的轮廓面积A1与所述预设标准轮廓面积B1的误差即属于所述第二预设面积误差范围，此时即可确定当前果实的果实现状为预设的第二类非正常转色果实。
本发明实施例将当前果实的轮廓面积作为确定果实现状的比较依据，并通过将当前果实的轮廓面积与预设标准轮廓面积进行比较并确定所述当前果实的轮廓面积与所述预设标准轮廓面积的面积误差，根据面积误差所属的范围确定当前果实的果实现状为第一类非正常转色果实或者第二类非正常转色果实，因此，可以进一步及时、准确的确定果实现状、进而对非正常转色的果实进行干预和控制，进一步提高果实转色的效率、提高果实品质。
图4示出了本发明实施例提供的果实转色控制方法中步骤S103的实现流程，根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在较优的一实施例中，所述预设标准图像特征包括预设标准色差值，如图4所示，步骤S103，将所述多张果实图像的图像特征与预设标准图像特征进行比较，确定果实现状包括：
步骤S2031，获取所述当前果实的所述果实颜色特征，其中，所述果实颜色特征包括所述当前果实的色差值。
所述果实颜色特征用以表征当前果实的色差值，通过当前果实的果实颜色特征可以获知当前果实的色差值，作为后续确定果实现状的依据。
步骤S2032，将所述当前果实的所述色差值与所述预设标准色差值进行比较并确定所述当前果实的色差值与所述预设标准色差值的色差误差。
所述预设标准色差值为预先设置的色差值，例如可以是通过大数据统计出来转色正常果实的平均色差值等。假设当前果实的色差值为色差值A2，所述预设标准色差值为色差值B2，则将当前果实的色差值A2与所述预设标准色差值B2进行比较。在将所述当前果实的色差值A2与所述预设标准色差值B2进行比较后，确定当前果实的色差值A2与所述预设标准色差值B2的色差误差C2，即色差误差C2等于色差值A2与预设标准色差值B2之差的绝对值。
步骤S2033，当所述色差误差属于第一预设色差误差范围时，确定所述当前果实的果实现状为预设的第一类非正常转色果实。
色差(英文全称：Chromatic Aberration，简称CA)，用来衡量果实图像的色差水平，这个值越低说明当前果实的果实品质越好。所述第一预设色差误差范围为预先设置的色差误差范围，例如所述第一预设色差误差范围为0.1至0.8。所述预设的第一类非正常转色果实为预先设置的果实现状，例如，预设的第一类非正常转色果实可以是偏黄的转色果实。假设色差误差C2为0.5，则当前果实的色差值A2与所述预设标准色差值B2的误差即属于所述第一预设色差误差范围，此时即可确定当前果实的果实现状为预设的第一类非正常转色果实。
步骤S2034，当所述色差误差属于第二预设色差误差范围时，确定所述当前果实的果实现状为预设的第二类非正常转色果实。
所述第二预设色差误差范围为预先设置的色差误差范围，例如所述第二预设色差误差范围为0.8至1.5。所述预设的第二类非正常转色果实为预先设置的果实现状，例如，预设的第二类非正常转色果实可以是红色偏淡的转色果实。假设色差误差C2为1.2，则当前果实的色差值A2与所述预设标准色差值B2的误差即属于所述第二预设色差误差范围，此时即可确定当前果实的果实现状为预设的第二类非正常转色果实。
在本发明实施例中将当前果实的色差值作为确定果实现状的比较依据，通过将当前果实的色差值与预设标准色差值进行比较并确定所述当前果实的色差值与所述预设标准色差值的色差误差，根据色差误差所属的范围确定当前果实的果实现状为第一类非正常转色果实或者第二类非正常转色果实，因此，可以进一步及时、准确的确定果实现状、进而对非正常转色的果实进行干预和控制，进一步提高果实转色的效率、提高果实品质。
图5示出了本发明实施例提供的果实转色控制方法中步骤S103的实现流程，根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在较优的一实施例中，所述预设标准图像特征包括预设标准纹理直方图，如图5所示，步骤S103，将所述多张果实图像的图像特征与预设标准图像特征进行比较，确定果实现状包括：
步骤S3031，获取所述当前果实的所述果实纹理特征，其中，所述果实纹理特征包括纹理直方图。
所述果实纹理特征用于表征当前果实的纹理，通过当前果实的果实纹理特征可以获知当前果实的纹理直方图，作为后续确定果实现状的依据。
步骤S3032，将所述当前果实的纹理直方图与所述预设标准纹理直方图进行比较并确定所述当前果实的纹理直方图与所述预设标准纹理直方图的纹理误差。
所述预设标准纹理直方图为预先设置的纹理直方图，例如可以是通过大数据统计出来转色正常果实的平均纹理直方图等。假设当前果实的纹理直方图为纹理直方图A3，所述预设标准纹理直方图为纹理直方图B3，则将当前果实的纹理直方图A3与所述预设标准纹理直方图B3进行比较。在将所述当前果实的纹理直方图A3与所述预设标准纹理直方图B3进行比较后，确定当前果实的纹理直方图A3与所述预设标准纹理直方图B3的纹理误差C3，即纹理误差C3等于纹理直方图A3与预设标准纹理直方图B3之差的绝对值。
步骤S3033，当所述纹理误差属于第一预设纹理误差范围时，确定所述当前果实的果实现状为预设的第一类非正常转色果实。
直方图(英文名称：Histogram)，用来衡量果实图像纹理数据分布的精确图形表示。所述第一预设纹理误差范围为预先设置的纹理误差范围，例如所述第一预设纹理误差范围为1％至10％。所述预设的第一类非正常转色果实为预先设置的果实现状，例如，预设的第一类非正常转色果实可以是偏黄的转色果实。假设纹理误差C3为5％，则当前果实的纹理直方图A3与所述预设标准纹理直方图B3的误差即属于所述第一预设纹理误差范围，此时即可确定当前果实的果实现状为预设的第一类非正常转色果实。
步骤S3034，当所述纹理误差属于第二预设纹理误差范围时，确定所述当前果实的果实现状为预设的第二类非正常转色果实。
所述第二预设纹理误差范围为预先设置的纹理误差范围，例如所述第二预设纹理误差范围为10％至20％。所述预设的第二类非正常转色果实为预先设置的果实现状，例如，预设的第二类非正常转色果实可以是红色偏淡的转色果实。假设纹理误差C3为15％，则当前果实的纹理直方图A3与所述预设标准纹理直方图B3的误差即属于所述第二预设纹理误差范围，此时即可确定当前果实的果实现状为预设的第二类非正常转色果实。
在本发明实施例中将当前果实的纹理直方图作为确定果实现状的比较依据，通过将当前果实的纹理直方图与预设标准纹理直方图进行比较并确定所述当前果实的纹理直方图与所述预设标准纹理直方图的纹理误差，根据纹理误差所属的范围确定当前果实的果实现状为第一类非正常转色果实或者第二类非正常转色果实，因此，可以进一步及时、准确的确定果实现状、进而对非正常转色的果实进行干预和控制，进一步提高果实转色的效率、提高果实品质。
在较优的一实施例中，为了进一步及时、准确的确定果实现状，提高识别果实现状的效率，节省开销和运行成本，所述果实转色控制方法中步骤S103，将所述多张果实图像的图像特征与预设标准图像特征进行比较，确定果实现状包括：
确定所述图像特征中果实形状特征、果实颜色特征及果实纹理特征的优先级。
根据所述果实形状特征、果实颜色特征及果实纹理特征的优先级的顺序将所述多张果实图像的图像特征与预设标准图像特征进行比较，当通过将在先优先级的图像特征与预设标准图像特征进行比较，确定所述当前果实的现状为预设的所述第一类非正常转色果实或者预设的所述第二类非正常转色果实时，无需再将在后优先级的图像特征与预设标准图像特征进行比较。
鉴于果实颜色特征、果实纹理特征以及果实形状特征能够说明果实转色的程度时不同的，因此，首先确定三者的优先级。在较优的一实施例中，所述果实颜色特征的优先级为第一优先级，所述果实纹理特征的优先级为第二优先级，所述果实形状特征的优先级为第三优先级。
当通过将在先优先级的图像特征与预设标准图像特征进行比较，确定当前果实为非正常转色果实的情况下，即无需再将在后优先级的图像特征与预设标准图像特征进行比较。例如，当通过将果实颜色特征与预设标准颜色特征进行比较后，确定当前果实为第一类或者第二类非正常转色果实后，即无需再将果实纹理特征与预设标准纹理特征进行比较。当通过将果实纹理特征与预设标准纹理特征进行比较后，确定当前果实为正常转色果实后，后续可再将果实纹理特征与预设标准纹理特征进行比较，以确定当前果实是正常转色果实还是非正常转色果实。
本发明实施例可以根据图像特征的优先级的顺序将当前果实的图像特征与预设标准图像特征进行比较，当通过将在先优先级的图像特征与预设标准图像特征进行比较，确定所述当前果实的现状为预设的第一类非正常转色果实或者预设的第二类非正常转色果实时，无需再将在后优先级的图像特征与预设标准图像特征进行比较，即可及时、准确的确定当前果实为非正常转色果实，进而对当前非正常转色的果实进行干预、控制和调整，进一步的提高果实转色的效率、提高果实品质。
在较优的一实施例中，当所述当前果实的果实现状为预设的所述第一类非正常转色果实时，所述果实转色控制方法中步骤S104包括以下一种或者多种：
(1)若当前营养液配比与第一预设营养液配比不同时，将所述当前营养液配比调整至所述第一预设营养液配比，其中，所述第一预设营养液配比是与所述第一类非正常转色果实的果实现状相应的营养液配比。
所述第一预设营养液配比为预先设置的与所述第一类非正常转色果实的果实现状相应的营养液配比。例如，若当前果实为偏黄的果实，则所述第一预设营养液配比即为包含多叶绿素的营养液配比。当当前果实为第一类非正常转色果实时，将与第一预设营养液配比不同的当前营养液配比调整为所述第一预设营养液配比。
(2)若当前光照强度值与第一预设光照强度值不同时，将所述当前光照强度值调整至所述第一预设光照强度值，其中，所述第一预设光照强度值是与所述第一类非正常转色果实的果实现状相应的光照强度值。
所述第一预设光照强度值为预先设置的与所述第一类非正常转色果实的果实现状相应的光照强度值。例如，若当前果实为偏黄的果实，则所述第一预设光照强度值即为L1万勒克斯的光照强度值。当当前果实为第一类非正常转色果实时，将与第一预设光照强度值不同的当前光照强度值调整为所述第一预设光照强度值。
(3)若当前温度值与第一预设温度值不同时，将所述当前温度值调整至所述第一预设温度值，其中，所述第一预设温度值是与所述第一类非正常转色果实的果实现状相应的温度值。
所述第一预设温度值为预先设置的与所述第一类非正常转色果实的果实现状相应的温度值。例如，若当前果实为偏黄的果实，则所述第一预设温度值即为T1摄氏度的温度值。当当前果实为第一类非正常转色果实时，将与第一预设温度值不同的当前温度值调整为所述第一预设温度值。
在较优的一实施例中，当所述当前果实的果实现状为预设的所述第二类非正常转色果实时，所述果实转色控制方法中步骤S104包括以下一种或者多种：
(1)若当前营养液配比与第二预设营养液配比不同时，将所述当前营养液配比调整至所述第二预设营养液配比，其中，所述第二预设营养液配比是与所述第二类非正常转色果实的果实现状相应的营养液配比。
所述第二预设营养液配比为预先设置的与所述第二类非正常转色果实的果实现状相应的营养液配比。例如，若当前果实为红色偏淡的果实，则所述第二预设营养液配比即为包含更多叶绿素的营养液配比。当当前果实为第二类非正常转色果实时，将与第二预设营养液配比不同的当前营养液配比调整为所述第二预设营养液配比。
(2)若当前光照强度值与第二预设光照强度值不同时，将所述当前光照强度值调整至所述第二预设光照强度值，其中，所述第二预设光照强度值是与所述第二类非正常转色果实的果实现状相应的光照强度值。
所述第二预设光照强度值为预先设置的与所述第二类非正常转色果实的果实现状相应的光照强度值。例如，若当前果实为红色偏淡的果实，则所述第二预设光照强度值即为L2万勒克斯的光照强度值。当当前果实为第二类非正常转色果实时，将与第二预设光照强度值不同的当前光照强度值调整为所述第二预设光照强度值。
(3)若当前温度值与第二预设温度值不同时，将所述当前温度值调整至所述第二预设温度值，其中，所述第二预设温度值是与所述第二类非正常转色果实的果实现状相应的温度值。
所述第二预设温度值为预先设置的与所述第二类非正常转色果实的果实现状相应的温度值。例如，若当前果实为红色偏淡的果实，则所述第二预设温度值即为T2摄氏度的温度值。当当前果实为第二类非正常转色果实时，将与第二预设温度值不同的当前温度值调整为所述第二预设温度值。
图6示出了本发明实施例提供的果实转色控制装置的功能模块，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
参考图6，所述果实转色控制装置10所包括的各个模块用于执行图1对应实施例中的各个步骤，具体请参阅图1以及图1对应实施例中的相关描述，此处不再赘述。本发明实施例中，所述果实转色控制装置10包括获取模块101、提取模块102、比较模块103以及执行模块104。
所述获取模块101，用于获取当前果实不同预设角度的多张果实图像。
所述提取模块102，用于利用特征提取模型提取所述多张果实图像的图像特征，其中，所述图像特征包括以下一种或者多种：果实形状特征、果实颜色特征及果实纹理特征。
所述比较模块103，用于将所述多张果实图像的图像特征与预设标准图像特征进行比较，确定果实现状。
所述执行模块104，用于根据不同的果实现状执行与果实现状相应的推荐策略。
在本发明实施例中将当前果实不同预设角度的多张果实图像，作为后续确定果实现状的基础，比较模块103将获取的当前果实的图像特征与预设标准图像特征进行比较，确定当前果实的果实现状，进而执行模块104根据不同的果实现状执行与果实现状相应的推荐策略，可以及时、准确的发现转色不正常的果实，进而对转色不正常的果实进行干预和调整。因此，可以提高果实转色效率和果实品质。
图7示出了本发明实施例提供的果实转色控制装置的功能模块，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在较优的一实施例中，参考图7，所述果实转色控制装置10所包括的各个模块用于执行图2对应实施例中的各个步骤，具体请参阅图2以及图2对应实施例中的相关描述，此处不再赘述。为了及时、准确的通知管理人员，以便管理人员及时、准确的获知当前果实的果实现状，如图7所示，在上述图6所示模块结构的基础上，所述果实转色控制装置10还包括通知模块。
所述通知模块105，用于将所述果实现状以预设通知方式发送至监控设备，以通知管理人员所述当前果实的果实现状，其中，所述预设通知方式包括以下一种或者多种：预设语音信息、预设文本信息及预设图像。
图8示出了本发明实施例提供的果实转色控制装置中比较模块103，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在较优的一实施例中，参考图8，所述比较模块103所包括的各个单元或者子单元用于执行图3对应实施例中的各个步骤，具体请参阅图3以及图3对应实施例中的相关描述，此处不再赘述。本发明实施例中，所述预设标准图像特征包括预设标准轮廓面积，所述比较模块103包括形状获取单元1031、面积比较单元1032、第一确定单元1033以及第二确定单元1034。
所述形状获取单元1031，用于获取所述当前果实的所述果实形状特征，其中，所述果实形状特征包括所述当前果实的轮廓面积。
所述面积比较单元1032，用于将所述当前果实的轮廓面积与所述预设标准轮廓面积进行比较并确定所述当前果实的轮廓面积与所述预设标准轮廓面积的面积误差。
所述第一确定单元1033，用于当所述面积误差属于第一预设面积误差范围时，确定所述当前果实的果实现状为预设的第一类非正常转色果实。
所述第二确定单元1034，用于当所述面积误差属于第二预设面积误差范围时，确定所述当前果实的果实现状为预设的第二类非正常转色果实。
在本发明实施例中将当前果实的轮廓面积作为确定果实现状的比较依据，进而面积比较单元1032将当前果实的轮廓面积与预设标准轮廓面积进行比较并确定所述当前果实的轮廓面积与所述预设标准轮廓面积的面积误差，当所述面积误差属于第一预设面积误差范围时，第一确定单元1033确定所述当前果实的果实现状为预设的第一类非正常转色果实；当所述面积误差属于第二预设面积误差范围时，第二确定单元1034确定所述当前果实的果实现状为预设的第二类非正常转色果实。本发明实施例可以根据当前果实的轮廓面积与预设标准轮廓面积的面积误差所属的范围确定当前果实的果实现状为第一类非正常转色果实或者第二类非正常转色果实，因此，可以进一步及时、准确的确定果实现状、进而对非正常转色的果实进行干预和控制，进一步提高果实转色的效率、提高果实品质。
图9示出了本发明实施例提供的果实转色控制装置中比较模块103，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在较优的一实施例中，参考图9，所述比较模块103所包括的各个单元或者子单元用于执行图4对应实施例中的各个步骤，具体请参阅图4以及图4对应实施例中的相关描述，此处不再赘述。本发明实施例中，所述预设标准图像特征包括预设标准色差值，所述比较模块103包括颜色获取单元2031、色差比较单元2032、第三确定单元2033以及第四确定单元2034。
所述颜色获取单元2031，用于获取所述当前果实的所述果实颜色特征，其中，所述果实颜色特征包括所述当前果实的色差值。
所述色差比较单元2032，用于将所述当前果实的所述色差值与所述预设标准色差值进行比较，并确定所述当前果实的色差值与所述预设标准色差值的色差误差。
所述第三确定单元2033，用于当所述色差误差属于第一预设色差误差范围时，确定所述当前果实的果实现状为预设的第一类非正常转色果实。
所述第四确定单元2034，用于当所述色差误差属于第二预设色差误差范围时，确定所述当前果实的果实现状为预设的第二类非正常转色果实。
在本发明实施例中将当前果实的色差值作为确定果实现状的比较依据，进而色差比较单元2032将当前果实的色差值与预设标准色差值进行比较并确定所述当前果实的色差值与所述预设标准色差值的色差误差，当所述色差误差属于第一预设色差误差范围时，第三确定单元2033确定所述当前果实的果实现状为预设的第一类非正常转色果实；当所述色差误差属于第二预设色差误差范围时，第四确定单元2034确定所述当前果实的果实现状为预设的第二类非正常转色果实。本发明实施例可以根据当前果实的色差值与预设标准色差值的色差误差所属的范围确定当前果实的果实现状为第一类非正常转色果实或者第二类非正常转色果实，因此，可以进一步及时、准确的确定果实现状、进而对非正常转色的果实进行干预和控制，进一步提高果实转色的效率、提高果实品质。
图10示出了本发明实施例提供的果实转色控制装置中比较模块103，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在较优的一实施例中，参考图10，所述比较模块103所包括的各个单元或者子单元用于执行图5对应实施例中的各个步骤，具体请参阅图5以及图5对应实施例中的相关描述，此处不再赘述。本发明实施例中，所述预设标准图像特征包括预设标准纹理直方图，所述比较模块103包括纹理获取单元3031、纹理比较单元3032、第五确定单元3033以及第六确定单元3034。
所述纹理获取单元3031，用于获取所述当前果实的所述果实纹理特征，其中，所述果实纹理特征包括纹理直方图。
所述纹理比较单元3032，用于将所述当前果实的纹理直方图与所述预设标准纹理直方图进行比较并确定所述当前果实的纹理直方图与所述预设标准纹理直方图的纹理误差。
所述第五确定单元3033，用于当所述纹理误差属于第一预设纹理误差范围时，确定所述当前果实的果实现状为预设的第一类非正常转色果实。
所述第六确定单元3034，用于当所述纹理误差属于第二预设纹理误差范围时，确定所述当前果实的果实现状为预设的第二类非正常转色果实。
在本发明实施例中将当前果实的纹理直方图作为确定果实现状的比较依据，进而纹理比较单元3032将当前果实的纹理直方图与预设标准纹理直方图进行比较并确定所述当前果实的纹理直方图与所述预设标准纹理直方图的纹理误差，当所述纹理误差属于第一预设纹理误差范围时，第五确定单元3033确定所述当前果实的果实现状为预设的第一类非正常转色果实；当所述纹理误差属于第二预设色差误差范围时，第六确定单元3034确定所述当前果实的果实现状为预设的第二类非正常转色果实。本发明实施例可以根据当前果实的纹理直方图与预设标准纹理直方图的纹理误差所属的范围确定当前果实的果实现状为第一类非正常转色果实或者第二类非正常转色果实，因此，可以进一步及时、准确的确定果实现状、进而对非正常转色的果实进行干预和控制，进一步提高果实转色的效率、提高果实品质。
在较优的一实施例中，所述果实转色控制装置10中比较模块包括优先级确定单元和比较单元。
所述优先级确定单元，用于确定所述图像特征中果实形状特征、果实颜色特征及果实纹理特征的优先级。
在较优的一实施例中，所述果实颜色特征的优先级为第一优先级，所述果实纹理特征的优先级为第二优先级，所述果实形状特征的优先级为第三优先级。
所述比较单元，用于根据所述果实形状特征、果实颜色特征及果实纹理特征的优先级的顺序将所述多张果实图像的图像特征与预设标准图像特征进行比较，当通过将在先优先级的图像特征与预设标准图像特征进行比较，确定所述当前果实的现状为预设的所述第一类非正常转色果实或者预设的所述第二类非正常转色果实时，无需再将在后优先级的图像特征与预设标准图像特征进行比较。
本发明实施例中比较单元可以根据图像特征的优先级的顺序将当前果实的图像特征与预设标准图像特征进行比较，当通过将在先优先级的图像特征与预设标准图像特征进行比较，确定所述当前果实的现状为预设的第一类非正常转色果实或者预设的第二类非正常转色果实时，无需再将在后优先级的图像特征与预设标准图像特征进行比较，即可及时、准确的确定当前果实为非正常转色果实，进而对当前非正常转色的果实进行干预、控制和调整，进一步的提高果实转色的效率、提高果实品质。
在较优的一实施例中，当所述当前果实的果实现状为预设的所述第一类非正常转色果实时，所述果实转色控制装置10中执行模块104包括以下一种或者多种：第一营养液配比调整模块、第一光照强度调整模块以及第一温度调整模块。
(1)所述第一营养液配比调整模块，用于若当前营养液配比与第一预设营养液配比不同时，将所述当前营养液配比调整至所述第一预设营养液配比，其中，所述第一预设营养液配比是与所述第一类非正常转色果实的果实现状相应的营养液配比。
(2)所述第一光照强度调整模块，用于若当前光照强度值与第一预设光照强度值不同时，将所述当前光照强度值调整至所述第一预设光照强度值，其中，所述第一预设光照强度值是与所述第一类非正常转色果实的果实现状相应的光照强度值。
(3)所述第一温度调整模块，用于若当前温度值与第一预设温度值不同时，将所述当前温度值调整至所述第一预设温度值，其中，所述第一预设温度值是与所述第一类非正常转色果实的果实现状相应的温度值。
在较优的一实施例中，当所述当前果实的果实现状为预设的所述第二类非正常转色果实时，所述果实转色控制装置10中执行模块104包括以下一种或者多种：第二营养液配比调整模块、第二光照强度调整模块以及第二温度调整模块。
(1)所述第二营养液配比调整模块，用于若当前营养液配比与第二预设营养液配比不同时，将所述当前营养液配比调整至所述第二预设营养液配比，其中，所述第二预设营养液配比是与所述第二类非正常转色果实的果实现状相应的营养液配比。
(2)所述第二光照强度调整模块，用于若当前光照强度值与第二预设光照强度值不同时，将所述当前光照强度值调整至所述第二预设光照强度值，其中，所述第二预设光照强度值是与所述第二类非正常转色果实的果实现状相应的光照强度值。
(3)所述第二温度调整模块，用于若当前温度值与第二预设温度值不同时，将所述当前温度值调整至所述第二预设温度值，其中，所述第二预设温度值是与所述第二类非正常转色果实的果实现状相应的温度值。
图11是本发明实施例提供的实现果实转色控制方法的较佳实施例的电子设备1的结构示意图。如图11所示，电子设备1包括存储器11、处理器12及输入输出设备13。
所述电子设备1是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述电子设备1可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal DigitalAssistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能式穿戴式设备等。所述电子设备1可以是服务器，所述服务器包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量主机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。所述电子设备1所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(VirtualPrivate Network，VPN)等。
存储器11用于存储果实转色控制方法的程序和各种数据，并在电子设备1运行过程中实现高速、自动地完成程序或数据的存取。存储器11可以是电子设备1的外部存储设备和/或内部存储设备。进一步地，存储器11可以是集成电路中没有实物形式的具有存储功能的电路，如RAM(Random-AccessMemory，随机存取存储设备)、FIFO(First In First Out，)等，或者，存储器11也可以是具有实物形式的存储设备，如内存条、TF卡(Trans-flashCard)等等。
处理器12可以是中央处理器(CPU，Central Processing Unit)。CPU是一块超大规模的集成电路，是电子设备1的运算核心(Core)和控制核心(Control Unit)。处理器12可执行电子设备1的操作系统以及安装的各类应用程序、程序代码等，例如执行果实转色控制装置10中的各个模块或者单元中的操作系统以及安装的各类应用程序、程序代码，以实现果实转色控制方法。
输入输出设备13主要用于实现电子设备1的输入输出功能，比如收发输入的数字或字符信息，或显示由用户输入的信息或提供给用户的信息以及电子设备1的各种菜单。
所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个模块或装置也可以由一个模块或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种果实转色控制方法，其特征在于，所述方法包括：
获取当前果实不同预设角度的多张果实图像；
利用特征提取模型提取所述多张果实图像的图像特征，其中，所述图像特征包括以下一种或者多种：果实形状特征、果实颜色特征及果实纹理特征；
将所述多张果实图像的图像特征与预设标准图像特征进行比较，确定果实现状；
根据不同的果实现状执行与果实现状相应的推荐策略。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
将所述果实现状以预设通知方式发送至监控设备，以通知管理人员所述当前果实的果实现状，其中，所述预设通知方式包括以下一种或者多种：预设语音信息、预设文本信息及预设图像。
3.如权利要求1所述的方法，其特征在于，所述预设标准图像特征包括预设标准轮廓面积，所述将所述多张果实图像的图像特征与预设标准图像特征进行比较，确定果实现状包括：
获取所述当前果实的所述果实形状特征，其中，所述果实形状特征包括所述当前果实的轮廓面积；
将所述当前果实的轮廓面积与所述预设标准轮廓面积进行比较并确定所述当前果实的轮廓面积与所述预设标准轮廓面积的面积误差；及
当所述面积误差属于第一预设面积误差范围时，确定所述当前果实的果实现状为预设的第一类非正常转色果实；或
当所述面积误差属于第二预设面积误差范围时，确定所述当前果实的果实现状为预设的第二类非正常转色果实。
4.如权利要求1所述的方法，其特征在于，所述预设标准图像特征包括预设标准色差值，所述将所述多张果实图像的图像特征与预设标准图像特征进行比较，确定果实现状包括：
获取所述当前果实的所述果实颜色特征，其中，所述果实颜色特征包括所述当前果实的色差值；
将所述当前果实的所述色差值与所述预设标准色差值进行比较并确定所述当前果实的色差值与所述预设标准色差值的色差误差；及
当所述色差误差属于第一预设色差误差范围时，确定所述当前果实的果实现状为预设的第一类非正常转色果实；或
当所述色差误差属于第二预设色差误差范围时，确定所述当前果实的果实现状为预设的第二类非正常转色果实。
5.如权利要求1所述的方法，其特征在于，所述预设标准图像特征包括预设标准纹理直方图，所述将所述多张果实图像的图像特征与预设标准图像特征进行比较，确定果实现状包括：
获取所述当前果实的所述果实纹理特征，其中，所述果实纹理特征包括纹理直方图；
将所述当前果实的纹理直方图与所述预设标准纹理直方图进行比较并确定所述当前果实的纹理直方图与所述预设标准纹理直方图的纹理误差；及
当所述纹理误差属于第一预设纹理误差范围时，确定所述当前果实的果实现状为预设的第一类非正常转色果实；或
当所述纹理误差属于第二预设纹理误差范围时，确定所述当前果实的果实现状为预设的第二类非正常转色果实。
6.如权利要求3至5任意一项所述的方法，其特征在于，当所述当前果实的果实现状为预设的所述第一类非正常转色果实时，所述根据不同的果实现状执行与果实现状相应的推荐策略包括以下一种或者多种：
若当前营养液配比与第一预设营养液配比不同时，将所述当前营养液配比调整至所述第一预设营养液配比，其中，所述第一预设营养液配比是与所述第一类非正常转色果实的果实现状相应的营养液配比；及/或
若当前光照强度值与第一预设光照强度值不同时，将所述当前光照强度值调整至所述第一预设光照强度值，其中，所述第一预设光照强度值是与所述第一类非正常转色果实的果实现状相应的光照强度值；及/或
若当前温度值与第一预设温度值不同时，将所述当前温度值调整至所述第一预设温度值，其中，所述第一预设温度值是与所述第一类非正常转色果实的果实现状相应的温度值。
7.如权利要求3至5任意一项所述的方法，其特征在于，当所述当前果实的果实现状为预设的所述第二类非正常转色果实时，所述根据不同的果实现状执行与果实现状相应的推荐策略包括以下一种或者多种：
若当前营养液配比与第二预设营养液配比不同时，将所述当前营养液配比调整至所述第二预设营养液配比，其中，所述第二预设营养液配比是与所述第二类非正常转色果实的果实现状相应的营养液配比；及/或
若当前光照强度值与第二预设光照强度值不同时，将所述当前光照强度值调整至所述第二预设光照强度值，其中，所述第二预设光照强度值是与所述第二类非正常转色果实的果实现状相应的光照强度值；及/或
若当前温度值与第二预设温度值不同时，将所述当前温度值调整至所述第二预设温度值，其中，所述第二预设温度值是与所述第二类非正常转色果实的果实现状相应的温度值。
8.一种果实转色控制装置，其特征在于，所述装置包括：
获取模块，用于按照预设时间间隔获取当前果实不同预设角度的多张果实图像；
提取模块，用于利用特征提取模型提取所述多张果实图像的图像特征，其中，所述图像特征包括以下一种或者多种：果实形状特征、果实颜色特征及果实纹理特征；
比较模块，用于将所述多张果实图像的图像特征与预设标准图像特征进行比较，确定果实现状；
执行模块，用于根据不同的果实现状执行与果实现状相应的推荐策略。
9.如权利要求8所述的装置，其特征在于，所述装置还包括：
通知模块，用于将所述果实现状以预设通知方式发送至监控设备，以通知管理人员所述当前果实的果实现状，其中，所述预设通知方式包括以下一种或者多种：预设语音信息、预设文本信息及预设图像。
10.如权利要求8所述的装置，其特征在于，所述预设标准图像特征包括预设标准轮廓面积，所述比较模块包括：
形状获取单元，用于获取所述当前果实的所述果实形状特征，其中，所述果实形状特征包括所述当前果实的轮廓面积；
面积比较单元，用于将所述当前果实的轮廓面积与所述预设标准轮廓面积进行比较并确定所述当前果实的轮廓面积与所述预设标准轮廓面积的面积误差；
第一确定单元，用于当所述面积误差属于第一预设面积误差范围时，确定所述当前果实的果实现状为预设的第一类非正常转色果实；
第二确定单元，用于当所述面积误差属于第二预设面积误差范围时，确定所述当前果实的果实现状为预设的第二类非正常转色果实。
CN201810292058.6A 2018-03-30 2018-03-30 果实转色控制方法和装置 Pending CN108492295A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810292058.6A CN108492295A (zh) 2018-03-30 2018-03-30 果实转色控制方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810292058.6A CN108492295A (zh) 2018-03-30 2018-03-30 果实转色控制方法和装置

Publications (1)

Publication Number Publication Date
CN108492295A true CN108492295A (zh) 2018-09-04

Family

ID=63318352

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810292058.6A Pending CN108492295A (zh) 2018-03-30 2018-03-30 果实转色控制方法和装置

Country Status (1)

Country Link
CN (1) CN108492295A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103514459A (zh) * 2013-10-11 2014-01-15 中国科学院合肥物质科学研究院 一种基于Android手机平台的识别农作物病虫害的方法及系统
JP2015088084A (ja) * 2013-11-01 2015-05-07 株式会社ブレイン 物品識別システムとそのプログラム
CN205158399U (zh) * 2015-06-16 2016-04-13 征图新视（江苏）科技有限公司 多光谱视觉成像大叶农作物叶片分级系统
CN106951912A (zh) * 2017-02-15 2017-07-14 海尔优家智能科技（北京）有限公司 一种果蔬外观变化识别模型的建立方法和识别方法
CN107392785A (zh) * 2017-06-30 2017-11-24 深圳前海弘稼科技有限公司 种植参数调控方法和种植参数调控装置
CN107844771A (zh) * 2017-11-03 2018-03-27 深圳春沐源控股有限公司 农作物生产管理的方法、系统、计算机装置及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103514459A (zh) * 2013-10-11 2014-01-15 中国科学院合肥物质科学研究院 一种基于Android手机平台的识别农作物病虫害的方法及系统
JP2015088084A (ja) * 2013-11-01 2015-05-07 株式会社ブレイン 物品識別システムとそのプログラム
CN205158399U (zh) * 2015-06-16 2016-04-13 征图新视（江苏）科技有限公司 多光谱视觉成像大叶农作物叶片分级系统
CN106951912A (zh) * 2017-02-15 2017-07-14 海尔优家智能科技（北京）有限公司 一种果蔬外观变化识别模型的建立方法和识别方法
CN107392785A (zh) * 2017-06-30 2017-11-24 深圳前海弘稼科技有限公司 种植参数调控方法和种植参数调控装置
CN107844771A (zh) * 2017-11-03 2018-03-27 深圳春沐源控股有限公司 农作物生产管理的方法、系统、计算机装置及存储介质

Similar Documents

Publication Publication Date Title
CN109189991A (zh) 重复视频识别方法、装置、终端及计算机可读存储介质
WO2017215346A1 (zh) 业务数据分类方法和装置
CN108090032B (zh) 逻辑回归模型的可视化解释方法及装置
CN110175980A (zh) 图像清晰度识别方法、图像清晰度识别装置及终端设备
US9400808B2 (en) Color description analysis device, color description analysis method, and color description analysis program
CN109086742A (zh) 场景识别方法、场景识别装置及移动终端
CN108710654B (zh) 一种舆情数据可视化方法及设备
CN110443120A (zh) 一种人脸识别方法及设备
CN108898082A (zh) 图片处理方法、图片处理装置及终端设备
CN109376873A (zh) 运维方法、装置、电子设备及计算机可读存储介质
US20230214989A1 (en) Defect detection method, electronic device and readable storage medium
CN108961183A (zh) 图像处理方法、终端设备及计算机可读存储介质
US20160140254A1 (en) Identifying and structuring related data
CN108363730A (zh) 一种内容推荐方法、系统及终端设备
CN111428978A (zh) 一种补贴计算方法、装置、电子设备及存储介质
CN111400126A (zh) 网络服务异常数据检测方法、装置、设备和介质
CN112860808A (zh) 基于数据标签的用户画像分析方法、装置、介质和设备
CN108182444A (zh) 基于场景分类的视频质量诊断的方法及装置
CN113469109B (zh) 交通灯识别结果处理方法、装置、路侧设备及云控平台
CN108492295A (zh) 果实转色控制方法和装置
US20170186063A1 (en) System and method for barter support
CN110825898A (zh) 美甲套图推荐方法、装置、电子设备、及存储介质
CN105224957A (zh) 一种基于单样本的图像识别的方法及系统
CN108429632B (zh) 一种业务监控方法和装置
CN110322391A (zh) 基于多线程的视频告警事件分析方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180904

RJ01 Rejection of invention patent application after publication