CN109345177B - 一种基于云视频信息处理的冷链食品物流可视化方法 - Google Patents

Abstract

本发明公开了一种基于云视频信息处理的冷链食品物流可视化方法。主要包括：A.通过冷藏车厢内的监控获取食品的属性信息，将采集的视频流进行编码压缩处理，形成数字化的视频流；B.将视频编码映射到各共享信道，通过时隙目标函数优化组播传输能效，将监控视频传至物流中心；C.建立冷链食品物流动态跟踪模型，通过粒子滤波优化得到射频识别信号的位置，获取食品传输路径，实现冷链食品的物流可视化。该方法具有较好的时效性和灵活性，能够快速、准确、高效和无损地进行食品品质安全信息的获取，对食品和车辆进行精确定位，方便物流公司远程调度管理，提高物流运输效率和食品运输的安全性。

Description

一种基于云视频信息处理的冷链食品物流可视化方法

技术领域

本发明涉及一种基于云视频信息处理的冷链食品物流可视化方法，属于食品安全、食品传输、射频识别领域。

背景技术

近年来，我国冷链食品市场发展迅速，冷链食品物流的发展前景引起业内广泛关注。但现有的冷链食品物流还未形成完整而独立的冷链体系，缺乏运输过程中物流的可视化技术，导致食品流通环节损耗严重，影响食品品质安全，物流效率低下，物流公司无法实时定位、即时调度，给食品企业和第三方物流企业带来损失。

发明内容

为解决上述问题，本发明的目的在于提供一种具有较好的时效性和灵活性的冷链食品物流可视化方法，能够快速、准确、高效和无损地进行食品品质安全信息的获取，对食品和车辆进行精确定位，方便物流公司远程调度管理，提高物流运输效率和食品运输的安全性。

本发明解决其问题所采用的技术方案，包括以下步骤：

A.通过冷藏车厢内的监控获取食品的属性信息，将采集的视频流进行编码压缩处理，形成数字化的视频流；

B.将视频编码映射到各共享信道，通过时隙目标函数优化组播传输能效，将监控视频传至物流中心,具体包括：

(1)在冷藏车厢视频监控传输过程中，车厢的视频发送方与监控中心形成一个移动组播组，当车辆移动到一个外地网络中时，向组播组重新预约，将发送方分为不同层进行发送，通过接收方的反馈调整发送速率，发送方利用共享组播信道发送数据，视频编码映射到各共享信道，映射规则为：

R：{A_ij}→{C_k}u{C_null}

其中，A_ij表示发送方S_i的第j层次，i＝1，2，...，n，n是发送方数量，即车辆数量，C_k是共享信道，1≤k≤n，C_null为空信道，若发送方的视频编码映射到C_null，则该层次在发送方不进行传输；

(2)利用信噪比来表示接收方在每个信道的状态信息，则时隙s内的信道最大传送速率为：

其中，B为信道带宽，γ是信噪比，通过优化每个时隙s的组播传输速率v来降低传辅能耗，当C(s)＞v时，用户可以在时隙s内茨得信道的状态信息I，优化的目标函数为：

其中，t是时隙s的持续时间，遍历所有用户集，选择能使下一时隙内所有用户传送最快的组播速率：

其中，Q(s-1)为上一时隙的网络服务质量，ε为网络服务质量限制，从而优化组播传输能效；

C.建立冷链食品物流动态跟踪模型，通过粒子滤波优化得到射频识别信号的位置，获取食品传输路径，实现冷链食品的物流可视化。

本发明的有益效果是：

在物理可视化越来越重要的情况下，本发明具有较好的时效性和灵活性，能够快速、准确、高效和无损地进行食品品质安全信息的获取，对食品运送全节点和车辆进行精确定位，方便物流公司远程调度管理，提高物流运输效率和食品运输的安全性。

附图说明

图1为一种基于云视频信息处理的冷链食品物流可视化方法的整体流程图；

图2为组播传输优化流程图；

图3为冷链食品物流动态跟踪模型图。

具体实施方式

参照图1，本发明所述的方法包括以下步骤：

A.通过冷藏车厢内的监控获取食品的属性信息，将采集的视频流进行编码压缩处理，形成数字化的视频流；

(1)冷链食品的物流可视化包括冷藏车厢内食品温度、湿度、状态以及订单信息等属性的监控可视化，食品入库、出库和库存盘点环节进行信息识别和采集的数据可视化以及食品运输定位的路径可视化。将冷藏车厢内的监控图像f(x，y)划分为M×W的子块，对每个图像块S进行离散余弦变换：

F＝ASA^T

其中，i＝0，1，...，M-1，j＝0，1，...，W-1。经过离散余弦变换后，图像块中的低频信息数量较多，集中在块的左上角，高频信息数量较少，分布在远处。

(2)将图像块的高频信息Y量化为零：

其中，INT[]是取整函数，l是量化单位，决定了量化精度。量化后的离散余弦变换系数降为一维，实现图像的初步压缩，对一维系数进行熵编码可以提高图像的无损压缩效率。一维系数X的熵为：

其中，p(x_i)是X发出符号x_i的概率，m是符号的数量。

B.将视频编码映射到各共享信道，通过时隙目标函数优化组播传输能效，将监控视频传至物流中心；

(1)在冷藏车厢视频监控传输过程中，车厢的视频发送方与监控中心形成一个移动组播组。当车辆移动到一个外地网络中时，向组播组重新预约。将发送方分为不同层进行发送，通过接收方的反馈调整发送速率。发送方利用共享组播信道发送数据，视频编码映射到各共享信道，映射规则为：

R：{A_ij}→{C_k}∪{C_null}

其中，A_ij表示发送方S_i的第j层次，i＝1，2，...，n，n是发送方数量，即车辆数量，C_k是共享信道，1≤k≤n，C_null为空信道。若发送方的视频编码映射到C_null，则该层次在发送方不进行传输。

(2)利用信噪比来表示接收方在每个信道的状态信息，则时隙s内的信道最大传送速率为：

其中，B为信道带宽，γ是信噪比。通过优化每个时隙s的组播传输速率v来降低传输能耗，当C(s)＞v时，用户可以在时隙s内获得信道的状态信息I，优化的目标函数为：

其中，t是时隙s的持续时间。遍历所有用户集，选择能使下一时隙内所有用户传送最快的组播速率：

其中，Q(s-1)为上一时隙的网络服务质量，ε为网络服务质量限制。从而优化组播传输能效。

C.建立冷链食品物流动态跟踪模型，通过粒子滤波优化得到射频识别信号的位置，获取食品传输路径，实现冷链食品的物流可视化。

(1)建立冷链食品物流动态跟踪模型，如图3所示。冷藏车厢车门两段设置射频识别信号发送和接收装置，在仓库装货时，带有射频标签的货物进入射频范围内，标签被激活，标签上所存储的信息和位置数据传送给通信卫星，卫星再传送给冷藏车厢上的阅读器，阅读器通过互联网将数据传送给物流中心，然后进行解码存储。卸货时同理。

(2)将射频识别信号发射功率与阅读器接收功率的差值作为无形射频信号在传输过程中的能量损耗值，并将其转化为空间中的路径花费：

其中，d是食品与物流中心的距离，d₀是欧氏距离，λ是路径花费系数。阅读器的接收功率为：

P_r(d)＝P_e+G+S(d)

其中，P_e是发送功率，G是射频标签的天线增益。

(3)将每个射频标签作为一个粒子，第k时刻从先验概率密度函数p(x0)

中生成初始粒子集{x₀，...，x_k}。由状态概率密度p(x_k|x_k-1，Z)从粒子集中抽取

N个样本粒子

第k时刻x_k的后验概率密度为：

其中，Z为当前测量值，p(x_k|Z_k-1)为先验概率密度，

是第i个粒子第k时刻的位置权值，δ是狄拉克函数。经过多次迭代递推后，得到k时刻的粒子集合，估计k时刻的射频位置：

将其代入(2)的路径花费公式便可得到每件食品在车厢内的出入记录和摆放次序，通过车辆的远程定位系统实现食品运输路径的可视化。从而完成冷链食品物流可视化方法。

综上所述，便完成了本发明所述的一种基于云视频信息处理的冷链食品物流可视化方法。该方法具有较好的时效性和灵活性，能够快速、准确、高效和无损地进行食品品质安全信息的获取，对食品运送全节点和环节进行精确定位和管控，方便物流公司远程调度管理，提高物流运输效率和食品运输的安全性。

Claims (2)

1.一种基于云视频信息处理的冷链食品物流可视化方法，其特征在于，所述方法包括以下步骤：

A.通过冷藏车厢内的监控获取食品的属性信息，将采集的视频流进行编码压缩处理，形成数字化的视频流；

B.将视频编码映射到各共享信道，通过时隙目标函数优化组播传输能效，将监控视频传至物流中心，具体包括：

(1)在冷藏车厢视频监控传输过程中，车厢的视频发送方与监控中心形成一个移动组播组，当车辆移动到一个外地网络中时，向组播组重新预约，将发送方分为不同层进行发送，通过接收方的反馈调整发送速率，发送方利用共享组播信道发送数据，视频编码映射到各共享信道，映射规则为：

R：{A_ij}→{C_k}∪{C_null}

其中，A_ij表示发送方S_i的第j层次，i＝1，2，...，n，n是发送方数量，即车辆数量，C_k是共享信道，1≤k≤n，C_null为空信道，若发送方的视频编码映射到C_null，则该层次在发送方不进行传输；

(2)利用信噪比来表示接收方在每个信道的状态信息，则时隙s内的信道最大传送速率为：

其中，B为信道带宽，γ是信噪比，通过优化每个时隙s的组播传输速率v来降低传输能耗，当C(s)＞v时，用户可以在时隙s内茨得信道的状态信息I，优化的目标函数为：

其中，t是时隙s的持续时间，遍历所有用户集，选择能使下一时隙内所有用户传送最快的组播速率：

其中，Q(s-1)为上一时隙的网络服务质量，ε为网络服务质量限制，从而优化组播传输能效；

C.建立冷链食品物流动态跟踪模型，通过粒子滤波优化得到射频识别信号的位置，获取食品传输路径，实现冷链食品的物流可视化，具体包括：

(1)建立冷链食品物流动态跟踪模型， 冷藏车厢车门两段设置射频识别信号发送和接收装重，在仓库装货时，带有射频标签的货物进入射频范围内，标签被激活，标签上所存储的信息和位置数据传送绐通信卫星，卫星再传送给冷藏车厢上的阅读器，阅读器通过互联网将数据传送给物流中心，然后进行解码存储，卸货时同理；

(2)将射频识别信号发射功率与阅读器接收功率的差值作为无形射频信号在传输过程中的能量损耗值，并将其转化为空间中的路径花费：

其中，d是食品与物流中心的距离，d₀是欧氏距离，λ是路径花费系数，阅读器的接收功率为：

P_r(d)＝P_e+G+S(d)

其中，P_e是发送功率，G是射频标签的天线增益；

(3)将每个射频标签作为一个粒子，第k时刻从先验概率密度函数p(x₀)中生成初始粒子集{x₀，...，x_k}，由状态概率密度p(x_k|x_k-1，Z)从粒子集中抽取N个样本粒子

第k时刻x_k的后验概率密度为：

其中，Z为当前测量值，p(x_k|Z_k-1)为先验概率密度，

是第i个粒子第k时刻的位置权值，δ是狄拉克函数，经过多次迭代递推后，得到k时刻的粒子集合，估计k时刻的射频位置：

将其代入(2)的路径花费公式便可得到每件食品在车厢内的出入记录和摆放次序，通过车辆的远程定位系统实现食品运输路径的可视化，从而完成冷链食品物流可视化方法。

2.根据权利要求1所述的基于云视频信息处理的冷链食品物流可视化方法，其特征在于，所述步骤A包括：

(1)将冷藏车厢内的监控图像f(x，y)划分为M×W的子块，对每个图像块S进行离散余弦变换：

F＝ASA^T

其中，i＝0，1，...，M-1，j＝0，1，...，W-1，经过离散余弦变换后，图像块中的低频信息数量较多，集中在块的左上角，高频信息数量较少，分布在远处；

(2)将图像块的高频信息Y量化为零：

其中，INT[]是取整函数，l是量化单位，决定了量化精度，量化后的离散余弦变换系数降为一维，实现图像的初步压缩，对一维系数进行熵编码可以提高图像的无损压缩效率，一维系数X的熵为：

其中，p(x_i)是X发出符号x_i的概率，m是符号的数量。

Images