CN110648069A - 一种基于运输车的蔬菜质量分析系统 - Google Patents
一种基于运输车的蔬菜质量分析系统 Download PDFInfo
- Publication number
- CN110648069A CN110648069A CN201910916863.6A CN201910916863A CN110648069A CN 110648069 A CN110648069 A CN 110648069A CN 201910916863 A CN201910916863 A CN 201910916863A CN 110648069 A CN110648069 A CN 110648069A
- Authority
- CN
- China
- Prior art keywords
- vegetable
- module
- humidity
- type
- temperature
- 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.)
- Granted
Links
- 235000013311 vegetables Nutrition 0.000 title claims abstract description 348
- 230000008859 change Effects 0.000 claims abstract description 70
- 241000894006 Bacteria Species 0.000 claims abstract description 60
- 230000001580 bacterial effect Effects 0.000 claims abstract description 59
- 238000001514 detection method Methods 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000011156 evaluation Methods 0.000 claims abstract description 36
- 238000012216 screening Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000008569 process Effects 0.000 claims abstract description 32
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 241000894007 species Species 0.000 claims description 47
- 238000013441 quality evaluation Methods 0.000 claims description 23
- 238000013500 data storage Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000004321 preservation Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 206010012735 Diarrhoea Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
- C12M41/30—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration
- C12M41/36—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration of biomass, e.g. colony counters or by turbidity measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G01N33/025—Fruits or vegetables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Food Science & Technology (AREA)
- Organic Chemistry (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Biochemistry (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Analytical Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- Medicinal Chemistry (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Immunology (AREA)
- Pathology (AREA)
Abstract
本发明公开一种基于运输车的蔬菜质量分析系统,包括温度检测模块、湿度检测模块、细菌检测模块、图像获取模块、筛选预处理模块、数据建模模块、数据处理模块、分析评估模块和显示终端。本发明提供的一种基于运输车的蔬菜质量分析系统,通过对蔬菜存放环境中的温度、湿度、细菌种类以及细菌数量进行检测并结合筛选预处理模块提取蔬菜图像中的红绿蓝分量,以统计蔬菜品质系数,展示蔬菜存放过程中品质变化,具有品质检测准确性高以及实时性佳的特点,便于管理人员直观地了解蔬菜存放过程中蔬菜的品质变化,为蔬菜的存放提供可靠的参考数据,可根据蔬菜的品质提供最佳的保存环境,使得蔬菜的品质最佳,降低损失。
Description
技术领域
本发明属于蔬菜品质检测技术领域,涉及到一种基于运输车的蔬菜质量分析系统。
背景技术
随着人们生活水平的不断提高,人们对饮食健康越来越重视,特别是饮食中的蔬菜。
蔬菜输送到销售点,需经过采收、清洁以及保存处理,在保存运输的过程中,由于运输时间长、保存环境差,使得蔬菜运输过程中由于堆放量大、存储空间密闭,极易发生闷热,造成蔬菜的品质降低,增加了蔬菜运输的成本,且因闷热损坏了蔬菜品质,增加了蔬菜中的细菌种类和数量,一旦有人食用变质的蔬菜会造成腹泻以及其他问题,严重危害了人们的健康。
目前,现有蔬菜在存放中无法对蔬菜品质进行监测,导致蔬菜的品质无法把控,极易存在变质,存在检测实时性差以及准确性低的问题,为了解决以上问题,现设计一种基于运输车的蔬菜质量分析系统。
发明内容
本发明的目的在于提供的一种基于运输车的蔬菜质量分析系统,解决了现有技术中存在的蔬菜品质无法实时进行监控,造成蔬菜品质检测的实时性差以及准确性差的问题。
本发明的目的可以通过以下技术方案实现:
一种基于运输车的蔬菜质量分析系统,包括温度检测模块、湿度检测模块、细菌检测模块、图像获取模块和显示终端;
所述温度检测模块包括若干温度传感器,用于对存储蔬菜的箱体内的温度进行检测,并将检测的蔬菜内的温度分别发送至数据建模模块和数据处理模块;
所述湿度检测模块包括若干湿度传感器,用于对存储蔬菜的箱体内的湿度进行检测,并将检测的蔬菜内的湿度分别发送至数据建模模块和数据处理模块;
所述细菌检测模块为细菌检测仪,用于对存有蔬菜的箱体内的细菌种类以及各细菌种类对应的细菌数量进行统计,并将统计的细菌种类以及各细菌种类对应的细菌数量发送至数据建模模块和数据处理模块;
所述图像获取模块,安装在箱体内,用于以固定采集时间间隔采集箱体内的蔬菜图像,并将采集的蔬菜图像发送至筛选预处理模块;
还包括筛选预处理模块、数据建模模块、数据处理模块和分析评估模块;
所述数据处理模块分别与温度检测模块、湿度检测模块、细菌检测模块和筛选预处理模块连接,图像获取模块、筛选预处理模块和分析评估模块连接,数据建模模块分别与温度检测模块、湿度检测模块、细菌检测模块和数据处理模块连接,分析评估模块与显示终端连接,筛选预处理模块与分析评估模块连接;
所述筛选预处理模块用于接收图像获取模块发送的蔬菜图像进行亮度调节,并对经亮度调节后的蔬菜图像进行特征提取,提取的特征构成蔬菜特征集合,并将提取的蔬菜特征集合发送至分析评估模块,且筛选预处理模块接收分析评估模块发送的蔬菜种类,并根据蔬菜种类提取数据建模模块中存储的各蔬菜种类对应的标准红色分量、标准绿色分量以及标准蓝色分量以及提取该蔬菜图像中红色分量、绿色分量以及蓝色分量,统计蔬菜图像对应的红色分量对比率、绿色分量对比率以及蓝色分量对比率,并将该蔬菜种类对应的红色分量对比率、绿色分量对比率以及蓝色分量对比率发送至数据处理模块;
所述数据建模模块用于输入各蔬菜种类对应的标准蔬菜叶片特征集合Bk(bk1,bk2,...,bkj,...,bkm)和蔬菜根部特征集合C(ck1,ck2,...,ckj,...,ckn),bkj表示为第k个蔬菜种类对应的第j个叶片特征,ckj表示为第k个蔬菜种类对应的第j个根部特征,且数据建模模块包括蔬菜数据存储单元,所述蔬菜数据存储单元用于存储各蔬菜种类在不同温度范围和湿度范围下各细菌种类的繁衍速率以及蔬菜存储的温度阈值,蔬菜存放过程中的实时温度、湿度以及细菌种类以及各细菌种类对应的数量,并存储各蔬菜种类对应的标准红色分量、标准绿色分量以及标准蓝色分量,同时,存储数据处理模块发送的各时间段内平均温度、平均湿度以及各细菌种类的平均数量;
所述数据处理模块用于接收温度检测模块发送的蔬菜存放箱内的实时温度,接收湿度检测模块发送的蔬菜存放箱内的实时湿度,接收细菌检测模块发送的蔬菜存放箱内的实时细菌种类以及各细菌种类对应的细菌数量,统计各固定采集时间间隔内平均温度、平均湿度以及各细菌种类的平均数量,并将统计的平均温度、平均湿度以及各细菌种类的平均数量发送至数据建模模块中的蔬菜数据存储单元,且将下一固定采集时间间隔内的平均温度、平均湿度以及各细菌种类的平均数量分别与上一固定采集时间间隔的平均温度、平均湿度、细菌种类的平均数量进行对比,得到对比温度差ΔWi、对比湿度差ΔSi和对比细菌数量差ΔXgi,g表示为细菌种类的数量,i表示为第i个固定采集时间间隔,i=1,2,...,t,数据处理模块将各固定采集时间间隔的平均温度、平均湿度、细菌种类的平均数量以及对比温度差、对比湿度差和对比细菌数量差发送至分析评估模块;
同时,数据处理模块用于接收筛选预处理模块发送的各固定采集时间间隔下蔬菜种类对应的红色分量对比率、绿色分量对比率以及蓝色分量对比率,并将各固定采集时间间隔下的红色分量对比率、绿色分量对比率和蓝色分量对比率,并将下一固定采集时间间隔的红色分量对比率、绿色分量对比率和蓝色分量对比率分别与对应的上一固定采集时间间隔的红色分量对比率、绿色分量对比率和蓝色分量对比率,得到相对红色分量对比变化率fκRe(i),相对绿色分量对比变化率fκGr(i)和相对蓝色分量对比变化率fκBl(i),且i=1,2,...,t,并将统计的相对红色分量变化率、相对绿色分量对比变化率和相对蓝色分量对比变化率发送至分析评估模块;
所述分析评估模块用于筛选预处理模块发送的蔬菜图像中的蔬菜特征集合,并将蔬菜特征集合与数据建模模块中各蔬菜叶片特征集合和蔬菜根部特征集合进行对比,得到蔬菜种类叶片特征对比集合B′(b′k1,b′k2,...,b′kj,...,b′km)和蔬菜种类根部特征对比集合C′(c′k1,c′k2,...,c′kj,...,c′kn),统计采集图像中的蔬菜与各蔬菜种类特征间的相似度系数,筛选出图像中的蔬菜与各蔬菜种类相似度系数最大的蔬菜种类,并将该蔬菜种类发送至筛选预处理模块;
所述分析评估模块用于接收数据处理模块发送的蔬菜运输过程中的相对红色分量变化率、相对绿色分量对比变化率和相对蓝色分量对比变化率,并接收数据处理模块发送的各固定采集时间间隔的平均温度、平均湿度、细菌种类的平均数量、对比温度差、对比湿度差以及对比细菌数量差,根据固定采集时间间隔的平均温度、平均湿度提取数据建模模块中存储的在不同温度范围和湿度范围下各细菌的繁衍速率,并将各固定采集时间间隔的平均温度与设定的蔬菜存储的温度阈值进行对比,统计蔬菜运输存放的过程中平均温度大于设定的蔬菜存储的温度阈值的时间,通过将各固定采集时间间隔的相对红色分量变化率、相对绿色分量对比变化率和相对蓝色分量对比变化率、对比温度差、对比湿度差以及对比细菌数量差以及平均温度大于预设的蔬菜存放的温度阈值的时间代入蔬菜品质评估公式,获得蔬菜运输过程中的蔬菜品质评估系数,并将蔬菜运输过程中的蔬菜品质评估系数、蔬菜颜色变化率系数以及箱体内的平均温度和湿度发送至显示终端;
所述显示终端用于接收分析评估模块发送的蔬菜运输过程中的蔬菜品质评估系数、蔬菜颜色变化率系数以及箱体内的平均温度和湿度,并对接收的蔬菜运输过程中的蔬菜品质评估系数、蔬菜颜色变化率系数以及箱体内的平均温度和湿度进行显示。
进一步地,所述红色分量对比率、绿色分量对比率和蓝色分量对比率的计算公式为κRe、κGr和κBl分别表示为该蔬菜图像对应的红色分量对比率、绿色分量对比率和蓝色分量对比率,Re标准、Gr标准和Bl标准分别表示为蔬菜种类对应的标准红色分量、标准绿色分量以及标准蓝色分量,Re、Gr和Bl分别表示为该蔬菜种类图像对应的红色分量、绿色分量以及蓝色分量。
进一步地,各蔬菜种类对应的叶片特征集合和根部特征集合对应的权重分别为:pbk1,pbk2,...,pbkj,...,pbkm,pck1,pck2,...,pckj,...,pckn,λ+β=1,且pbk1+pbk2+...+pbkj+...+pbkm=1,pck1+pck2+...+pckj+...+pckn=1,λ表示为叶片特征所占的比例系数,β表示为根部特征所占的比例系数,pbkj表示为第k个蔬菜种类对应的第j个叶片特征所占的权重系数,pckj表示为第k个蔬菜种类对应的第j个根部特征所占的权重系数。
进一步地,采集图像中的蔬菜与各蔬菜种类特征间的相似度系数的计算公式为λ表示为叶片特征所占的比例系数,β表示为根部特征所占的比例系数,b′kj表示为第k个蔬菜种类对应的第j个叶片特征与蔬菜图像中的特征的对比情况,若蔬菜图像中的特征中包含有第k个蔬菜种类对应的第j个叶片特征,则b′kj等于1,反之,则b′kj等于0,pbkj表示为第k个蔬菜种类对应的第j个叶片特征所占的权重系数,c′kj表示为第k个蔬菜种类对应的第j个根部特征与蔬菜图像中的特征的对比情况,若蔬菜图像中的特征中包含有第k个蔬菜种类对应的第j个根部特征,则c′kj等于1,反之,则c′kj等于0,pckj表示为第k个蔬菜种类对应的第j个根部特征所占的权重系数。
进一步地,所述蔬菜品质评估公式为 表示为该蔬菜种类在运输过程中的蔬菜品质评估系数,Φ表示为蔬菜颜色变化率系数,e表示为自然数,ΔWi表示为第i+1个固定采集时间间隔内的平均温度与第i个固定采集时间间隔内平均温度间的差值,W表示为该蔬菜种类的最佳存储温度,ΔSi表示为第i+1个固定采集时间间隔内的平均湿度与第i个固定采集时间间隔内平均湿度间的差值,S表示为该蔬菜种类的最佳保存湿度值,Vgi表示为第i个固定采集时间间隔内第g个细菌种类的繁衍速率,ΔXgi表示为第i+1个固定采集时间间隔内第g个细菌种类数量与第i个固定采集时间间隔内第g个细菌种类数量的差值,Xi表示为第i个固定采集时间间隔内各细菌种类数量的累计和,T表示为各细菌种类中优先达到繁衍速率对应的突变保存时间,T预表示为运输车预计运输的时间,T′表示为平均温度大于预设的蔬菜存放的温度阈值的时间。
进一步地,所述蔬菜颜色变化率系数的计算公式为fκRe(i)、fκGr(i)和fκBl(i)分别表示为第i个固定采集时间间隔的相对红色分量变化率、相对绿色分量对比变化率和相对蓝色分量对比变化率,κRe标、κGr标、κBl标分别表示为该蔬菜种类对应的标准红色分量、标准绿色分量以及标准蓝色分量。
本发明的有益效果:
本发明提供的一种基于运输车的蔬菜质量分析系统,通过温度检测模块、湿度检测模块和细菌检测模块,可对运输车内存放箱内的蔬菜进行温度、湿度以及各细菌种类对应的数量进行检测,并结合数据处理模块,对温度、湿度以及各细菌种类对应的数量进行变化分析,以获取各检测时间间隔内平均温度、湿度以及各细菌种类对应的数量变化差值,为后期统计运输过程中存放环境对蔬菜运输存放的影响提供参考数据;
通过筛选预处理模块对图像获取模块发送的蔬菜图像进行蔬菜特征提取以及红绿蓝三色分量,提取的蔬菜特征通过分析评估模块分析采集的蔬菜图像中的蔬菜种类与数据建模模块中的蔬菜种类进行特征对比,以筛选出蔬菜图像中的蔬菜种类,并根据该蔬菜种类对应的标准红、绿、蓝分量与蔬菜图像中的对应的该蔬菜的红绿蓝分量进行对比处理,获得红、绿、蓝色分量对比率,通过红、绿、蓝色分量对比率可清楚地反应蔬菜在运输存放的工程中蔬菜颜色的变化情况,实现对蔬菜叶片颜色的分析;
通过分析评估模块并结合数据处理模块,统计平均温度、平均湿度以及各细菌种类的数量在相邻时间间隔的变化量,并统计蔬菜叶片的红、绿、蓝色分量对比率在相邻时间间隔的变化情况,采用相邻时间间隔的变化情况,能够直观地展示温度、湿度、细菌数量以及红、绿、蓝色分量对比率的变化量大小,并通过对温度、湿度、细菌数量以及各颜色分量对比率等统计蔬菜品质评估系数,展示蔬菜存放过程中品质变化,具有品质检测准确性高以及实时性佳的特点,便于管理人员直观地了解蔬菜存放过程中蔬菜的品质变化,为蔬菜的存放提供可靠的参考数据,可根据蔬菜的品质提供最佳的保存环境,使得蔬菜的品质最佳,减少蔬菜存放过程中变质数量,降低损失。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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,对于本领域普通技术人员来讲,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为本发明中一种基于运输车的蔬菜质量分析系统的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,一种基于运输车的蔬菜质量分析系统,包括温度检测模块、湿度检测模块、细菌检测模块、图像获取模块、筛选预处理模块、数据建模模块、数据处理模块、分析评估模块和显示终端;
数据处理模块分别与温度检测模块、湿度检测模块、细菌检测模块和筛选预处理模块连接,图像获取模块、筛选预处理模块和分析评估模块连接,数据建模模块分别与温度检测模块、湿度检测模块、细菌检测模块和数据处理模块连接,分析评估模块与显示终端连接,筛选预处理模块与分析评估模块连接。
温度检测模块包括若干温度传感器,用于对存储蔬菜的箱体内的温度进行检测,并将检测的蔬菜内的温度分别发送至数据建模模块和数据处理模块,其中,若干温度传感器分别分布在存放蔬菜的箱体内,以对蔬菜箱体内的各处温度进行检测;
湿度检测模块包括若干湿度传感器,用于对存储蔬菜的箱体内的湿度进行检测,并将检测的蔬菜内的湿度分别发送至数据建模模块和数据处理模块,其中,若干湿度传感器分别放置在存储蔬菜的箱体内,以对蔬菜箱体内的各处湿度进行检测;
细菌检测模块为细菌检测仪,用于对存有蔬菜的箱体内的细菌种类以及各细菌种类对应的细菌数量进行统计,并将统计的细菌种类以及各细菌种类对应的细菌数量发送至数据建模模块和数据处理模块;
图像获取模块,安装在箱体内,用于以固定采集时间间隔采集箱体内的蔬菜图像,并将采集的蔬菜图像发送至筛选预处理模块;
筛选预处理模块用于接收图像获取模块发送的蔬菜图像进行亮度调节,并对经亮度调节后的蔬菜图像进行特征提取,提取的特征构成蔬菜特征集合A(a1,a2,...,ai,...,an),ai表示为该蔬菜种类对应的第i个特征,并将提取的蔬菜特征集合A发送至分析评估模块,且筛选预处理模块接收分析评估模块发送的蔬菜种类,并根据蔬菜种类提取数据建模模块中存储的各蔬菜种类对应的标准红色分量、标准绿色分量以及标准蓝色分量,同时,提取该蔬菜图像中红色分量、绿色分量以及蓝色分量,并将提取的该蔬菜种类对应的红色分量、绿色分量以及蓝色分量分别与数据建模模块中该蔬菜种类对应的标准红色分量、标准绿色分量以及标准蓝色分量进行对比,得到红色分量对比率、绿色分量对比率以及蓝色分量对比率,并将该蔬菜种类对应的红色分量对比率、绿色分量对比率以及蓝色分量对比率发送至数据处理模块,其中,红色分量对比率、绿色分量对比率和蓝色分量对比率的计算公式为 κRe、κGr和κBl分别表示为该蔬菜图像对应的红色分量对比率、绿色分量对比率和蓝色分量对比率,Re标准、Gr标准和Bl标准分别表示为蔬菜种类对应的标准红色分量、标准绿色分量以及标准蓝色分量,Re、Gr和Bl分别表示为该蔬菜种类图像对应的红色分量、绿色分量以及蓝色分量;
数据建模模块用于输入各蔬菜种类对应的特征,将同一蔬菜种类对应的特征存储至同一存储单元,对同一存储单元中存储的同一蔬菜种类的特征进行建模,同一蔬菜种类对应的标准蔬菜叶片特征集合Bk(bk1,bk2,...,bkj,...,bkm)和蔬菜根部特征集合C(ck1,ck2,...,ckj,...,ckn),bkj表示为第k个蔬菜种类对应的第j个叶片特征,ckj表示为第k个蔬菜种类对应的第j个根部特征,且各蔬菜种类对应的叶片特征集合和根部特征集合对应的权重分别为:pbk1,pbk2,...,pbkj,...,pbkm,pck1,pck2,...,pckj,...,pckn,λ+β=1,且pbk1+pbk2+...+pbkj+...+pbkm=1,pck1+pck2+...+pckj+...+pckn=1,λ表示为叶片特征所占的比例系数,β表示为根部特征所占的比例系数,pbkj表示为第k个蔬菜种类对应的第j个叶片特征所占的权重系数,pckj表示为第k个蔬菜种类对应的第j个根部特征所占的权重系数。
其中,数据建模模块包括蔬菜数据存储单元,所述蔬菜数据存储单元用于存储各蔬菜种类在不同温度范围和湿度范围下各细菌种类的繁衍速率以及蔬菜存储的温度阈值,蔬菜存放过程中的实时温度、湿度以及细菌种类以及各细菌种类对应的数量,并存储各蔬菜种类对应的标准红色分量、标准绿色分量以及标准蓝色分量,同时,存储数据处理模块发送的各时间段内平均温度、平均湿度以及各细菌种类的平均数量。
数据处理模块用于接收温度检测模块发送的蔬菜存放箱内的实时温度,接收湿度检测模块发送的蔬菜存放箱内的实时湿度,接收细菌检测模块发送的蔬菜存放箱内的实时细菌种类以及各细菌种类对应的细菌数量,统计各固定采集时间间隔内平均温度、平均湿度以及各细菌种类的平均数量,并将统计的平均温度、平均湿度以及各细菌种类的平均数量发送至数据建模模块中的蔬菜数据存储单元;且数据处理模块将本固定采集时间间隔内的平均温度、平均湿度以及各细菌种类的平均数量分别与对应的蔬菜数据存储单元中存储的上一固定采集时间间隔的平均温度、平均湿度、细菌种类的平均数量进行对比,得到对比温度差ΔWi、对比湿度差ΔSi和对比细菌数量差ΔXgi,g表示为细菌种类的数量,i表示为第i个固定采集时间间隔,i=1,2,...,t,数据处理模块将各固定采集时间间隔的平均温度、平均湿度、细菌种类的平均数量以及对比温度差、对比湿度差和对比细菌数量差发送至分析评估模块;
同时,数据处理模块用于接收筛选预处理模块发送的各固定采集时间间隔下蔬菜种类对应的红色分量对比率、绿色分量对比率以及蓝色分量对比率,并将各固定采集时间间隔下的红色分量对比率、绿色分量对比率和蓝色分量对比率,并将下一固定采集时间间隔的红色分量对比率、绿色分量对比率和蓝色分量对比率分别与对应的上一固定采集时间间隔的红色分量对比率、绿色分量对比率和蓝色分量对比率,得到相对红色分量对比变化率fκRe(i),相对绿色分量对比变化率fκGr(i)和相对蓝色分量对比变化率fκBl(i),且i=1,2,...,t,并将统计的相对红色分量变化率、相对绿色分量对比变化率和相对蓝色分量对比变化率发送至分析评估模块;
分析评估模块用于筛选预处理模块发送的蔬菜图像中的蔬菜特征集合,并将蔬菜特征集合与数据建模模块中各蔬菜叶片特征集合和蔬菜根部特征集合进行对比,得到蔬菜种类叶片特征对比集合B′(b′k1,b′k2,...,b′kj,...,b′km)和蔬菜种类根部特征对比集合C′(c′k1,c′k2,...,c′kj,...,c′kn),统计采集图像中的蔬菜与各蔬菜种类特征间的相似度系数λ表示为叶片特征所占的比例系数,β表示为根部特征所占的比例系数,b′kj表示为第k个蔬菜种类对应的第j个叶片特征与蔬菜图像中的特征的对比情况,若蔬菜图像中的特征中包含有第k个蔬菜种类对应的第j个叶片特征,则b′kj等于1,反之,则b′kj等于0,pbkj表示为第k个蔬菜种类对应的第j个叶片特征所占的权重系数,c′kj表示为第k个蔬菜种类对应的第j个根部特征与蔬菜图像中的特征的对比情况,若蔬菜图像中的特征中包含有第k个蔬菜种类对应的第j个根部特征,则c′kj等于1,反之,则c′kj等于0,pckj表示为第k个蔬菜种类对应的第j个根部特征所占的权重系数,筛选出图像中的蔬菜与各蔬菜种类相似度系数最大的蔬菜种类,并将该蔬菜种类发送至筛选预处理模块;
分析评估模块用于接收数据处理模块发送的蔬菜运输过程中的相对红色分量变化率、相对绿色分量对比变化率和相对蓝色分量对比变化率,并接收数据处理模块发送的各固定采集时间间隔的平均温度、平均湿度、细菌种类的平均数量、对比温度差、对比湿度差以及对比细菌数量差,根据固定采集时间间隔的平均温度、平均湿度提取数据建模模块中存储的在不同温度范围和湿度范围下各细菌的繁衍速率,并将各固定采集时间间隔的平均温度与设定的蔬菜存储的温度阈值进行对比,统计蔬菜运输存放的过程中平均温度大于设定的蔬菜存储的温度阈值的时间,通过将各固定采集时间间隔的相对红色分量变化率、相对绿色分量对比变化率和相对蓝色分量对比变化率、对比温度差、对比湿度差以及对比细菌数量差以及平均温度大于预设的蔬菜存放的温度阈值的时间代入蔬菜品质评估公式,获得蔬菜运输过程中的蔬菜品质评估系数,并将蔬菜运输过程中的蔬菜品质评估系数、蔬菜颜色变化率系数以及箱体内的平均温度和湿度发送至显示终端。
其中,蔬菜品质评估公式为 表示为该蔬菜种类在运输过程中的蔬菜品质评估系数,Φ表示为蔬菜颜色变化率系数,fκRe(i)、fκGr(i)和fκBl(i)分别表示为第i个固定采集时间间隔的相对红色分量变化率、相对绿色分量对比变化率和相对蓝色分量对比变化率,κRe标、κGr标、κBl标分别表示为该蔬菜种类对应的标准红色分量、标准绿色分量以及标准蓝色分量,e表示为自然数,ΔWi表示为第i+1个固定采集时间间隔内的平均温度与第i个固定采集时间间隔内平均温度间的差值,W表示为该蔬菜种类的最佳存储温度,ΔSi表示为第i+1个固定采集时间间隔内的平均湿度与第i个固定采集时间间隔内平均湿度间的差值,S表示为该蔬菜种类的最佳保存湿度值,Vgi表示为第i个固定采集时间间隔内第g个细菌种类的繁衍速率,ΔXgi表示为第i+1个固定采集时间间隔内第g个细菌种类数量与第i个固定采集时间间隔内第g个细菌种类数量的差值,Xi表示为第i个固定采集时间间隔内各细菌种类数量的累计和,T表示为各细菌种类中优先达到繁衍速率对应的突变保存时间,T预表示为运输车预计运输的时间,T′表示为平均温度大于预设的蔬菜存放的温度阈值的时间,蔬菜品质评估系数越高,表明蔬菜的品质越差;
显示终端用于接收分析评估模块发送的蔬菜运输过程中的蔬菜品质评估系数、蔬菜颜色变化率系数以及箱体内的平均温度和湿度,并对接收的蔬菜运输过程中的蔬菜品质评估系数、蔬菜颜色变化率系数以及箱体内的平均温度和湿度进行显示,便于运输管理人员直观综合地掌握在运输过程中蔬菜的品质变化情况。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (6)
1.一种基于运输车的蔬菜质量分析系统,包括温度检测模块、湿度检测模块、细菌检测模块、图像获取模块和显示终端;
所述温度检测模块包括若干温度传感器,用于对存储蔬菜的箱体内的温度进行检测,并将检测的蔬菜内的温度分别发送至数据建模模块和数据处理模块;
所述湿度检测模块包括若干湿度传感器,用于对存储蔬菜的箱体内的湿度进行检测,并将检测的蔬菜内的湿度分别发送至数据建模模块和数据处理模块;
所述细菌检测模块为细菌检测仪,用于对存有蔬菜的箱体内的细菌种类以及各细菌种类对应的细菌数量进行统计,并将统计的细菌种类以及各细菌种类对应的细菌数量发送至数据建模模块和数据处理模块;
所述图像获取模块,安装在箱体内,用于以固定采集时间间隔采集箱体内的蔬菜图像,并将采集的蔬菜图像发送至筛选预处理模块,其特征在于:
还包括筛选预处理模块、数据建模模块、数据处理模块和分析评估模块;
所述数据处理模块分别与温度检测模块、湿度检测模块、细菌检测模块和筛选预处理模块连接,图像获取模块、筛选预处理模块和分析评估模块连接,数据建模模块分别与温度检测模块、湿度检测模块、细菌检测模块和数据处理模块连接,分析评估模块与显示终端连接,筛选预处理模块与分析评估模块连接;
所述筛选预处理模块用于接收图像获取模块发送的蔬菜图像进行亮度调节,并对经亮度调节后的蔬菜图像进行特征提取,提取的特征构成蔬菜特征集合,并将提取的蔬菜特征集合发送至分析评估模块,且筛选预处理模块接收分析评估模块发送的蔬菜种类,并根据蔬菜种类提取数据建模模块中存储的各蔬菜种类对应的标准红色分量、标准绿色分量以及标准蓝色分量以及提取该蔬菜图像中红色分量、绿色分量以及蓝色分量,统计蔬菜图像对应的红色分量对比率、绿色分量对比率以及蓝色分量对比率,并将该蔬菜种类对应的红色分量对比率、绿色分量对比率以及蓝色分量对比率发送至数据处理模块;
所述数据建模模块用于输入各蔬菜种类对应的标准蔬菜叶片特征集合Bk(bk1,bk2,...,bkj,...,bkm)和蔬菜根部特征集合C(ck1,ck2,...,ckj,...,ckn),bkj表示为第k个蔬菜种类对应的第j个叶片特征,ckj表示为第k个蔬菜种类对应的第j个根部特征,且数据建模模块包括蔬菜数据存储单元,所述蔬菜数据存储单元用于存储各蔬菜种类在不同温度范围和湿度范围下各细菌种类的繁衍速率以及蔬菜存储的温度阈值,蔬菜存放过程中的实时温度、湿度以及细菌种类以及各细菌种类对应的数量,并存储各蔬菜种类对应的标准红色分量、标准绿色分量以及标准蓝色分量,同时,存储数据处理模块发送的各时间段内平均温度、平均湿度以及各细菌种类的平均数量;
所述数据处理模块用于接收温度检测模块发送的蔬菜存放箱内的实时温度,接收湿度检测模块发送的蔬菜存放箱内的实时湿度,接收细菌检测模块发送的蔬菜存放箱内的实时细菌种类以及各细菌种类对应的细菌数量,统计各固定采集时间间隔内平均温度、平均湿度以及各细菌种类的平均数量,并将统计的平均温度、平均湿度以及各细菌种类的平均数量发送至数据建模模块中的蔬菜数据存储单元,且将下一固定采集时间间隔内的平均温度、平均湿度以及各细菌种类的平均数量分别与上一固定采集时间间隔的平均温度、平均湿度、细菌种类的平均数量进行对比,得到对比温度差ΔWi、对比湿度差ΔSi和对比细菌数量差ΔXgi,g表示为细菌种类的数量,i表示为第i个固定采集时间间隔,i=1,2,...,t,数据处理模块将各固定采集时间间隔的平均温度、平均湿度、细菌种类的平均数量以及对比温度差、对比湿度差和对比细菌数量差发送至分析评估模块;
同时,数据处理模块用于接收筛选预处理模块发送的各固定采集时间间隔下蔬菜种类对应的红色分量对比率、绿色分量对比率以及蓝色分量对比率,并将各固定采集时间间隔下的红色分量对比率、绿色分量对比率和蓝色分量对比率,并将下一固定采集时间间隔的红色分量对比率、绿色分量对比率和蓝色分量对比率分别与对应的上一固定采集时间间隔的红色分量对比率、绿色分量对比率和蓝色分量对比率,得到相对红色分量对比变化率fκRe(i),相对绿色分量对比变化率fκGr(i)和相对蓝色分量对比变化率fκBl(i),且i=1,2,...,t,并将统计的相对红色分量变化率、相对绿色分量对比变化率和相对蓝色分量对比变化率发送至分析评估模块;
所述分析评估模块用于筛选预处理模块发送的蔬菜图像中的蔬菜特征集合,并将蔬菜特征集合与数据建模模块中各蔬菜叶片特征集合和蔬菜根部特征集合进行对比,得到蔬菜种类叶片特征对比集合B′(b′k1,b′k2,...,b′kj,...,b′km)和蔬菜种类根部特征对比集合C′(c′k1,c′k2,...,c′kj,...,c′kn),统计采集图像中的蔬菜与各蔬菜种类特征间的相似度系数,筛选出图像中的蔬菜与各蔬菜种类相似度系数最大的蔬菜种类,并将该蔬菜种类发送至筛选预处理模块;
所述分析评估模块用于接收数据处理模块发送的蔬菜运输过程中的相对红色分量变化率、相对绿色分量对比变化率和相对蓝色分量对比变化率,并接收数据处理模块发送的各固定采集时间间隔的平均温度、平均湿度、细菌种类的平均数量、对比温度差、对比湿度差以及对比细菌数量差,根据固定采集时间间隔的平均温度、平均湿度提取数据建模模块中存储的在不同温度范围和湿度范围下各细菌的繁衍速率,并将各固定采集时间间隔的平均温度与设定的蔬菜存储的温度阈值进行对比,统计蔬菜运输存放的过程中平均温度大于设定的蔬菜存储的温度阈值的时间,通过将各固定采集时间间隔的相对红色分量变化率、相对绿色分量对比变化率和相对蓝色分量对比变化率、对比温度差、对比湿度差以及对比细菌数量差以及平均温度大于预设的蔬菜存放的温度阈值的时间代入蔬菜品质评估公式,获得蔬菜运输过程中的蔬菜品质评估系数,并将蔬菜运输过程中的蔬菜品质评估系数、蔬菜颜色变化率系数以及箱体内的平均温度和湿度发送至显示终端;
所述显示终端用于接收分析评估模块发送的蔬菜运输过程中的蔬菜品质评估系数、蔬菜颜色变化率系数以及箱体内的平均温度和湿度,并对接收的蔬菜运输过程中的蔬菜品质评估系数、蔬菜颜色变化率系数以及箱体内的平均温度和湿度进行显示。
3.根据权利要求1所述的一种基于运输车的蔬菜质量分析系统,其特征在于:各蔬菜种类对应的叶片特征集合和根部特征集合对应的权重分别为:pbk1,pbk2,...,pbkj,...,pbkm,pck1,pck2,...,pckj,...,pckn,λ+β=1,且pbk1+pbk2+...+pbkj+...+pbkm=1,pck1+pck2+...+pckj+...+pckn=1,λ表示为叶片特征所占的比例系数,β表示为根部特征所占的比例系数,pbkj表示为第k个蔬菜种类对应的第j个叶片特征所占的权重系数,pckj表示为第k个蔬菜种类对应的第j个根部特征所占的权重系数。
4.根据权利要求3所述的一种基于运输车的蔬菜质量分析系统,其特征在于:采集图像中的蔬菜与各蔬菜种类特征间的相似度系数的计算公式为λ表示为叶片特征所占的比例系数,β表示为根部特征所占的比例系数,b′kj表示为第k个蔬菜种类对应的第j个叶片特征与蔬菜图像中的特征的对比情况,若蔬菜图像中的特征中包含有第k个蔬菜种类对应的第j个叶片特征,则b′kj等于1,反之,则b′kj等于0,pbkj表示为第k个蔬菜种类对应的第j个叶片特征所占的权重系数,c′kj表示为第k个蔬菜种类对应的第j个根部特征与蔬菜图像中的特征的对比情况,若蔬菜图像中的特征中包含有第k个蔬菜种类对应的第j个根部特征,则c′kj等于1,反之,则c′kj等于0,pckj表示为第k个蔬菜种类对应的第j个根部特征所占的权重系数。
5.根据权利要求1所述的一种基于运输车的蔬菜质量分析系统,其特征在于:所述蔬菜品质评估公式为 表示为该蔬菜种类在运输过程中的蔬菜品质评估系数,Φ表示为蔬菜颜色变化率系数,e表示为自然数,ΔWi表示为第i+1个固定采集时间间隔内的平均温度与第i个固定采集时间间隔内平均温度间的差值,W表示为该蔬菜种类的最佳存储温度,ΔSi表示为第i+1个固定采集时间间隔内的平均湿度与第i个固定采集时间间隔内平均湿度间的差值,S表示为该蔬菜种类的最佳保存湿度值,Vgi表示为第i个固定采集时间间隔内第g个细菌种类的繁衍速率,ΔXgi表示为第i+1个固定采集时间间隔内第g个细菌种类数量与第i个固定采集时间间隔内第g个细菌种类数量的差值,Xi表示为第i个固定采集时间间隔内各细菌种类数量的累计和,T表示为各细菌种类中优先达到繁衍速率对应的突变保存时间,T预表示为运输车预计运输的时间,T′表示为平均温度大于预设的蔬菜存放的温度阈值的时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910916863.6A CN110648069B (zh) | 2019-09-26 | 2019-09-26 | 一种基于运输车的蔬菜质量分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910916863.6A CN110648069B (zh) | 2019-09-26 | 2019-09-26 | 一种基于运输车的蔬菜质量分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110648069A true CN110648069A (zh) | 2020-01-03 |
CN110648069B CN110648069B (zh) | 2020-08-14 |
Family
ID=68992798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910916863.6A Active CN110648069B (zh) | 2019-09-26 | 2019-09-26 | 一种基于运输车的蔬菜质量分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110648069B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111397296A (zh) * | 2020-04-08 | 2020-07-10 | 陈树贤 | 一种基于大数据的冰箱清洁管理系统 |
CN111594881A (zh) * | 2020-06-01 | 2020-08-28 | 朱永凤 | 一种基于大数据的智能燃气灶检测与控制系统 |
CN111664922A (zh) * | 2020-06-16 | 2020-09-15 | 肇庆市汇嘉纸品包装有限公司 | 基于一种纸箱和纸板质量检测系统 |
CN112034910A (zh) * | 2020-08-24 | 2020-12-04 | 苏州苏朗智能科技有限公司 | 一种基于大数据的物流容器监控平台 |
CN113447084A (zh) * | 2021-08-31 | 2021-09-28 | 季华实验室 | 预估食品货架期的检测装置、系统、方法和存储介质 |
CN115130965A (zh) * | 2022-07-11 | 2022-09-30 | 武汉泽瑞小包总商贸有限公司 | 一种基于中央厨房的菜品冷藏运输配送监测管理云平台 |
US20230115574A1 (en) * | 2020-03-31 | 2023-04-13 | Daikin Industries, Ltd. | Adjustment system and adjustment method |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102564593A (zh) * | 2011-12-30 | 2012-07-11 | 河海大学常州校区 | 基于计算机视觉及物联网的植物生长状况监测系统 |
CN104077725A (zh) * | 2014-07-14 | 2014-10-01 | 内蒙古德辰信息网络科技有限责任公司 | 马铃薯种植物联网监测、控制及信息服务云平台综合系统 |
CN104572804A (zh) * | 2013-10-24 | 2015-04-29 | Tcl集团股份有限公司 | 一种视频物体检索的方法及其系统 |
CN204811881U (zh) * | 2015-07-24 | 2015-12-02 | 重庆桑华电子商务有限公司 | 一种农产品保鲜装置 |
US20160178440A1 (en) * | 2014-12-19 | 2016-06-23 | Fujitsu Limited | Management system |
CN107942955A (zh) * | 2017-09-29 | 2018-04-20 | 怀化学院 | 一种基于物联网云平台的农业管控系统 |
CN108982788A (zh) * | 2018-06-07 | 2018-12-11 | 沈同平 | 一种基于大数据的中药材质量评估系统 |
CN109799772A (zh) * | 2019-01-07 | 2019-05-24 | 重庆水利电力职业技术学院 | 一种红阳猕猴桃溃疡病预警控制系统及方法 |
CN110133202A (zh) * | 2019-05-20 | 2019-08-16 | 梁志鹏 | 一种智能厨房的食材监测新鲜度的方法及装置 |
CN110187653A (zh) * | 2019-04-08 | 2019-08-30 | 华北水利水电大学 | 一种基于LoRa分层传输的农作物病虫害监测系统及操作方法 |
-
2019
- 2019-09-26 CN CN201910916863.6A patent/CN110648069B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102564593A (zh) * | 2011-12-30 | 2012-07-11 | 河海大学常州校区 | 基于计算机视觉及物联网的植物生长状况监测系统 |
CN104572804A (zh) * | 2013-10-24 | 2015-04-29 | Tcl集团股份有限公司 | 一种视频物体检索的方法及其系统 |
CN104077725A (zh) * | 2014-07-14 | 2014-10-01 | 内蒙古德辰信息网络科技有限责任公司 | 马铃薯种植物联网监测、控制及信息服务云平台综合系统 |
US20160178440A1 (en) * | 2014-12-19 | 2016-06-23 | Fujitsu Limited | Management system |
CN204811881U (zh) * | 2015-07-24 | 2015-12-02 | 重庆桑华电子商务有限公司 | 一种农产品保鲜装置 |
CN107942955A (zh) * | 2017-09-29 | 2018-04-20 | 怀化学院 | 一种基于物联网云平台的农业管控系统 |
CN108982788A (zh) * | 2018-06-07 | 2018-12-11 | 沈同平 | 一种基于大数据的中药材质量评估系统 |
CN109799772A (zh) * | 2019-01-07 | 2019-05-24 | 重庆水利电力职业技术学院 | 一种红阳猕猴桃溃疡病预警控制系统及方法 |
CN110187653A (zh) * | 2019-04-08 | 2019-08-30 | 华北水利水电大学 | 一种基于LoRa分层传输的农作物病虫害监测系统及操作方法 |
CN110133202A (zh) * | 2019-05-20 | 2019-08-16 | 梁志鹏 | 一种智能厨房的食材监测新鲜度的方法及装置 |
Non-Patent Citations (1)
Title |
---|
王献锋 等: ""基于叶片图像和环境信息的黄瓜病害识别方法"", 《农业工程学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230115574A1 (en) * | 2020-03-31 | 2023-04-13 | Daikin Industries, Ltd. | Adjustment system and adjustment method |
CN111397296A (zh) * | 2020-04-08 | 2020-07-10 | 陈树贤 | 一种基于大数据的冰箱清洁管理系统 |
CN111594881A (zh) * | 2020-06-01 | 2020-08-28 | 朱永凤 | 一种基于大数据的智能燃气灶检测与控制系统 |
CN111664922A (zh) * | 2020-06-16 | 2020-09-15 | 肇庆市汇嘉纸品包装有限公司 | 基于一种纸箱和纸板质量检测系统 |
CN112034910A (zh) * | 2020-08-24 | 2020-12-04 | 苏州苏朗智能科技有限公司 | 一种基于大数据的物流容器监控平台 |
CN113447084A (zh) * | 2021-08-31 | 2021-09-28 | 季华实验室 | 预估食品货架期的检测装置、系统、方法和存储介质 |
CN115130965A (zh) * | 2022-07-11 | 2022-09-30 | 武汉泽瑞小包总商贸有限公司 | 一种基于中央厨房的菜品冷藏运输配送监测管理云平台 |
CN115130965B (zh) * | 2022-07-11 | 2023-11-24 | 河北太行农牧供应链有限公司 | 一种基于中央厨房的菜品冷藏运输配送监测管理云平台 |
Also Published As
Publication number | Publication date |
---|---|
CN110648069B (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110648069B (zh) | 一种基于运输车的蔬菜质量分析系统 | |
Gomes et al. | Applications of computer vision techniques in the agriculture and food industry: a review | |
CN112978128B (zh) | 基于大数据和图像分析技术的冷链物流运输商品品质监测管理系统 | |
Sabzi et al. | Non-destructive estimation of physicochemical properties and detection of ripeness level of apples using machine vision | |
CN115266736B (zh) | 一种茂谷柑霉变的快速识别方法 | |
CN114140695B (zh) | 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统 | |
CN111881864A (zh) | 一种智慧农业种植农作物生长全周期全动态监测管理系统 | |
CN111476153A (zh) | 一种水果成熟度计算方法 | |
CN115063105A (zh) | 一种果蔬流通中智能数据分析监测系统及方法 | |
CN114169618A (zh) | 基于机器视觉学习的猕猴桃成熟度无损鉴别预测方法 | |
WO2023197496A1 (zh) | 一种机采棉脱叶效果综合评价指标监测与评价方法及系统 | |
CN112541659A (zh) | 一种基于大数据的农业种植农产品品质信息采集共享系统 | |
KR100800597B1 (ko) | 후지 사과의 당도 측정방법 및 당도 판정판 | |
Xia et al. | Non-invasive measurement of soluble solid content and pH in Kyoho grapes using a computer vision technique | |
CN111077146A (zh) | 一种蔬菜品质质量评估系统 | |
Wijethunga et al. | Digital image analysis based automated kiwifruit counting technique | |
Gaikwad et al. | Multi-spectral imaging for fruits and vegetables | |
Badr et al. | Estimating growing season length using vegetation indices based on remote sensing: A case study for vineyards in Washington State | |
Khairunniza-Bejo et al. | Chokanan mango sweetness determination using hsb color space | |
Behera et al. | Image processing based detection & size estimation of fruit on mango tree canopies | |
CN115616034A (zh) | 一种检测食物新鲜度方法及系统 | |
CN110702168A (zh) | 一种基于大数据的蔬菜质量安全评估系统 | |
Ali et al. | Potential use of digital photographic technique to examine wild blueberry ripening in relation to time of harvest | |
Hashim et al. | A numerical analysis of correlation between sucrose level measurement and near-infrared (NIR) for various grades of watermelon ripeness | |
Amaral | Benchmarking new methods for estimation of quantity and harvest timing of the mango crop |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200721 Address after: 314500 Lianhuabang 120, Wufeng Village, Chongfu Town, Tongxiang City, Jiaxing City, Zhejiang Province Applicant after: TONGXIANG CHANGXIN AGRICULTURAL MACHINERY SPECIALIZED COOPERATIVES Address before: 230000 5b2105, Bo'ao Liyuan, West 2nd Ring Road, Shushan District, Hefei City, Anhui Province Applicant before: Zhang Xinxin |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |