CN111325241A - 果蔬分类方法、装置、智能传感器及计算机存储介质 - Google Patents

Abstract

本申请提供了一种果蔬分类方法、装置、智能传感器和计算机存储介质，首先通过智能传感器获取目标果蔬的目标信息数据；接着，通过所述智能传感器对所述目标信息数据进行计算，确定所述目标果蔬的种类数据和质量数据，所述质量数据包括外形分数、成熟度分数以及损伤度分数；之后，通过所述智能传感器对所述目标果蔬的种类数据和质量数据进行计算得到所述目标果蔬对应的目标分类策略；最后，根据所述目标分类策略对所述目标果蔬进行分类。可以自动对不同的果蔬进行识别，并基于不同的果蔬执行个性化分类策略，大大提升了果蔬检测的效率的同时，还提升了果蔬分类的准确性。

Description

果蔬分类方法、装置、智能传感器及计算机存储介质

技术领域

本申请涉及农产品分类领域，特别是一种果蔬分类方法、装置、智能传感器及计算机存储介质。

背景技术

随着技术的发展，目前在农产品分类领域，第一种分类方法是依赖人工分类，但肉眼和经验的分类方法终究效率不高且十分局限；第二种分类方法，可以使用自动分拣设备对农产品进行分类，但目前的自动分拣设备大多基于农产品的外形进行分类，如大小、重量以及色泽等，无法对农产品的内部质量进行识别，使用起来较为局限。

发明内容

基于上述问题，本申请提出了一种果蔬分类方法、装置、智能传感器及计算机存储介质，可以自动对不同的果蔬进行识别，并基于不同的果蔬执行个性化分类策略，大大提升了果蔬检测的效率的同时，还提升了果蔬分类的准确性。

本申请实施例第一方面提供了一种果蔬分类方法，所述方法包括：

通过智能传感器获取目标果蔬的目标信息数据；

通过所述智能传感器对所述目标信息数据进行计算，确定所述目标果蔬的种类数据和质量数据，所述质量数据包括外形分数、成熟度分数以及损伤度分数；

通过所述智能传感器对所述目标果蔬的种类数据和质量数据进行计算得到所述目标果蔬对应的目标分类策略；

根据所述目标分类策略对所述目标果蔬进行分类。

本申请实施例第二方面提供了一种果蔬分类装置，所述装置包括处理单元和通信单元，所述处理单元用于：通过智能传感器获取目标果蔬的目标信息数据；通过所述智能传感器对所述目标信息数据进行计算，确定所述目标果蔬的种类数据和质量数据，所述质量数据包括外形分数、成熟度分数以及损伤度分数；通过所述智能传感器对所述目标果蔬的种类数据和质量数据进行计算得到所述目标果蔬对应的目标分类策略；根据所述目标分类策略对所述目标果蔬进行分类。

本申请实施例第三方面提供了一种智能传感器，包括微处理器、通信接口，以及一个或多个程序，所述一个或多个程序被配置由所述微处理器执行，所述程序包括用于执行如本申请实施例第一方面所述的方法中全部或部分步骤的指令。

本申请实施例第四方面提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如本申请实施例第一方面任一项所描述的方法。

本申请实施例第五方面提供了一种计算机产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。

通过实施上述申请实施例，可以得到以下有益效果：

上述果蔬分类方法、装置、智能传感器和计算机存储介质，首先通过智能传感器获取目标果蔬的目标信息数据；接着，通过所述智能传感器对所述目标信息数据进行计算，确定所述目标果蔬的种类数据和质量数据，所述质量数据包括外形分数、成熟度分数以及损伤度分数；之后，通过所述智能传感器对所述目标果蔬的种类数据和质量数据进行计算得到所述目标果蔬对应的目标分类策略；最后，根据所述目标分类策略对所述目标果蔬进行分类。可以自动对不同的果蔬进行识别，并基于不同的果蔬执行个性化分类策略，大大提升了果蔬检测的效率的同时，还提升了果蔬分类的准确性。

附图说明

为了更清楚地说明本发明实施例技术方案，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1a为本申请实施例提供的果蔬分类方法的系统构架图；

图1b为本申请实施例提供的一种智能传感器的结构示意图；

图2为本申请实施例提供的一种果蔬分类方法的流程示意图；

图3为本申请实施例提供的一种智能传感器的结构示意图；

图4为本申请实施例提供的一种果蔬分类装置的功能单元组成框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本申请实施例所涉及到的智能传感器可以是具备通信能力和数据处理能力的传感器，该智能传感器可以为各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(UserEquipment，UE)，移动台(Mobile Station，MS)，终端设备(terminal device)等等，需要说明的是，上述智能传感器内置了微处理器，可以对采集到的目标果蔬的相关信息进行分析得到分析结果，无需再经过其他处理器对采集到的相关信息进行处理。

传统的计算机视觉技术是由传感器采集信息，然后发送给后台处理，由信号处理模块进行效果处理，再从信号处理模块传输到计算机视觉模块进行处理。区别于现有常规传感器采集数据发给后端设备的机制，本申请提供的智能传感器是传感器和计算机视觉模块的结合，智能传感器直接本地进行数据处理，即由智能传感器进行数据采集、分析处理得到识别结果，以及基于该识别结果的进行特定控制相关分拣装置完成对目标果蔬的分类，且该智能传感器的内部算法可以通过平台更新优化。本申请的整体架构如图1a所示。

智能传感器100可以通过信息采集模块110采集目标果蔬的目标信息数据，上述目标信息数据可以包括图像数据、气味数据、重量数据、辐射数据以及光谱数据等，上述信息采集模块110可以将采集到的目标信息数据传输到传感器/计算机视觉模块120；传感器/计算机视觉模块120可以对该目标信息数据进行处理，然后再根据处理结果执行一系列特定操作。另外，智能传感器100还可以将采集的原始的目标信息数据，或者传感器/计算机视觉模块120处理过后的处理结果传输给后台，后台中的信号处理模块再对接收到的处理结果进行进一步处理。

具体的，结合图1b对上述智能传感器进行详细说明，图1b为本申请实施例提供的一种智能传感器100的结构示意图，上述智能传感器100包括信息采集模块110、前端处理模块120和计算机视觉芯片130，上述前端处理模块120包括至少一个传感器单元121、模拟信号处理电路122和模数转换电路123；计算机视觉芯片130包括数字信号处理器131、至少一个人工智能处理器132和存储器133。

其中，上述至少一个传感器单元121，与模拟信号处理电路122相连，用于接收测量信号，也即信息采集模块110采集到的目标果蔬的目标信息数据，将上述测量信号转换为电信号，并将上述电信号传输至上述模拟信号处理电路122。

其中，上述模拟信号处理电路122，与上述模数转换电路123相连，用于对上述电信号进行模拟信号处理，并将模拟处理结果传输至模数转换电路123。

其中，上述模数转换电路123，用于将上述模拟处理结果转换为数字信号并输出。

其中，上述数字信号处理器131，用于根据上述前端处理模块120生成的上述电信号进行数字信号处理，并输出数字信号处理结果。

其中，上述存储器133，用于对上述数字信号处理结果进行存储，上述存储器133包括一个共享区和n个独享区。

上述共享区用于存储各类需要进行特定信号处理(例如格式转换、效果处理)的信息，如图像信息需要进行二值化处理。举例来说，以图像数据为例，智能传感器中100的信号采集模块110可以包括像素单元阵列(也即信号采集模块)、模拟信号处理电路、模数转换电路、控制电路、接口电路等。外界光照射像素单元阵列，发生光电效应，在像素单元阵列内产生相应的电荷，即图像传感单元获取光信号，并将光信号转换为电信号，对电信号进行模拟信号处理，在时钟电路的控制下，将上述模拟处理结果转换为数字信号，控制电路控制数字信号通过接口电路将数字信号传输至存储器的共享区，同理，在获取气味数据、重量数据、辐射数据以及光谱数据时也可以在经过对应处理后保存至上述共享区。

上述独享区，用于存储特定信息，上述特定信息可以包括目标果蔬的分拣需求信息，如需要轻拿轻放的目标果蔬、不需要轻拿轻放的目标果蔬等，如此，可以针对不同的目标果蔬，在对分拣装置进行控制时，进行特定化的差异性的控制，上述特定信息可以包括特定类型的信息，例如，辐射信息比较特殊，不需要进行前端处理，人工智能处理器132可以进行直接使用。

其中，上述人工智能处理器132，用于从存储器133中获取特定信息或数字信号处理结果，并根据上述特定信息或数字信号处理结果，执行相应的人工智能处理操作，得到上述目标果蔬的分类策略。

通过上述系统架构，可以自动对不同的果蔬进行识别，并基于不同的果蔬执行个性化分类策略，大大提升了果蔬检测的效率的同时，还提升了果蔬分类的准确性。

下面结合图2对本申请实施例中的一种果蔬分类方法作详细说明，图2为本申请实施例提供的一种果蔬分类方法的流程示意图，具体包括以下步骤：

步骤201，通过智能传感器获取目标果蔬的目标信息数据。

其中，上述目标信息数据可以包括图像数据、气味数据、重量数据、辐射数据和光谱数据等，上述智能传感器可以包括摄像头阵列和气体传感器阵列，上述目标果蔬可以为进入到上述摄像头阵列拍摄范围和上述气体传感器阵列获取气味范围的任意果蔬，为保证识别准确性，在预设时间段中，上述智能传感器的感知范围内只出现一个目标果蔬，上述图像数据可以包括正视图、俯视图、侧视图等，用于全方位观察上述目标果蔬，上述图像数据还可以为光谱成像，包括多光谱、高光谱、超光谱3类。高光谱成像技术可同时获取空间以及光谱信息，其图像数据可以反映了目标果蔬的外部特征、表面缺陷等，上述气味数据表示目标果蔬产生的气体数据，为保证识别准确性，可以通过上述智能传感器在狭小的空间内获取上述目标果蔬的气味数据，保持气味数据的稳定性。

具体的，上述智能传感器中的摄像头阵列可以包括红外线摄像头、电荷耦合器件(Charge Coupled Device，CCD)组成，可以在黑暗条件下获取清晰的目标果蔬的图像，上述智能传感器可以呈分布式排列，以便获取到目标果蔬的完整的图像数据和气味数据。

可选的，上述目标信息数据可以包括重量数据，上述智能传感器可以包括称重传感器，可以检测上述目标果蔬的重量。

可选的，上述目标信息数据可以包括辐射数据，目标果蔬的辐射数据也可以反映其质量。

通过智能传感器获取目标果蔬的目标信息数据，可以采集到更准确的目标果蔬的图像数据、气味数据、重量数据、辐射数据和光谱数据等目标信息数据，提升分类的准确性。

步骤202，通过所述智能传感器对所述目标信息数据进行计算，确定所述目标果蔬的种类数据和质量数据。

其中，可以将上述目标信息数据输入上述智能传感器，上述智能传感器可以通过内置的相关算法输出上述目标果蔬的种类数据和质量。

可选的，可以通过上述智能传感器中的果蔬识别模型对上述目标信息数据进行计算，上述果蔬识别模型可以内置在上述智能传感器的处理模块中，可以为经过训练的深度神经网络，上述果蔬识别模型可以为卷积神经网络模型，包括图像识别模块、气味识别模块、重量识别模块、辐射识别模块和光谱识别模块等，当图像数据输入上述图像识别模块时，上述图像识别模块可以对同一目标果蔬的多张图像进行分析，获取到该目标果蔬的种类数据和外形数据，上述种类数据可以包括种类学名、种类对应的平均尺寸以及生长时节等，上述外形数据可以包括外形大小、颜色以及表面纹理等；当气味数据输入上述气味识别模块时，上述气味识别模块可以对上述目标果蔬的气味数据进行识别分析，同时，上述重量识别模块、上述辐射识别模块和上述光谱识别模块也可以对上述重量数据、辐射数据以及上述光谱数据进行识别分析，最终得到该目标果蔬的成熟度数据和损伤度数据。上述质量数据包括了根据上述种类数据、外形数据、成熟度数据和损伤度数据来得到的外形分数、成熟度分数以及损伤度分数。

具体的，在训练上述果蔬识别模型时，可以利用已经标注好的果蔬的图像数据、气味数据、重量数据、辐射数据和光谱数据进行训练，不同的果蔬可以具备不同的特征，如形状特征、颜色特征等，上述果蔬识别模型经过训练后可以对获取到的目标果蔬的图像进行识别，确定其图像中形状特征和颜色特征对应的果蔬种类，并输出为上述目标果蔬的种类数据，上述种类数据可以包括目标果蔬的种类和该种类对应的预设分类策略，举例来说，目标果蔬为苹果时，预设分类策略可以为按照成熟度优先的原则进行分类，目标为茄子时，预设分类策略可以为按照外形大小优先的原则来进行分类，需要说明的是，目标果蔬可以无对应的预设分类策略，此时预设分类策略为空；上述果蔬识别模型经过训练后可以对获取到的目标果蔬的气味数据、重量数据、辐射数据和光谱数据中任意一种或任意组合进行识别，可以根据上述目标果蔬的气体成分、重量、辐射信息、光谱信息来确定上述目标果蔬的成熟度数据和损伤度数据，上述成熟度数据可以包括未熟期、半熟期、成熟期等，上述损伤度数据可以包括无损伤、轻微损伤、中等损伤以及重度损伤等，由于果蔬在成熟度不同时其散发的气味、光谱等会有显著差异，且，若果蔬出现损伤时，会产生呼吸加强的现象，可以称之为“伤呼吸”现象，“伤呼吸”时的气味也会发生变化，所以上述智能传感器可根据不同的气味、重量、辐射、光谱等确定上述目标果蔬的成熟度分数和损伤度分数；最后，基于预设质量评价规则、上述外形数据、上述成熟度数据和上述损伤度数据得到上述质量数据，其中，上述预设质量评价规则可以包括外形评价规则、成熟度评价规则和损伤度评价规则，上述质量数据包括外形分数、成熟度分数以及损伤度分数，需要说明的是，上述果蔬识别模型还会输图像数据的识别置信度和上述气味数据的识别置信度，上述两种识别置信度表示上述果蔬识别模型输出结果的可信程度，之后可以基于上述预设质量评价规则的外形评价规则和上述图像数据的识别置信度计算上述外形数据对应的外形权重；基于上述预设质量评价规则的成熟度评价规则和上述气味数据的识别置信度计算上述成熟度数据对应的成熟度权重；基于上述预设质量评价规则的损伤度评价规则和上述气味数据的识别置信度计算上述损伤度数据对应的损伤度权重；基于上述外形权重、上述成熟度权重和上述损伤度权重计算得到上述目标果蔬的外形分数、成熟度分数以及损伤度分数。

可选的，还可以通过上述智能传感器获取上述种类数据和上述质量数据对应的推荐分类策略，将上述推荐分类策略作为上述目标分类策略。上述推荐分类策略可以包括历史分类策略，将该目标果蔬的种类对应的历史分类策略，上述历史分类策略可以保存在数据库中，在上述智能传感器识别出目标果蔬的种类时，可以从数据库中调用与该种类数据和质量数据存在映射关系的历史分类策略作为该目标果蔬的目标分类策略。

通过上述智能传感器将上述目标信息数据输入果蔬识别模型，根据上述果蔬识别模型的输出确定上述目标果蔬的种类数据和质量数据，可以识别出目标果蔬的种类和质量，大大提升对目标果蔬分类的准确性。

步骤203，通过所述智能传感器对所述目标果蔬的种类数据和质量数据进行计算得到所述目标果蔬对应的目标分类策略。

其中，可以先获取上述种类数据对应的预设分类策略，上述预设分类策略包括外形优先策略、成熟度优先策略以及损伤度优先策略中的任一项或任意组合；接着，获取上述预设分类策略对应的上述质量数据中的目标质量分数，上述目标质量分数包括上述目标果蔬的外形分数、成熟度分数以及损伤度分数中的任一种或任意组合；最后，基于上述目标质量分数确定上述目标分类策略。

需要说明的是，上述目标分类策略本质上可以为从上述预设分类策略中选取的任意一种预设分类策略或多种预设分类策略组合，包括外形优先策略、成熟度优先策略以及损伤度优先策略中的任一项或任意组合，上述外形优先策略可以为按照大小或颜色等外形数据进行分类的策略，上述成熟度优先策略可以为按照成熟度的高低进行分类的策略，上述损伤度优先策略可以为按照损伤度的高低进行分类的策略，在执行上述目标分类策略时可以设定多个梯度阈值，不同的梯度阈值之间对应的是不同的分类区域，举例来说，若上述目标分类策略为外形优先策略，该外形优先策略可以包括大小优先、形状美观优先、纹理整齐优先等任意一种标准或任意标准组合，可以理解，大小优先标准为按照目标果蔬的大小进行分类，大于一定尺寸阈值的目标果蔬可以分类至大型果蔬区域，小于一定尺寸阈值的目标果蔬可以分类至小型果蔬区域，处于一定尺寸阈值中的目标果蔬可以分类至普通果蔬区域，当需要采用外形优先策略中的多种标准组合来分类时，可以计算大小得分、美观得分以及纹理得分等，然后综合上述每种得分得到一个综合外形得分，根据综合外形得分对目标果蔬进行分类；若上述目标分类策略为成熟度优先策略，则上述梯度阈值可以为成熟度相关的梯度阈值，分为未成熟阈值、半成熟阈值和成熟阈值，可以将处于未成熟阈值之下的目标果蔬分类至未成熟区域，将处于未成熟阈值之上和半成熟阈值之下的目标果蔬分类至半成熟区域，将处于半成熟阈值之上和成熟阈值之下的目标果蔬分类至成熟区域；若上述目标分类策略为损伤度优先策略，上述损伤度优先策略可以包括表面损伤、内部损伤或表面内部都存在损伤的组合损伤，每种损伤种类都可以对应不同的损伤等级，如表面损伤等级、内部损伤等级以及组合损伤等级等，上述三种损伤等级可以为多段损伤分数阈值，每段损伤分数阈值可以对应不同的分类区域，可以先确定目标果蔬的损伤种类，然后获取该损伤种类对应的损伤分数，再根据损伤分数在多段损伤分数阈值的范围，确定其损伤分类区域。

通过所述智能传感器对所述目标果蔬的种类数据和质量数据进行计算得到所述目标果蔬对应的目标分类策略，可以为不同的目标果蔬提供针对性的目标分类策略，大大提升了分类的准确性。

步骤204，根据所述目标分类策略对所述目标果蔬进行分类。

其中，可以根据所述目标分类策略确定所述目标果蔬对应的目标分类区域，并通过位移装置使所述目标果蔬进入所述目标分类区域完成分类，上述目标分类区域可以包括成熟度分类区域、外形分类区域、损伤度分类区域以及其他分类区域，需要说明的是，上述，目标分类区域可以根据用户的习惯。

具体的，可以通过分类装置执行上述目标分类策略对上述目标果蔬进行分类，上述分类装置可以为机械臂或推拉装置等可以让上述目标果蔬产生位移的装置，举例来说，当上述目标分类策略为外形优先策略时，可以将外形分数超过一定阈值的目标果蔬移动至外形优良的区域，将外形分数未超过一定阈值的目标果蔬移动至外形一般的区域，且可以预先设定多个外形等级的区域，上述外形等级与上述外形分数存在对应关系，将目标果蔬分类至与其外形分数匹配的外形等级区域即可，同理，根据成熟度优先策略、损伤度优先策略以及多种策略的组合对目标果蔬进行分类，使其进入对应的区域即可完成分类。

通过上述步骤，可以自动对不同的果蔬进行识别，并基于不同的果蔬执行个性化分类策略，大大提升了果蔬检测的效率的同时，还提升了果蔬分类的准确性。

下面结合图3对本申请实施例中的智能传感器300做详细说明，上述智能传感器包括微处理器301和通信接口302，上述微处理器301和上述通信接口可以通过总线303相互连接，上述总线303可以是外设部件互连标准(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture，简称EISA)总线等。总线303可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。其中，还存在一个或多个计算机程序，上述计算机程序包括程序指令，所述微处理器301被配置用于调用所述程序指令，执行以下步骤的方法：

通过智能传感器获取目标果蔬的目标信息数据；

通过所述智能传感器对所述目标信息数据进行计算，确定所述目标果蔬的种类数据和质量数据，所述质量数据包括外形分数、成熟度分数以及损伤度分数；

通过所述智能传感器对所述目标果蔬的种类数据和质量数据进行计算得到所述目标果蔬对应的目标分类策略；

根据所述目标分类策略对所述目标果蔬进行分类。

首先通过智能传感器获取目标果蔬的目标信息数据；接着，通过所述智能传感器对所述目标信息数据进行计算，确定所述目标果蔬的种类数据和质量数据，所述质量数据包括外形分数、成熟度分数以及损伤度分数；之后，通过所述智能传感器对所述目标果蔬的种类数据和质量数据进行计算得到所述目标果蔬对应的目标分类策略；最后，根据所述目标分类策略对所述目标果蔬进行分类。可以自动对不同的果蔬进行识别，并基于不同的果蔬执行个性化分类策略，大大提升了果蔬检测的效率的同时，还提升了果蔬分类的准确性。

在一个可能的示例中，所述目标信息数据包括图像数据、气味数据、重量数据、辐射数据和光谱数据中的任一种或任意组合；在所述通过所述智能传感器对所述目标信息数据进行计算，确定所述目标果蔬的种类数据和质量数据方面，所述程序中的指令具体用于执行以下操作：

通过所述智能传感器对所述图像数据进行识别，确定所述目标果蔬的种类数据和外形数据；

通过所述智能传感器对所述气味数据、所述重量数据、所述辐射数据和所述光谱数据中的任一种或任意组合进行识别，确定所述目标果蔬的成熟度数据和损伤度数据；

基于预设质量评价规则、所述外形数据、所述成熟度数据和所述损伤度数据得到所述质量数据。

在一个可能的示例中，在所述基于预设质量评价规则、所述外形数据、所述成熟度数据和所述损伤度数据得到所述质量数据方面，所述程序中的指令具体用于执行以下操作：

基于所述预设质量评价规则的外形评价规则和所述图像数据的识别置信度计算所述外形数据对应的外形权重；

基于所述预设质量评价规则的成熟度评价规则和所述气味数据的识别置信度计算所述成熟度数据对应的成熟度权重；

基于所述预设质量评价规则的损伤度评价规则和所述气味数据的识别置信度计算所述损伤度数据对应的损伤度权重；

基于所述外形权重、所述成熟度权重和所述损伤度权重计算得到所述目标果蔬的外形分数、成熟度分数以及损伤度分数。

在一个可能的示例中，在所述通过所述智能传感器对所述目标果蔬的种类数据和质量数据进行计算得到所述目标果蔬对应的目标分类策略方面，所述程序中的指令具体用于执行以下操作：

获取所述种类数据对应的预设分类策略，所述预设分类策略包括外形优先策略、成熟度优先策略以及损伤度优先策略中的任一项或任意组合；

获取所述预设分类策略对应的所述质量数据中的目标质量分数，所述目标质量分数包括所述目标果蔬的外形分数、成熟度分数以及损伤度分数中的任一种或任意组合；

基于所述目标质量分数确定所述目标分类策略。

在一个可能的示例中，在所述根据所述目标分类策略对所述目标果蔬进行分类方面，所述程序中的指令具体用于执行以下操作：

根据所述目标分类策略确定所述目标果蔬对应的目标分类区域；

通过位移装置使所述目标果蔬进入所述目标分类区域完成分类。

在一个可能的示例中，在所述通过所述智能传感器对所述目标果蔬的种类数据和质量数据进行计算得到所述目标果蔬对应的目标分类策略方面，所述程序中的指令具体用于执行以下操作：

通过所述智能传感器获取所述种类数据和所述质量数据对应的推荐分类策略，将所述推荐分类策略作为所述目标分类策略。

在一个可能的示例中，所述推荐分类策略包括历史分类策略；在所述通过所述智能传感器获取所述种类数据和所述质量数据对应的推荐分类策略，将所述推荐分裂策略作为所述目标分类策略方面，所述程序中的指令具体用于执行以下操作：

从预设分类数据库中获取与所述种类数据和所述质量数据存在映射关系的历史分类策略。

上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，智能传感器为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

本申请实施例可以根据上述方法示例对智能传感器进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请实施例中对单元的划分是示意性的，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。

图4是本申请实施例提供的一种果蔬分类装置400的功能单元组成框图。所述果蔬分类装置400应用于智能传感器，包括处理单元401、通信单元402和存储单元403，其中，所述处理单元401，用于执行如上述方法实施例中的任一步骤，且在执行诸如发送等数据传输时，可选择的调用所述通信单元402和所述存储单元403来完成相应操作。下面进行详细说明。

所述处理单元401，用于通过智能传感器获取目标果蔬的目标信息数据；

通过所述智能传感器对所述目标信息数据进行计算，确定所述目标果蔬的种类数据和质量数据，所述质量数据包括外形分数、成熟度分数以及损伤度分数；

通过所述智能传感器对所述目标果蔬的种类数据和质量数据进行计算得到所述目标果蔬对应的目标分类策略；

根据所述目标分类策略对所述目标果蔬进行分类。

在一个可能的示例中，所述目标信息数据包括图像数据、气味数据、重量数据、辐射数据和光谱数据中的任一种或任意组合；在所述通过所述智能传感器对所述目标信息数据进行计算，确定所述目标果蔬的种类数据和质量数据方面，所述处理单元401具体用于：

通过所述智能传感器对所述图像数据进行识别，确定所述目标果蔬的种类数据和外形数据；

通过所述智能传感器对所述气味数据、所述重量数据、所述辐射数据和所述光谱数据中的任一种或任意组合进行识别，确定所述目标果蔬的成熟度数据和损伤度数据；

基于预设质量评价规则、所述外形数据、所述成熟度数据和所述损伤度数据得到所述质量数据。

首先通过智能传感器获取目标果蔬的目标信息数据；接着，通过所述智能传感器对所述目标信息数据进行计算，确定所述目标果蔬的种类数据和质量数据，所述质量数据包括外形分数、成熟度分数以及损伤度分数；之后，通过所述智能传感器对所述目标果蔬的种类数据和质量数据进行计算得到所述目标果蔬对应的目标分类策略；最后，根据所述目标分类策略对所述目标果蔬进行分类。可以自动对不同的果蔬进行识别，并基于不同的果蔬执行个性化分类策略，大大提升了果蔬检测的效率的同时，还提升了果蔬分类的准确性。

在一个可能的示例中，在所述基于预设质量评价规则、所述外形数据、所述成熟度数据和所述损伤度数据得到所述质量数据方面，所述处理单元401具体用于：

基于所述预设质量评价规则的外形评价规则和所述图像数据的识别置信度计算所述外形数据对应的外形权重；

基于所述预设质量评价规则的成熟度评价规则和所述气味数据的识别置信度计算所述成熟度数据对应的成熟度权重；

基于所述预设质量评价规则的损伤度评价规则和所述气味数据的识别置信度计算所述损伤度数据对应的损伤度权重；

基于所述外形权重、所述成熟度权重和所述损伤度权重计算得到所述目标果蔬的外形分数、成熟度分数以及损伤度分数。

在一个可能的示例中，在所述通过所述智能传感器对所述目标果蔬的种类数据和质量数据进行计算得到所述目标果蔬对应的目标分类策略方面，所述处理单元401具体用于：

获取所述种类数据对应的预设分类策略，所述预设分类策略包括外形优先策略、成熟度优先策略以及损伤度优先策略中的任一项或任意组合；

获取所述预设分类策略对应的所述质量数据中的目标质量分数，所述目标质量分数包括所述目标果蔬的外形分数、成熟度分数以及损伤度分数中的任一种或任意组合；

基于所述目标质量分数确定所述目标分类策略。

在一个可能的示例中，在所述根据所述目标分类策略对所述目标果蔬进行分类方面，所述处理单元401具体用于：

根据所述目标分类策略确定所述目标果蔬对应的目标分类区域；

通过位移装置使所述目标果蔬进入所述目标分类区域完成分类。

在一个可能的示例中，在所述通过所述智能传感器对所述目标果蔬的种类数据和质量数据进行计算得到所述目标果蔬对应的目标分类策略方面，所述处理单元401具体用于：

通过所述智能传感器获取所述种类数据和所述质量数据对应的推荐分类策略，将所述推荐分类策略作为所述目标分类策略。

在一个可能的示例中，在所述推荐分类策略包括历史分类策略；在所述通过所述智能传感器获取所述种类数据和所述质量数据对应的推荐分类策略，将所述推荐分裂策略作为所述目标分类策略方面，所述处理单元401具体用于：

从预设分类数据库中获取与所述种类数据和所述质量数据存在映射关系的历史分类策略。

本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括电子设备。

本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子设备。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可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，例如上述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元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，也可以采用软件功能单元的形式实现。

上述集成的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器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。

以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种果蔬分类方法，其特征在于，所述方法包括：

通过智能传感器获取目标果蔬的目标信息数据；

通过所述智能传感器对所述目标信息数据进行计算，确定所述目标果蔬的种类数据和质量数据，所述质量数据包括外形分数、成熟度分数以及损伤度分数；

通过所述智能传感器对所述目标果蔬的种类数据和质量数据进行计算得到所述目标果蔬对应的目标分类策略；

根据所述目标分类策略对所述目标果蔬进行分类。

2.根据权利要求1所述的方法，其特征在于，所述目标信息数据包括图像数据、气味数据、重量数据、辐射数据和光谱数据中的任一种或任意组合；所述通过所述智能传感器对所述目标信息数据进行计算，确定所述目标果蔬的种类数据和质量数据，包括：

通过所述智能传感器对所述图像数据进行识别，确定所述目标果蔬的种类数据和外形数据；

通过所述智能传感器对所述气味数据、所述重量数据、所述辐射数据和所述光谱数据中的任一种或任意组合进行识别，确定所述目标果蔬的成熟度数据和损伤度数据；

基于预设质量评价规则、所述外形数据、所述成熟度数据和所述损伤度数据得到所述质量数据。

3.根据权利要求2所述的方法，其特征在于，所述基于预设质量评价规则、所述外形数据、所述成熟度数据和所述损伤度数据得到所述质量数据，包括：

基于所述预设质量评价规则的外形评价规则和所述图像数据的识别置信度计算所述外形数据对应的外形权重；

基于所述预设质量评价规则的成熟度评价规则和所述气味数据的识别置信度计算所述成熟度数据对应的成熟度权重；

基于所述预设质量评价规则的损伤度评价规则和所述气味数据的识别置信度计算所述损伤度数据对应的损伤度权重；

基于所述外形权重、所述成熟度权重和所述损伤度权重计算得到所述目标果蔬的外形分数、成熟度分数以及损伤度分数。

4.根据权利要求3所述的方法，其特征在于，所述通过所述智能传感器对所述目标果蔬的种类数据和质量数据进行计算得到所述目标果蔬对应的目标分类策略，包括：

获取所述种类数据对应的预设分类策略，所述预设分类策略包括外形优先策略、成熟度优先策略以及损伤度优先策略中的任一项或任意组合；

获取所述预设分类策略对应的所述质量数据中的目标质量分数，所述目标质量分数包括所述目标果蔬的外形分数、成熟度分数以及损伤度分数中的任一种或任意组合；

基于所述目标质量分数确定所述目标分类策略。

5.根据权利要求4所述的方法，其特征在于，所述根据所述目标分类策略对所述目标果蔬进行分类，包括：

根据所述目标分类策略确定所述目标果蔬对应的目标分类区域；

通过位移装置使所述目标果蔬进入所述目标分类区域完成分类。

6.根据权利要求1所述的方法，其特征在于，所述通过所述智能传感器对所述目标果蔬的种类数据和质量数据进行计算得到所述目标果蔬对应的目标分类策略，包括：

通过所述智能传感器获取所述种类数据和所述质量数据对应的推荐分类策略，将所述推荐分类策略作为所述目标分类策略。

7.根据权利要求6所述的方法，其特征在于，所述推荐分类策略包括历史分类策略；所述通过所述智能传感器获取所述种类数据和所述质量数据对应的推荐分类策略，将所述推荐分裂策略作为所述目标分类策略，包括：

从预设分类数据库中获取与所述种类数据和所述质量数据存在映射关系的历史分类策略。

8.一种果蔬分类装置，其特征在于，所述装置包括处理单元和通信单元，所述处理单元用于：通过智能传感器获取目标果蔬的目标信息数据；通过所述智能传感器对所述目标信息数据进行计算，确定所述目标果蔬的种类数据和质量数据，所述质量数据包括外形分数、成熟度分数以及损伤度分数；通过所述智能传感器对所述目标果蔬的种类数据和质量数据进行计算得到所述目标果蔬对应的目标分类策略；根据所述目标分类策略对所述目标果蔬进行分类。

9.一种智能传感器，其特征在于，包括微处理器、通信接口，以及一个或多个程序，所述一个或多个程序被配置由所述微处理器执行，所述程序包括用于执行如权利要求1～7任一项所述的方法中的步骤的指令。

10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1～7任一项所述的方法。

Images