CN111721719A - 一种基于大数据的生鲜商品安全智能检测管理系统 - Google Patents

一种基于大数据的生鲜商品安全智能检测管理系统 Download PDF

Info

Publication number
CN111721719A
CN111721719A CN202010608750.2A CN202010608750A CN111721719A CN 111721719 A CN111721719 A CN 111721719A CN 202010608750 A CN202010608750 A CN 202010608750A CN 111721719 A CN111721719 A CN 111721719A
Authority
CN
China
Prior art keywords
commodity
fresh
safety
detection
date
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
Application number
CN202010608750.2A
Other languages
English (en)
Other versions
CN111721719B (zh
Inventor
詹晨
许强
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.)
Luo Siyang
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202010608750.2A priority Critical patent/CN111721719B/zh
Publication of CN111721719A publication Critical patent/CN111721719A/zh
Application granted granted Critical
Publication of CN111721719B publication Critical patent/CN111721719B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01N21/251—Colorimeters; Construction thereof
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • 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
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
    • G01N33/0042—SO2 or SO3
    • 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
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
    • G01N33/0044—Sulphides, e.g. H2S
    • 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
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
    • G01N33/0054—Ammonia
    • 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
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
    • G01N33/0063—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • 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)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Food Science & Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medicinal Chemistry (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于大数据的生鲜商品安全智能检测管理系统，包括商品重量检测模块、包装破损分析模块、环境参数采集模块、参数预处理模块、图像采集处理模块、图像识别分析模块、商品参数数据库、新鲜度分析模块、管理服务器和显示终端，本发明通过对商品的重量变化、温度变化、湿度变化、异味浓度、商品颜色、体积及表面是否有刮痕、霉斑因素进行综合考虑，分析商品包装破损系数、温度安全影响系数、湿度安全影响系数、异味影响系数和商品新鲜度，进行商品综合食用安全系数评估，为后期保存商品提供参考，提高了商品食用安全性的检测效率和准确性，减少了大量的人力成本，保障了商品的安全性。

Description

一种基于大数据的生鲜商品安全智能检测管理系统
技术领域
本发明涉及生鲜商品安全检测管理技术领域，涉及到一种基于大数据的生鲜商品安全智能检测管理系统。
背景技术
食品安全问题是涉及国计民生的大事，关系到人民生命财产安全和身体健康。近年来，我国发生多起食品安全事故，引起了政府和社会各界的广泛关注，也暴露出我国食品安全监管系统还存在漏洞。食品监管部门肩负着检测和保障食品安全的重要使命，但是检测效率低、检测频次低、甚至对部分不合格产品检测不出等诸多问题，逐渐暴露出来。一次性包装的生鲜商品是食品加工的一种特殊种类，包括蔬菜、水果、肉类等，其因即食性深受人们的喜爱，但生鲜商品由于其自身的特性，受温度、湿度影响大，易变质，难保鲜，因此加强对一次性包装的生鲜商品安全检测流程的管理和优化，具有重大意义。
目前的一次性包装的生鲜商品安全检测只是通过查看是否过保质期和用肉眼观测商品表面是否变质腐烂，如蔬菜类商品是否有黄叶、烂叶，水果类商品排面是否存在腐烂，肉类商品排面是否有血水等，这种检测手段准确度不高，且浪费大量的劳力，没有考虑到商品表面未腐烂而因包装破损导致商品过分失水和存放环境的温湿度变化导致商品腐败的问题，无法检测商品在保质期内的质量变化过程，鉴于此，本发明设计一种基于大数据的生鲜商品安全智能检测管理系统。
发明内容
本发明的目的在于一种基于大数据的生鲜商品安全智能检测管理系统，综合生鲜商品包装破损因素、温度影响因素、湿度影响因素、异味影响因素和新鲜度因素，对商品的综合食用安全系数进行评估，解决了背景技术提到的问题。
本发明的目的可以通过以下技术方案实现：
一种基于大数据的生鲜商品安全智能检测管理系统，包括商品重量检测模块、包装破损分析模块、环境参数采集模块、参数预处理模块、图像采集处理模块、图像识别分析模块、商品参数数据库、新鲜度分析模块、管理服务器和显示终端；
商品重量检测模块，用于根据生鲜商品的保质期，按检测日期进行重量检测，其检测方法包括以下几个步骤：
S1：根据生鲜商品的生产日期和保质期计算商品保质到期日；
S2：根据设定的划分方式将生鲜商品从生产日期当天到保质到期日这一段时间按照天数进行划分，划分为若干检测日期，并将划分的各检测日期按照预设的顺序进行编号，依次标记为t0,t1,...ti....tn；
S3：在各个检测日期进行生鲜商品重量检测，检测的重量值构成检测日期重量集合Wt(wt0,wt1,...,wti,...,wtn)，wti表示为第ti个检测日期检测的生鲜商品重量；
S4：将相邻的两个检测日期的生鲜商品重量进行对比，得到相对检测日期生鲜商品重量差，各相对检测日期重量差值构成生鲜商品相对检测日期重量差值集合ΔWt′(Δwt0′,Δwt1′,...,Δwti′,...,Δwtn-1′)，Δwti′表示为第ti′个相对检测日期的生鲜商品重量差值，其中Δwt0′＝wt1-wt0，Δwt1′＝wt2-wt1，Δwti′＝wti+1-wti，Δwtn-1′＝wtn-wtn-1，将生鲜商品相对检测日期重量差值集合发送至包装破损分析模块；
商品参数数据库，存储生鲜商品各相对检测日期重量标准差值，存储生鲜商品各包装破损等级对应的相对重量差值及各包装破损等级对应的包装破损系数λ1,λ2,λ3，存储生鲜商品贮存的适宜温度范围和湿度范围，存储硫化氢气体安全浓度阈值、氨气气体安全浓度阈值和二氧化硫气体安全浓度阈值，存储硫化氢气体比例系数、氨气气体比例系数和二氧化硫气体比例系数，存储生鲜商品新鲜时的颜色色度、体积和表面图像，存储生鲜商品表面各异常点类别对应的特征形状；
包装破损分析模块，与商品重量检测模块连接，接收商品重量检测模块发送的生鲜商品相对检测日期重量差值集合，将接收的生鲜商品各相对检测日期生鲜商品重量差值对应与商品参数数据库中存储的生鲜商品各相对检测日期生鲜商品重量标准差值进行对比，若生鲜商品某相对检测日期重量差值大于对应的生鲜商品该相对检测日期标准重量差值，则该生鲜商品包装存在破损渗漏，将生鲜商品该相对检测日期重量差值减去该相对检测日期标准重量差值，得到相对重量差值，提取商品参数数据库中生鲜商品各包装破损等级对应的相对重量差值，筛选该相对重量差值对应的包装破损等级，并发送至管理服务器；
环境参数采集模块，包括温度传感器、湿度传感器和异味气体传感器，用于对生鲜商品所处环境的环境参数进行采集，所述温度传感器用于采集生鲜商品所处环境的温度，湿度传感器用于采集生鲜商品所处环境的湿度，异味气体传感器用于检测生鲜商品的硫化氢气体浓度，氨气气体浓度和二氧化硫气体浓度，将检测的温度、湿度、硫化氢气体浓度，氨气气体浓度和二氧化硫气体浓度发送至参数预处理模块；
参数预处理模块，与环境参数采集模块连接，接收环境参数采集模块发送的温度、湿度、硫化氢气体浓度、氨气气体浓度和二氧化硫气体浓度，将接收的温度和湿度，与商品参数数据库中存储的生鲜商品贮存的适宜温度范围的和湿度范围进行对比，若接收的温度或湿度值超过适宜温度或湿度范围的上限值，其温度安全影响系数γ取值为0.85，湿度安全影响系数χ取值为0.82，若接收的温度或湿度值小于适宜温度或湿度范围的下限值，其温度安全影响系数γ取值为0.25，湿度安全影响系数χ取值为0.22，若接收的温度或湿度值处于适宜温度或湿度范围内，其温度安全影响系数γ取值为0.45，湿度安全影响系数χ取值为0.42，参数预处理模块将温度安全影响系数和湿度安全影响系数发送至管理服务器；
同时，参数预处理模块将接收的硫化氢气体浓度、氨气气体浓度和二氧化硫气体浓度分别对应与商品参数数据库中存储的硫化氢气体安全浓度阈值、氨气气体安全浓度阈值和二氧化硫气体安全浓度阈值进行对比，统计异味影响系数，并发送至管理服务器；
图像采集处理模块，包括摄像头，用于对生鲜商品透明包装内的商品进行图像采集，并将采集的商品图像进行提高对比度和图像增强处理，获得高清增强商品图像，并发送至图像识别分类模块；
图像识别分类模块，与图像采集处理模块连接，接收图像采集处理模块发送的高清增强商品图像，提取高清增强商品图像的商品颜色色度和体积，同时对高清增强商品图像中的商品表面图像进行局部放大，与商品参数数据库中存储的该生鲜商品新鲜时的表面图像进行对比，查看是否有异常点，若存在异常点，则提取其异常点的特征形状，并统计提取的异常点的特征形状与各异常点对应的特征形状的相似度，筛选相似度最高的异常点类别，当筛选的最高相似度大于设定的相似度阈值，输出相似度最高的异常点类别，异常点包括刮痕和霉点，统计该生鲜商品表面刮痕或霉斑的个数及各个刮痕的长度或霉斑的面积，构成商品表面刮痕集合Rl(rl1,rl2,...,rlk,...,rlm)和商品表面霉斑集合PS(ps1,ps2,...,psj,...,psu)，rlk表示为第k个刮痕的长度，m表示为刮痕的个数，psj表示为第j个霉斑的面积，u表示为霉斑的个数，图像识别分类模块将提取的商品颜色色度、体积、商品表面刮痕集合和商品表面霉斑集合发送至新鲜度分析模块；
新鲜度分析模块，与图像识别分类模块连接，接收图像识别分类模块发送的商品颜色色度、体积、商品表面刮痕集合和商品表面霉斑集合，提取商品参数数据库中储存的该生鲜商品新鲜时的颜色色度和体积，将接收的商品颜色色度与该生鲜商品新鲜时的颜色色度进行对比，查看颜色是否有变色，将接收的商品体积与该生鲜商品新鲜时的体积进行对比，查看体积是否皱缩，根据该生鲜商品颜色对比结果、体积对比结果和商品表面刮痕集合和商品表面霉斑集合统计商品新鲜度，并发送至管理服务器；
管理服务器，分别与包装破损分析模块、环境参数预处理模块和新鲜度分析模块连接，接收包装破损分析模块发送的包装破损等级，并提取商品参数数据库中各包装破损等级对应的包装破损系数，筛选该包装破损等级对应的包装破损系数，接收环境参数预处理模块发送的温度安全影响系数，湿度安全影响系数和异味影响系数，接收新鲜度分析模块发送的商品新鲜度，统计商品综合食用安全系数，并发送至显示终端；
显示终端，与管理服务器连接，用于接收管理服务器发送的商品综合食用安全系数，并显示。
优选地，所述所述保质到期日计算为生产日期加保质期。
进一步地，所述预设的顺序为按照距离生产日期当天的时间间隔长短进行编号，其中t0，t1，ti，tn，分别表示为距离生产日期0天，即生产日期当天，距离生产日期1天，距离生产日期i天，距离生产日期n天,即保质到期日当天。
进一步地，所述异味影响系数的计算公式为
Figure BDA0002561629670000061
qa、qb、qc分别表示为检测的硫化氢气体浓度，氨气气体浓度和二氧化硫气体浓度，qa0、qb0、qc0分别表示为硫化氢气体安全浓度、氨气气体安全浓度、二氧化硫气体安全浓度，Δqa、Δqb、Δqc分别表示为硫化氢气体浓度对比值、氨气气体浓度对比值、二氧化硫气体浓度对比值，μa、μb、μc分别表示硫化氢气体比例系数、氨气气体比例系数、二氧化硫气体比例系数。
进一步地，所述商品新鲜度的计算公式
Figure BDA0002561629670000062
C表示为商品的颜色色度，C0表示为商品新鲜时的颜色色度，V表示为商品的体积，V0表示为商品新鲜时的体积，rlk表示为第k个刮痕的长度，psj表示为第j个霉斑的面积，m表示为刮痕的个数，u表示为霉斑的个数。
进一步地，所述商品综合食用安全系数的计算公式为
Figure BDA0002561629670000063
PF表示为第F个包装破损等级对应的包装破损系数，F表示为包装破损等级，F＝1,2,3,其对应的包装破损系数分别为λ1,λ2,λ3，γ表示为温度安全影响系数，χ表示为湿度安全影响系数，η表示为异味影响系数，ξ表示为新鲜度。
有益效果：
(1)本发明通过商品重量检测模块、环境参数采集模块、图像采集处理模块从商品的重量变化、温度变化、湿度变化、异味浓度、商品颜色、体积及表面是否有刮痕、霉斑因素综合考虑，结合包装破损分析模块、参数预处理模块和新鲜度分析模块分析商品包装破损系数、温度安全影响系数、湿度安全影响系数、异味影响系数和商品新鲜度，进行商品综合食用安全系数评估，为后期保存商品提供参考，提高了商品食用安全性的检测效率和准确性，减少了大量的人力成本，降低商品变质的速度，保障了商品的安全性。
(2)本发明通过在商品重量检测模块采用按照划分的检测日期进行检测，以相邻检测日期的重量值进行对比，得到商品相对检测日期的重量差值，体现了商品在保质期内的重量变化过程，与商品各相对检测日期的标准重量差值进行对比，分析商品包装的破损程度，反映了商品包装的气密性，实现了商品包装破损程度的量化。
(3)本发明通过图像采集处理模块和图像识别分析模块，对生鲜商品透明包装内的商品进行图像采集处理识别，提取图像中商品的颜色色度、体积，并对商品表面的刮痕、霉斑进行识别，并统计刮痕的长度、个数和霉斑的面积、个数，综合以上分析商品的新鲜度，为后期建立商品综合食用安全系数提供相关参考依据。
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为本发明的模块示意图；
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，一种基于大数据的生鲜商品安全智能检测管理系统，包括商品重量检测模块、包装破损分析模块、环境参数采集模块、参数预处理模块、图像采集处理模块、图像识别分析模块、商品参数数据库、新鲜度分析模块、管理服务器和显示终端。
商品重量检测模块，用于根据生鲜商品的保质期，按检测日期进行重量检测，其检测方法包括以下几个步骤：
S1：根据生鲜商品的生产日期和保质期计算商品保质到期日，其保质到期日计算为生产日期加保质期；
S2：根据设定的划分方式将生鲜商品从生产日期当天到保质到期日这一段时间按照天数进行划分，划分为若干检测日期，并将划分的各检测日期按照预设的顺序进行编号，依次标记为t0,t1,...ti....tn，其预设的顺序为按照距离生产日期当天的时间间隔长短进行编号，其中t0，t1，ti，tn，分别表示为距离生产日期0天，即生产日期当天，距离生产日期1天，距离生产日期i天，距离生产日期n天,即保质到期日当天；
S3：在各个检测日期进行生鲜商品重量检测，检测的重量值构成检测日期重量集合Wt(wt0,wt1,...,wti,...,wtn)，wti表示为第ti个检测日期检测的生鲜商品重量；
S4：将相邻的两个检测日期的生鲜商品重量进行对比，得到相对检测日期生鲜商品重量差，各相对检测日期重量差值构成生鲜商品相对检测日期重量差值集合ΔWt′(Δwt0′,Δwt1′,...,Δwti′,...,Δwtn-1′)，Δwti′表示为第ti′个相对检测日期的生鲜商品重量差值，其中Δwt0′＝wt1-wt0，Δwt1′＝wt2-wt1，Δwti′＝wti+1-wti，Δwtn-1′＝wtn-wtn-1，将生鲜商品相对检测日期重量差值集合发送至包装破损分析模块。
商品重量检测分析模块检测的商品属于一次性透明包装的生鲜商品，一次性透明包装盒不仅能保证生鲜商品表面不受损害，同时能隔绝空气，延长生鲜商品的保鲜期，生鲜商品中水分的含量是很高的，在一次性透明包装盒气密性良好的情况下，商品存放的过程中会存在正常的水分散失即是标准重量差，不影响商品质量，当商品一次性透明包装盒破损时，商品中的水分会过分散失，导致商品变质干瘪，同时会造成商品重量下降，且检测的商品重量差值低于预设的标准重量差。
商品参数数据库，存储生鲜商品各相对检测日期重量标准差值，存储生鲜商品各包装破损等级对应的相对重量差值及各包装破损等级对应的包装破损系数λ1,λ2,λ3，存储生鲜商品贮存的适宜温度范围和湿度范围，存储硫化氢气体安全浓度阈值、氨气气体安全浓度阈值和二氧化硫气体安全浓度阈值，存储硫化氢气体比例系数、氨气气体比例系数、二氧化硫气体比例系数，存储生鲜商品新鲜时的颜色色度、体积和表面图像，存储生鲜商品表面各异常点类别对应的特征形状；
包装破损分析模块，与商品重量检测模块连接，接收商品重量检测模块发送的生鲜商品相对检测日期重量差值集合，将接收的生鲜商品各相对检测日期生鲜商品重量差值对应与商品参数数据库中存储的生鲜商品各相对检测日期生鲜商品重量标准差值进行对比，若生鲜商品某相对检测日期重量差值大于对应的生鲜商品该相对检测日期标准重量差值，则该生鲜商品包装存在破损渗漏，将生鲜商品该相对检测日期重量差值减去该相对检测日期标准重量差值，得到相对重量差值，提取商品参数数据库中生鲜商品各包装破损等级对应的相对重量差值，筛选该相对重量差值对应的包装破损等级，筛选的商品包装破损等级反映了商品包装的气密性，实现了商品包装破损程度的量化，包装破损分析模块将商品包装破损等级发送至管理服务器。
环境参数采集模块，包括温度传感器、湿度传感器和异味气体传感器，用于对生鲜商品所处环境的环境参数进行采集，所述温度传感器用于采集生鲜商品所处环境的温度，湿度传感器用于采集生鲜商品所处环境的湿度，异味气体传感器用于检测生鲜商品的硫化氢气体浓度，氨气气体浓度和二氧化硫气体浓度，将检测的温度、湿度、硫化氢气体浓度，氨气气体浓度和二氧化硫气体浓度发送至参数预处理模块。
参数预处理模块，与环境参数采集模块连接，接收环境参数采集模块发送的温度、湿度、硫化氢气体浓度、氨气气体浓度和二氧化硫气体浓度，将接收的温度和湿度，与商品参数数据库中存储的生鲜商品贮存的适宜温度范围的和湿度范围进行对比，若接收的温度或湿度值超过适宜温度或湿度范围的上限值，其温度安全影响系数γ取值为0.85，湿度安全影响系数χ取值为0.82，若接收的温度或湿度值小于适宜温度或湿度范围的下限值，其温度安全影响系数γ取值为0.25，湿度安全影响系数χ取值为0.22，若接收的温度或湿度值处于适宜温度或湿度范围内，其温度安全影响系数γ取值为0.45，湿度安全影响系数χ取值为0.42，参数预处理模块将温度安全影响系数和湿度安全影响系数发送至管理服务器。
同时，参数预处理模块将接收的硫化氢气体浓度、氨气气体浓度和二氧化硫气体浓度分别对应与商品参数数据库中存储的硫化氢气体安全浓度阈值、氨气气体安全浓度阈值和二氧化硫气体安全浓度阈值进行对比，统计异味影响系数
Figure BDA0002561629670000111
qa、qb、qc分别表示为检测的硫化氢气体浓度，氨气气体浓度和二氧化硫气体浓度，qa0、qb0、qc0分别表示为硫化氢气体安全浓度、氨气气体安全浓度、二氧化硫气体安全浓度，Δqa、Δqb、Δqc分别表示为硫化氢气体浓度对比值、氨气气体浓度对比值、二氧化硫气体浓度对比值，μa、μb、μc分别表示硫化氢气体比例系数、氨气气体比例系数、二氧化硫气体比例系数，异味影响系数越大，表明商品异味浓度越大，其参数预处理模块将统计的异味影响系数发送至管理服务器。
图像采集处理模块，包括摄像头，其摄像头为高清摄像头，用于对生鲜商品透明包装内的商品进行图像采集，并将采集的商品图像进行提高对比度和图像增强处理，获得高清增强商品图像，并发送至图像识别分类模块。
图像识别分类模块，与图像采集处理模块连接，接收图像采集处理模块发送的高清增强商品图像，提取高清增强商品图像的商品颜色色度和体积，同时对高清增强商品图像中的商品表面图像进行局部放大，与商品参数数据库中存储的该生鲜商品新鲜时的表面图像进行对比，查看是否有异常点，若存在异常点，则提取其异常点的特征形状，并统计提取的异常点的特征形状与各异常点对应的特征形状的相似度，筛选相似度最高的异常点类别，当筛选的最高相似度大于设定的相似度阈值，输出相似度最高的异常点类别，异常点包括刮痕和霉点，统计该生鲜商品表面刮痕或霉斑的个数及各个刮痕的长度或各个霉斑的面积，构成商品表面刮痕集合Rl(rl1,rl2,...,rlk,...,rlm)和商品表面霉斑集合PS(ps1,ps2,...,psj,...,psu)，rlk表示为第k个刮痕的长度，m表示为刮痕的个数，psj表示为第j个霉斑的面积，u表示为霉斑的个数，图像识别分类模块将提取的商品颜色色度、体积、商品表面刮痕集合和商品表面霉斑集合发送至新鲜度分析模块。
新鲜度分析模块，与图像识别分类模块连接，接收图像识别分类模块发送的商品颜色色度、体积、商品表面刮痕集合和商品表面霉斑集合，提取商品参数数据库中储存的该生鲜商品新鲜时的颜色色度和体积，将接收的商品颜色色度与该生鲜商品新鲜时的颜色色度进行对比，查看颜色是否有变色，将接收的商品体积与该生鲜商品新鲜时的体积进行对比，查看体积是否皱缩，根据该生鲜商品颜色对比结果、体积对比结果和商品表面刮痕集合和商品表面霉斑集合统计商品新鲜度
Figure BDA0002561629670000121
C表示为商品的颜色色度，C0表示为商品新鲜时的颜色色度，V表示为商品的体积，V0表示为商品新鲜时的体积，rlk表示为第k个刮痕的长度，psj表示为第j个霉斑的面积，m表示为刮痕的个数，u表示为霉斑的个数，商品新鲜度越高，表明商品越新鲜，新鲜度分析模块将统计的商品新鲜度发送至管理服务器。
管理服务器，分别与包装破损分析模块、环境参数预处理模块和新鲜度分析模块连接，接收包装破损分析模块发送的包装破损等级，并提取商品参数数据库中各包装破损等级对应的包装破损系数，筛选该包装破损等级对应的包装破损系数，接收环境参数预处理模块发送的温度安全影响系数，湿度安全影响系数和异味影响系数，接收新鲜度分析模块发送的商品新鲜度，统计商品综合食用安全系数
Figure BDA0002561629670000131
PF表示为第F个包装破损等级对应的包装破损系数，F表示为包装破损等级，F＝1,2,3,其对应的包装破损系数分别为λ1,λ2,λ3，γ表示为温度安全影响系数，χ表示为湿度安全影响系数，η表示为异味影响系数，ξ表示为新鲜度，商品综合食用安全系数越大，其商品综合食用安全性越好，管理服务器将统计的商品综合食用安全系数发送至显示终端。
显示终端，与管理服务器连接，用于接收管理服务器发送的商品综合食用安全系数，并显示，方便后台商品管理工作人员直观地了解商品的安全性，智能筛选即将变质的商品，同时也为后期商品存放环境、存放时间提供可靠的参考价值。
本发明通过商品重量检测模块、环境参数采集模块、图像采集处理模块从商品的重量变化、温度变化、湿度变化、异味浓度、商品颜色、体积及表面是否有刮痕、霉斑因素综合考虑，结合包装破损分析模块、参数预处理模块和新鲜度分析模块分析商品包装破损系数、温度安全影响系数、湿度安全影响系数、异味影响系数和商品新鲜度，进行商品综合食用安全系数评估，为后期保存商品提供参考，提高了商品食用安全性的检测效率和准确性，减少了大量的人力成本，降低商品变质的速度，保障了商品的安全性。
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)

1.一种基于大数据的生鲜商品安全智能检测管理系统，其特征在于：包括商品重量检测模块、包装破损分析模块、环境参数采集模块、参数预处理模块、图像采集处理模块、图像识别分析模块、商品参数数据库、新鲜度分析模块、管理服务器和显示终端；
所述商品重量检测模块，用于根据生鲜商品的保质期，按检测日期进行重量检测，其检测方法包括以下几个步骤：
S1：根据生鲜商品的生产日期和保质期计算商品保质到期日；
S2：根据设定的划分方式将生鲜商品从生产日期当天到保质到期日这一段时间按照天数进行划分，划分为若干检测日期，并将划分的各检测日期按照预设的顺序进行编号，依次标记为t0,t1,...ti....tn；
S3：在各个检测日期进行生鲜商品重量检测，检测的重量值构成检测日期重量集合Wt(wt0,wt1,...,wti,...,wtn)，wti表示为第ti个检测日期检测的生鲜商品重量；
S4：将相邻的两个检测日期的生鲜商品重量进行对比，得到相对检测日期生鲜商品重量差，各相对检测日期重量差值构成生鲜商品相对检测日期重量差值集合ΔWt′(Δwt0′,Δwt1′,...,Δwti′,...,Δwtn-1′)，Δwti′表示为第ti′个相对检测日期的生鲜商品重量差值，其中Δwt0′＝wt1-wt0，Δwt1′＝wt2-wt1，Δwti′＝wti+1-wti，Δwtn-1′＝wtn-wtn-1，将生鲜商品相对检测日期重量差值集合发送至包装破损分析模块；
所述商品参数数据库，存储生鲜商品各相对检测日期重量标准差值，存储生鲜商品各包装破损等级对应的相对重量差值及各包装破损等级对应的包装破损系数λ1,λ2,λ3，存储生鲜商品贮存的适宜温度范围和湿度范围，存储硫化氢气体安全浓度阈值、氨气气体安全浓度阈值和二氧化硫气体安全浓度阈值，存储硫化氢气体比例系数、氨气气体比例系数、二氧化硫气体比例系数，存储生鲜商品新鲜时的颜色色度、体积和表面图像，存储生鲜商品表面各异常点类别对应的特征形状；
所述包装破损分析模块，与商品重量检测模块连接，接收商品重量检测模块发送的生鲜商品相对检测日期重量差值集合，将接收的生鲜商品各相对检测日期生鲜商品重量差值对应与商品参数数据库中存储的生鲜商品各相对检测日期生鲜商品重量标准差值进行对比，若生鲜商品某相对检测日期重量差值大于对应的生鲜商品该相对检测日期标准重量差值，则该生鲜商品包装存在破损渗漏，将生鲜商品该相对检测日期重量差值减去该相对检测日期标准重量差值，得到相对重量差值，提取商品参数数据库中生鲜商品各包装破损等级对应的相对重量差值，筛选该相对重量差值对应的包装破损等级，并发送至管理服务器；
所述环境参数采集模块，包括温度传感器、湿度传感器和异味气体传感器，用于对生鲜商品所处环境的环境参数进行采集，所述温度传感器用于采集生鲜商品所处环境的温度，湿度传感器用于采集生鲜商品所处环境的湿度，异味气体传感器用于检测生鲜商品的硫化氢气体浓度，氨气气体浓度和二氧化硫气体浓度，将检测的温度、湿度、硫化氢气体浓度，氨气气体浓度和二氧化硫气体浓度发送至参数预处理模块；
所述参数预处理模块，与环境参数采集模块连接，接收环境参数采集模块发送的温度、湿度、硫化氢气体浓度、氨气气体浓度和二氧化硫气体浓度，将接收的温度和湿度，与商品参数数据库中存储的生鲜商品贮存的适宜温度范围的和湿度范围进行对比，若接收的温度或湿度值超过适宜温度或湿度范围的上限值，其温度安全影响系数γ取值为0.85，湿度安全影响系数χ取值为0.82，若接收的温度或湿度值小于适宜温度或湿度范围的下限值，其温度安全影响系数γ取值为0.25，湿度安全影响系数χ取值为0.22，若接收的温度或湿度值处于适宜温度或湿度范围内，其温度安全影响系数γ取值为0.45，湿度安全影响系数χ取值为0.42，参数预处理模块将温度安全影响系数和湿度安全影响系数发送至管理服务器；
同时，参数预处理模块将接收的硫化氢气体浓度、氨气气体浓度和二氧化硫气体浓度分别对应与商品参数数据库中存储的硫化氢气体安全浓度阈值、氨气气体安全浓度阈值和二氧化硫气体安全浓度阈值进行对比，统计异味影响系数，并发送至管理服务器；
所述图像采集处理模块，包括摄像头，用于对生鲜商品透明包装内的商品进行图像采集，并将采集的商品图像进行提高对比度和图像增强处理，获得高清增强商品图像，并发送至图像识别分类模块；
所述图像识别分类模块，与图像采集处理模块连接，接收图像采集处理模块发送的高清增强商品图像，提取高清增强商品图像的商品颜色色度和体积，同时对高清增强商品图像中的商品表面图像进行局部放大，与商品参数数据库中存储的该生鲜商品新鲜时的表面图像进行对比，查看是否有异常点，若存在异常点，则提取其异常点的特征形状，并统计提取的异常点的特征形状与各异常点对应的特征形状的相似度，筛选相似度最高的异常点类别，当筛选的最高相似度大于设定的相似度阈值，输出相似度最高的异常点类别，异常点包括刮痕和霉点，统计该生鲜商品表面刮痕或霉斑的个数及各个刮痕的长度或霉斑的面积，构成商品表面刮痕集合Rl(rl1,rl2,...,rlk,...,rlm)和商品表面霉斑集合PS(ps1,ps2,...,psj,...,psu)，rlk表示为第k个刮痕的长度，m表示为刮痕的个数，psj表示为第j个霉斑的面积，u表示为霉斑的个数，图像识别分类模块将提取的商品颜色色度、体积、商品表面刮痕集合和商品表面霉斑集合发送至新鲜度分析模块；
所述新鲜度分析模块，与图像识别分类模块连接，接收图像识别分类模块发送的商品颜色色度、体积、商品表面刮痕集合和商品表面霉斑集合，提取商品参数数据库中储存的该生鲜商品新鲜时的颜色色度和体积，将接收的商品颜色色度与该生鲜商品新鲜时的颜色色度进行对比，查看颜色是否有变色，将接收的商品体积与该生鲜商品新鲜时的体积进行对比，查看体积是否皱缩，根据该生鲜商品颜色对比结果、体积对比结果和商品表面刮痕集合和商品表面霉斑集合统计商品新鲜度，并发送至管理服务器；
所述管理服务器，分别与包装破损分析模块、环境参数预处理模块和新鲜度分析模块连接，接收包装破损分析模块发送的包装破损等级，并提取商品参数数据库中各包装破损等级对应的包装破损系数，筛选该包装破损等级对应的包装破损系数，接收环境参数预处理模块发送的温度安全影响系数，湿度安全影响系数和异味影响系数，接收新鲜度分析模块发送的商品新鲜度，统计商品综合食用安全系数，并发送至显示终端；
所述显示终端，与管理服务器连接，用于接收管理服务器发送的商品综合食用安全系数，并显示。
2.根据权利要求1所述的一种基于大数据的生鲜商品安全智能检测管理系统，其特征在于：所述保质到期日计算为生产日期加保质期。
3.根据权利要求1所述的一种基于大数据的生鲜商品安全智能检测管理系统，其特征在于：所述预设的顺序为按照距离生产日期当天的时间间隔长短进行编号，其中t0，t1，ti，tn，分别表示为距离生产日期0天，即生产日期当天，距离生产日期1天，距离生产日期i天，距离生产日期n天,即保质到期日当天。
4.根据权利要求1所述的一种基于大数据的生鲜商品安全智能检测管理系统：所述异味影响系数的计算公式为
Figure FDA0002561629660000051
qa、qb、qc分别表示为检测的硫化氢气体浓度，氨气气体浓度和二氧化硫气体浓度，qa0、qb0、qc0分别表示为硫化氢气体安全浓度、氨气气体安全浓度、二氧化硫气体安全浓度，Δqa、Δqb、Δqc分别表示为硫化氢气体浓度对比值、氨气气体浓度对比值、二氧化硫气体浓度对比值，μa、μb、μc分别表示硫化氢气体比例系数、氨气气体比例系数、二氧化硫气体比例系数。
5.根据权利要求1所述的一种基于大数据的生鲜商品安全智能检测管理系统，其特征在于：所述商品新鲜度的计算公式
Figure FDA0002561629660000052
C表示为商品的颜色色度，C0表示为商品新鲜时的颜色色度，V表示为商品的体积，V0表示为商品新鲜时的体积，rlk表示为第k个刮痕的长度，psj表示为第j个霉斑的面积，m表示为刮痕的个数，u表示为霉斑的个数。
6.根据权利要求1所述的一种基于大数据的生鲜商品安全智能检测管理系统，其特征在于：所述商品综合食用安全系数的计算公式为
Figure FDA0002561629660000061
PF表示为第F个包装破损等级对应的包装破损系数，F表示为包装破损等级，F＝1,2,3,其对应的包装破损系数分别为λ1,λ2,λ3，γ表示为温度安全影响系数，χ表示为湿度安全影响系数，η表示为异味影响系数，ξ表示为新鲜度。
CN202010608750.2A 2020-06-30 2020-06-30 一种基于大数据的生鲜商品安全智能检测管理系统 Active CN111721719B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010608750.2A CN111721719B (zh) 2020-06-30 2020-06-30 一种基于大数据的生鲜商品安全智能检测管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010608750.2A CN111721719B (zh) 2020-06-30 2020-06-30 一种基于大数据的生鲜商品安全智能检测管理系统

Publications (2)

Publication Number Publication Date
CN111721719A true CN111721719A (zh) 2020-09-29
CN111721719B CN111721719B (zh) 2021-06-29

Family

ID=72571813

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010608750.2A Active CN111721719B (zh) 2020-06-30 2020-06-30 一种基于大数据的生鲜商品安全智能检测管理系统

Country Status (1)

Country Link
CN (1) CN111721719B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112162537A (zh) * 2020-10-09 2021-01-01 苏宇航 一种基于大数据的化工生产安全在线监测预警管理系统
CN112257644A (zh) * 2020-11-02 2021-01-22 苏宇航 一种基于云计算的电子商务平台店铺商品库存智能管理系统
CN112749893A (zh) * 2021-01-08 2021-05-04 上海大学 一种基于云计算的数据挖掘服务平台
CN113095189A (zh) * 2021-04-01 2021-07-09 武汉一维路科技有限公司 基于机器视觉和数据分析的电力系统变电站运行环境安全智能监测管理系统
CN115060323A (zh) * 2022-06-28 2022-09-16 南京师大环境科技研究院有限公司 一种智慧城市环境影响评估装置及方法
CN116612180A (zh) * 2023-07-18 2023-08-18 湖南省计量检测研究院 一种可实时维护的商品量计量检验系统
CN116805239A (zh) * 2023-06-30 2023-09-26 昆明黑马软件股份有限公司 一种基于大数据的生鲜商品安全智能检测管理方法及系统
CN117309881A (zh) * 2023-10-07 2023-12-29 广东省农业科学院设施农业研究所 一种基于神经网络的水果缺陷无损检测方法及系统
CN117351292A (zh) * 2023-12-04 2024-01-05 安徽省农业科学院烟草研究所 一种基于物联网的烟草生产设施管理方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102147402A (zh) * 2011-03-08 2011-08-10 江苏大学 机器视觉技术快速检测鸡蛋新鲜度的方法
CN106766662A (zh) * 2017-01-19 2017-05-31 Tcl家用电器（合肥）有限公司 冰箱内食材监测管理方法及系统
KR20170062564A (ko) * 2015-11-27 2017-06-08 한국식품연구원 빅데이터 기반 식품 안전 데이터 분석 장치, 그 방법 및 그 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
CN107796172A (zh) * 2017-09-11 2018-03-13 珠海格力电器股份有限公司 食物过期预警方法、装置、存储介质及食物储存设备
CN108090775A (zh) * 2017-10-23 2018-05-29 深圳市赛亿科技开发有限公司 商品保质期反馈方法及系统
KR20190023723A (ko) * 2017-08-30 2019-03-08 주식회사 플렉싱크 빅데이터와 웰니스 관광지표를 활용한 관광상품 추천 시스템
CN110400092A (zh) * 2019-07-31 2019-11-01 北京金和网络股份有限公司 基于大数据的食品安全问题的识别方法及系统
CN110455343A (zh) * 2019-09-03 2019-11-15 高亚青 一种基于大数据的商品质量检测系统
CN110990680A (zh) * 2019-12-02 2020-04-10 广州诚毅科技咨询有限公司 一种基于大数据的食品信息查询系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102147402A (zh) * 2011-03-08 2011-08-10 江苏大学 机器视觉技术快速检测鸡蛋新鲜度的方法
KR20170062564A (ko) * 2015-11-27 2017-06-08 한국식품연구원 빅데이터 기반 식품 안전 데이터 분석 장치, 그 방법 및 그 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
CN106766662A (zh) * 2017-01-19 2017-05-31 Tcl家用电器（合肥）有限公司 冰箱内食材监测管理方法及系统
KR20190023723A (ko) * 2017-08-30 2019-03-08 주식회사 플렉싱크 빅데이터와 웰니스 관광지표를 활용한 관광상품 추천 시스템
CN107796172A (zh) * 2017-09-11 2018-03-13 珠海格力电器股份有限公司 食物过期预警方法、装置、存储介质及食物储存设备
CN108090775A (zh) * 2017-10-23 2018-05-29 深圳市赛亿科技开发有限公司 商品保质期反馈方法及系统
CN110400092A (zh) * 2019-07-31 2019-11-01 北京金和网络股份有限公司 基于大数据的食品安全问题的识别方法及系统
CN110455343A (zh) * 2019-09-03 2019-11-15 高亚青 一种基于大数据的商品质量检测系统
CN110990680A (zh) * 2019-12-02 2020-04-10 广州诚毅科技咨询有限公司 一种基于大数据的食品信息查询系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HANS.J.P.MARVIN等: "《Big data in food safety:A overview》", 《CRITICAL REVIEWS IN FOOD SCIENCE AND NUTRITION》 *
王博等: "基于大数据视角的肉类食品安全抽检数据分析", 《食品安全质量检测学报》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112162537A (zh) * 2020-10-09 2021-01-01 苏宇航 一种基于大数据的化工生产安全在线监测预警管理系统
CN112257644A (zh) * 2020-11-02 2021-01-22 苏宇航 一种基于云计算的电子商务平台店铺商品库存智能管理系统
CN112257644B (zh) * 2020-11-02 2021-05-11 深圳斯达领科网络科技有限公司 一种基于云计算的电子商务平台店铺商品库存智能管理系统
CN112749893A (zh) * 2021-01-08 2021-05-04 上海大学 一种基于云计算的数据挖掘服务平台
CN112749893B (zh) * 2021-01-08 2021-09-24 上海大学 一种基于云计算的数据挖掘服务平台
CN113095189A (zh) * 2021-04-01 2021-07-09 武汉一维路科技有限公司 基于机器视觉和数据分析的电力系统变电站运行环境安全智能监测管理系统
CN113095189B (zh) * 2021-04-01 2022-01-14 广东履安实业有限公司 基于机器视觉和数据分析的电力系统变电站运行环境安全智能监测管理系统
CN115060323A (zh) * 2022-06-28 2022-09-16 南京师大环境科技研究院有限公司 一种智慧城市环境影响评估装置及方法
CN115060323B (zh) * 2022-06-28 2023-09-08 南京师大环境科技研究院有限公司 一种智慧城市环境影响评估装置及方法
CN116805239B (zh) * 2023-06-30 2024-06-18 昆明黑马软件股份有限公司 一种基于大数据的生鲜商品安全智能检测管理方法及系统
CN116805239A (zh) * 2023-06-30 2023-09-26 昆明黑马软件股份有限公司 一种基于大数据的生鲜商品安全智能检测管理方法及系统
CN116612180A (zh) * 2023-07-18 2023-08-18 湖南省计量检测研究院 一种可实时维护的商品量计量检验系统
CN116612180B (zh) * 2023-07-18 2023-10-03 湖南省计量检测研究院 一种可实时维护的商品量计量检验系统
CN117309881A (zh) * 2023-10-07 2023-12-29 广东省农业科学院设施农业研究所 一种基于神经网络的水果缺陷无损检测方法及系统
CN117309881B (zh) * 2023-10-07 2024-05-17 广东省农业科学院设施农业研究所 一种基于神经网络的水果缺陷无损检测方法及系统
CN117351292A (zh) * 2023-12-04 2024-01-05 安徽省农业科学院烟草研究所 一种基于物联网的烟草生产设施管理方法及系统
CN117351292B (zh) * 2023-12-04 2024-03-08 安徽省农业科学院烟草研究所 一种基于物联网的烟草生产设施管理方法及系统

Also Published As

Publication number Publication date
CN111721719B (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN111721719B (zh) 一种基于大数据的生鲜商品安全智能检测管理系统
CN110455343B (zh) 一种基于大数据的商品质量检测系统
Abdullah et al. Discrimination and classification of fresh-cut starfruits (Averrhoa carambola L.) using automated machine vision system
CN110648069B (zh) 一种基于运输车的蔬菜质量分析系统
CN111582735B (zh) 基于大数据的仓储物流电商商品质量智能监测管理系统
Alden et al. Quality and shelf-life prediction of cauliflower under modified atmosphere packaging by using artificial neural networks and image processing
CN115266736B (zh) 一种茂谷柑霉变的快速识别方法
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
Thinh et al. Mango classification system based on machine vision and artificial intelligence
CN111738744B (zh) 一种基于大数据的食品安全智能检测预警与管理系统
CN116049756A (zh) 一种食品加工设备智能监测管理系统及方法
CN109632001B (zh) 一种物流运输过程中草莓机械伤害的监测方法
CN114648240A (zh) 一种冷链物流运输商品安全质量综合性智能分析管理系统
CN113361940B (zh) 基于在线检测数据的卷包质量综合评价方法及系统
Bollen et al. Sorting for defects
Khairunniza-Bejo et al. Chokanan mango sweetness determination using hsb color space
US20230214982A1 (en) Machine learning-based assessment of food item quality
MatIaCeVIC et al. Evaluation of blueberry color during storage by image analysis
CN111077146A (zh) 一种蔬菜品质质量评估系统
CN114972234B (zh) 一种食用菌品质监测方法及系统
CN115453045A (zh) 一种菠萝黑心病无损检测模型及无损检测方法
CN111842216A (zh) 一种基于机器视觉的农产品质量检测自动化分拣管理系统
CN100429501C (zh) 一种快速无损检测鸭梨黑心病的方法
Thong et al. Mango sorting mechanical system uses machine vision and artificial intelligence
Sabzi et al. Non-intrusive image processing Thompson orange grading methods

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Luo Siyang

Inventor after: Zhan Chen

Inventor after: Xu Qiang

Inventor before: Zhan Chen

Inventor before: Xu Qiang

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210607

Address after: Room 302, no.6, 59zhinong, Lane 3, Fuqiang street, Qibao town, Minhang District, Shanghai

Applicant after: Luo Siyang

Address before: 430000, No. 30, Jiangda Road, Jiang'an District, Wuhan City, Hubei Province

Applicant before: Zhan Chen

GR01 Patent grant
GR01 Patent grant