CN115406967B - 一种水果品质判断方法、系统、设备及储存介质 - Google Patents

一种水果品质判断方法、系统、设备及储存介质 Download PDF

Info

Publication number
CN115406967B
CN115406967B CN202211355802.5A CN202211355802A CN115406967B CN 115406967 B CN115406967 B CN 115406967B CN 202211355802 A CN202211355802 A CN 202211355802A CN 115406967 B CN115406967 B CN 115406967B
Authority
CN
China
Prior art keywords
fruit
quality
algorithm
quality problem
loss function
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.)
Active
Application number
CN202211355802.5A
Other languages
English (en)
Other versions
CN115406967A (zh
Inventor
容柏清
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.)
Hunan Wooden House Network Technology Co ltd
Original Assignee
Hunan Wooden House Network Technology 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 Hunan Wooden House Network Technology Co ltd filed Critical Hunan Wooden House Network Technology Co ltd
Priority to CN202211355802.5A priority Critical patent/CN115406967B/zh
Publication of CN115406967A publication Critical patent/CN115406967A/zh
Application granted granted Critical
Publication of CN115406967B publication Critical patent/CN115406967B/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
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/12—Analysing solids by measuring frequency or resonance of acoustic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
    • G01N29/4418—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a model, e.g. best-fit, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/01—Indexing codes associated with the measuring variable
    • G01N2291/014—Resonance or resonant frequency
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/023—Solids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/028—Material parameters
    • G01N2291/0289—Internal structure, e.g. defects, grain size, texture
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/26—Scanned objects
    • G01N2291/269—Various geometry objects
    • G01N2291/2698—Other discrete objects, e.g. bricks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Acoustics & Sound (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Signal Processing (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本申请公开了一种水果品质判断方法、系统、设备及存储介质，其中，水果品质判断方法应用于水果品质判断系统，所述水果品质判断系统包括超声波检测系统和后台，所述水果品质判断方法包括通过所述超声波检测系统检测所述水果的内部，获取所述超声波检测系统所检测到的信号；基于所述信号，得到所述水果内部的品质问题特征；基于所述后台，采用预设的算法对所述品质问题特征进行分析，得到对应的品质问题，并将所述品质问题上传至所述后台。通过对水果内部的超声波检测并利用品质问题特征采用预设的算法得到各种品质问题，能够有效判断水果内部的品质问题，且能够通过不断训练来更新算法的参数，提高准确度。

Description

一种水果品质判断方法、系统、设备及储存介质
技术领域
本申请属于数据分析技术领域，具体涉及一种水果品质判断方法、系统、设备及储存介质。
背景技术
在生鲜水果的存储中，往往会造成水果内部的品质问题产生，而通过水果的外观一般难以发现，也无法判断水果内部的品质问题是什么类型，如果将有问题的水果配送出去将会大大降低销售者的商誉，因此对水果内部的品质作判断十分必要，现有的超声波检测手段只是简单地判断水果内部存在品质问题，但是无法判断是何种类型的品质问题，因此准确度低，而且往往不能根据不同的品质问题采用不同的存储方式，造成浪费。
发明内容
本申请为了克服现有技术的不足，提供一种水果品质判断方法、系统、设备及储存介质，通过对水果内部的各种品质问题进行准确判断，及时和准确地判断出水果内部存在的品质问题，从而可以采用不同的处理方式来处理这些品质问题，且能够根据不同的品质问题对没有品质问题的水果采用不同的存储方式以避免相应的品质问题的再次发生。
为了实现上述目的，本申请采用以下技术方案：
一种水果品质判断方法，应用于水果品质判断系统，所述水果品质判断系统包括超声波检测系统和后台，所述水果品质判断方法包括：
通过所述超声波检测系统检测所述水果的内部，获取所述超声波检测系统所检测到的信号；
基于所述信号，得到所述水果内部的品质问题特征；
基于所述后台，采用预设的算法对所述品质问题特征进行分析，得到对应的品质问题，并将所述品质问题上传至所述后台；
确定所述预设的算法的步骤包括：
建立初始算法；
收集问题水果，并对所述问题水果进行处理以获得所述问题水果品质问题特征和所述问题水果品质问题；
将所述问题水果品质问题特征输入到所述初始算法；
根据所述初始算法输出的品质问题和所述问题水果品质问题，调整并修正模型中调优的迭代式过程；
重复上述迭代过程中，直到误差小于预设值或者达到预设的迭代次数后，得到所述初始算法输出的所述品质问题；
根据所述问题水果品质问题和所述品质问题，基于损失函数，得到损失函数值；
当所述损失函数值小于预设阈值，将所述初始算法作为所述预设的算法；
当所述损失函数值大于或等于预设阈值，基于损失函数值调整所述初始算法的模型参数，并给予问题水果品质问题特征重新进行模型训练，直至所述损失函数值小于所述预设阈值。
进一步地，所述信号包括频率f、声强
Figure 164680DEST_PATH_IMAGE001
和声压b，所述品质问题特征由下面公式计算得到，
Figure 252722DEST_PATH_IMAGE002
，其中T为品质问题特征。
进一步地，所述初始算法为：
Figure 50913DEST_PATH_IMAGE003
，其中，W为品质问题，m、n为模型参数。
一种水果品质判断系统，包括：
超声波检测系统，用于检测所述水果的内部，获取所述超声波检测系统所检测到的信号；
特征获取模块，用于基于所述信号，得到所述水果内部的品质问题特征；
后台，基于所述后台，采用预设的算法对所述品质问题特征进行分析，得到对应的品质问题，并将所述品质问题上传至所述后台；以及
算法模块，用于确定所述预设的算法；
其中，所述确定所述预设的算法包括：
建立初始算法；
收集问题水果，并对所述问题水果进行处理以获得所述问题水果品质问题特征和所述问题水果品质问题；
将所述问题水果品质问题特征输入到所述初始算法；
根据所述初始算法输出的品质问题和所述问题水果品质问题，调整并修正模型中调优的迭代式过程；
重复上述迭代过程中，直到误差小于预设值或者达到预设的迭代次数后，得到所述初始算法输出的所述品质问题；
根据所述问题水果品质问题和所述品质问题，基于损失函数，得到损失函数值；
当所述损失函数值小于预设阈值，将所述初始算法作为所述预设的算法；
当所述损失函数值大于或等于预设阈值，基于损失函数值调整所述初始算法的模型参数，并给予问题水果品质问题特征重新进行模型训练，直至所述损失函数值小于所述预设阈值。
进一步地，所述信号包括频率f、声强
Figure 390759DEST_PATH_IMAGE001
和声压b，所述品质问题特征由下面公式计算得到，
Figure 590796DEST_PATH_IMAGE002
，其中T为品质问题特征。
进一步地，所述初始算法为：
Figure 990685DEST_PATH_IMAGE003
，其中，W为品质问题，m、n为模型参数。
一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的水果品质判断方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时实现如上述的水果品质判断方法。
附图说明
图1为本申请的水果品质判断方法的流程图；
图2为本申请的预设的算法确定的流程图；
图3为本申请的系统的结构示意图；
图4为本申请的电子设备的结构示意图。
具体实施方式
在本申请的描述中，需要理解的是，术语等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的系统或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
本申请通过对水果内部的各种品质问题进行准确判断，及时和准确地判断出水果内部存在的品质问题，从而可以采用不同的处理方式来处理这些品质问题，且能够根据不同的品质问题对没有品质问题的水果采用不同的存储方式以避免相应的品质问题的再次发生。
在一些实施例中，提供了一种水果品质判断方法，应用于水果品质判断系统，所述水果品质判断系统包括超声波检测系统和后台，所述水果品质判断方法通过以下的步骤来实现：
S101:通过所述超声波检测系统检测所述水果的内部，获取所述超声波检测系统所检测到的信号；由于水果内部的各种问题会呈现不同的信号，比如存在腐烂的问题时该处的信号的频率会变低且声压声强均会减弱；存在虫子的问题时该处的信号的频率会变高且声压声强均会增强；
S102:基于所述信号，得到所述水果内部的品质问题特征；
S103:基于所述后台，采用预设的算法对所述品质问题特征进行分析，得到对应的品质问题，并将所述品质问题上传至所述后台;通过后台的预设算法的分析能够更加信号得到的水果内部的品质问题特征来得到对应的品质问题，从而能够准确且及时地获得水果内部的品质问题。
在一些实施例中，如图2所示，该方法确定预设的算法的步骤还包括
S201:建立初始算法；
S202:收集问题水果，并对所述问题水果进行处理以获得所述问题水果品质问题特征和所述问题水果品质问题；
S203:将所述问题水果品质问题特征输入到所述初始算法；
S204:根据所述初始算法输出的品质问题和所述问题水果品质问题，调整并修正模型中调优的迭代式过程；
S205:重复上述迭代过程中，直到误差小于预设值或者达到预设的迭代次数后，得到所述初始算法输出的所述品质问题；
S206:根据所述问题水果品质问题和所述品质问题，基于损失函数，得到损失函数值；
S207:当所述损失函数值小于预设阈值，将所述初始算法作为所述预设的算法；
S208:当所述损失函数值大于或等于预设阈值，基于损失函数值调整所述初始算法的模型参数，并给予问题水果品质问题特征重新进行模型训练，直至所述损失函数值小于所述预设阈值。
在一些实施例中，所述信号包括频率f、声强
Figure 10593DEST_PATH_IMAGE001
和声压b，所述品质问题特征由下面公式计算得到，
Figure 13184DEST_PATH_IMAGE004
，其中T为品质问题特征。
在一些实施例中，所述初始算法为：
Figure 208673DEST_PATH_IMAGE005
，其中，W为品质问题，m、n为模型参数。
在一些实施例中，本申请还提供了一种水果品质判断系统1，如图3所示，包括：
超声波检测系统11，用于检测所述水果的内部，获取所述超声波检测系统所检测到的信号；
特征获取模块12，用于基于所述信号，得到所述水果内部的品质问题特征；以及
后台13，基于所述后台，采用预设的算法对所述品质问题特征进行分析，得到对应的品质问题，并将所述品质问题上传至所述后台。
在一些实施例中，该系统1还包括：
算法模块14，用于确定所述预设的算法；
其中，所述确定所述预设的算法包括：
建立初始算法；
收集问题水果，并对所述问题水果进行处理以获得所述问题水果品质问题特征和所述问题水果品质问题；
将所述问题水果品质问题特征输入到所述初始算法；
根据所述初始算法输出的品质问题和所述问题水果品质问题，调整并修正模型中调优的迭代式过程；
重复上述迭代过程中，直到误差小于预设值或者达到预设的迭代次数后，得到所述初始算法输出的所述品质问题；
根据所述问题水果品质问题和所述品质问题，基于损失函数，得到损失函数值；
当所述损失函数值小于预设阈值，将所述初始算法作为所述预设的算法；
当所述损失函数值大于或等于预设阈值，基于损失函数值调整所述初始算法的模型参数，并给予问题水果品质问题特征重新进行模型训练，直至所述损失函数值小于所述预设阈值。
本申请通过提供一种水果判断方法和系统，通过对水果内部的各种品质问题进行准确判断，及时和准确地判断出水果内部存在的品质问题，从而可以采用不同的处理方式来处理这些品质问题，且能够根据不同的品质问题对没有品质问题的水果采用不同的存储方式以避免相应的品质问题的再次发生。
上述的水果品质判断系统可以实现为计算机程序的形式，该计算机程序可以在如图4所示的计算机设备上运行。
请参阅图4，图4是本发明实施例提供的计算机设备的示意性框图。该计算机设备可以是用于执行水果品质判断方法以使应用程序稳定运行并为客户提供服务。
参阅图4，该计算机设备300包括通过系统总线连接的处理器301、存储器和网络接口304，其中，存储器可以包括存储介质302和内存储器303。
该存储介质302可存储操作系统3021和计算机程序3022。该计算机程序3022被执行时，可使得处理器301执行水果品质判断方法，其中，存储介质302可以为易失性的存储介质或非易失性的存储介质。
该处理器301用于提供计算和控制能力，支撑整个计算机设备300的运行。
该内存储器303为存储介质302中的计算机程序3022的运行提供环境，该计算机程序3022被处理器301执行时，可使得处理器301执行水果品质判断方法。
该网络接口304用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图4中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备300的限定，具体的计算机设备300可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器301用于运行存储在存储器中的计算机程序3022，以实现上述的水果品质判断方法中对应的功能。
本领域技术人员可以理解，图4中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其它实施例中，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图4所示实施例一致，在此不再赘述。
应当理解，在本发明实施例中，处理器301可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路 (Application SpecificIntegratedCircuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为易失性或非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现上述的水果品质判断方法中所包含的步骤。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、系统和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件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来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发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备、系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，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。另外，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、系统或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所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发明实施例方案的目的。
另外，在本发明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，也可以是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。
所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存储介质中。基于这样的理解，本发明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计算机可读存储介质中，包括若干指令用以使得一台计算机设备 ( 可以是个人计算机，服务器，或者网络设备等 ) 执行本发明各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括：U 盘、移动硬盘、只读存储器 (ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
虽然已描述了某些实施方式和一般相关的方法，但是这些实施方式的更改和转变对于所属领域的技术人员来说是清楚的。因此，对示例性的实施方式的以上描述不限定或约束本发明。在不偏离所附权利要求的精神的情况下，其他改变、替换和更改也是可能的。

Claims (4)

1.一种水果品质判断方法，应用于水果品质判断系统，其特征在于，所述水果品质判断系统包括超声波检测系统和后台，所述水果品质判断方法包括：
通过所述超声波检测系统检测所述水果的内部，获取所述超声波检测系统所检测到的信号；
基于所述信号，得到所述水果内部的品质问题特征；
基于所述后台，采用预设的算法对所述品质问题特征进行分析，得到对应的品质问题，并将所述品质问题上传至所述后台；
确定所述预设的算法的步骤包括：
建立初始算法；
收集问题水果，并对所述问题水果进行处理以获得所述问题水果品质问题特征和所述问题水果品质问题；
将所述问题水果品质问题特征输入到所述初始算法；
根据所述初始算法输出的品质问题和所述问题水果品质问题，调整并修正模型中调优的迭代式过程；
重复上述迭代过程中，直到误差小于预设值或者达到预设的迭代次数后，得到所述初始算法输出的所述品质问题；
根据所述问题水果品质问题和所述品质问题，基于损失函数，得到损失函数值；
当所述损失函数值小于预设阈值，将所述初始算法作为所述预设的算法；
当所述损失函数值大于或等于预设阈值，基于损失函数值调整所述初始算法的模型参数，并给予问题水果品质问题特征重新进行模型训练，直至所述损失函数值小于所述预设阈值；
所述信号包括频率f、声强
Figure 472266DEST_PATH_IMAGE001
和声压b，所述品质问题特征由下面公式计算得到，
Figure 918160DEST_PATH_IMAGE002
，其中
Figure 406910DEST_PATH_IMAGE004
为品质问题特征；
所述初始算法为：
Figure 612763DEST_PATH_IMAGE005
，其中，
Figure DEST_PATH_IMAGE007
为品质问题，m、n为模型参数。
2.一种水果品质判断系统，其特征在于，包括：
超声波检测系统，用于检测所述水果的内部，获取所述超声波检测系统所检测到的信号；
特征获取模块，用于基于所述信号，得到所述水果内部的品质问题特征；
后台，基于所述后台，采用预设的算法对所述品质问题特征进行分析，得到对应的品质问题，并将所述品质问题上传至所述后台；以及
算法模块，用于确定所述预设的算法；
其中，所述确定所述预设的算法包括：
建立初始算法；
收集问题水果，并对所述问题水果进行处理以获得所述问题水果品质问题特征和所述问题水果品质问题；
将所述问题水果品质问题特征输入到所述初始算法；
根据所述初始算法输出的品质问题和所述问题水果品质问题，调整并修正模型中调优的迭代式过程；
重复上述迭代过程中，直到误差小于预设值或者达到预设的迭代次数后，得到所述初始算法输出的所述品质问题；
根据所述问题水果品质问题和所述品质问题，基于损失函数，得到损失函数值；
当所述损失函数值小于预设阈值，将所述初始算法作为所述预设的算法；
当所述损失函数值大于或等于预设阈值，基于损失函数值调整所述初始算法的模型参数，并给予问题水果品质问题特征重新进行模型训练，直至所述损失函数值小于所述预设阈值；
所述信号包括频率f、声强
Figure 339411DEST_PATH_IMAGE008
和声压b，所述品质问题特征由下面公式计算得到，
Figure 988829DEST_PATH_IMAGE002
，其中
Figure DEST_PATH_IMAGE009
为品质问题特征；
所述初始算法为：
Figure 433717DEST_PATH_IMAGE005
，其中，
Figure 443261DEST_PATH_IMAGE007
为品质问题，m、n为模型参数。
3.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1所述的水果品质判断方法。
4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时实现如权利要求1所述的水果品质判断方法。
CN202211355802.5A 2022-11-01 2022-11-01 一种水果品质判断方法、系统、设备及储存介质 Active CN115406967B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211355802.5A CN115406967B (zh) 2022-11-01 2022-11-01 一种水果品质判断方法、系统、设备及储存介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211355802.5A CN115406967B (zh) 2022-11-01 2022-11-01 一种水果品质判断方法、系统、设备及储存介质

Publications (2)

Publication Number Publication Date
CN115406967A CN115406967A (zh) 2022-11-29
CN115406967B true CN115406967B (zh) 2023-03-21

Family

ID=84169419

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211355802.5A Active CN115406967B (zh) 2022-11-01 2022-11-01 一种水果品质判断方法、系统、设备及储存介质

Country Status (1)

Country Link
CN (1) CN115406967B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010025715A (ja) * 2008-07-18 2010-02-04 Nippon Oil Corp 配管亀裂診断装置及び配管の亀裂診断方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102095797B (zh) * 2010-10-29 2012-10-31 华南理工大学 一种基于比较法的超声无损检测水果成熟度的方法与系统
CN102175775B (zh) * 2011-01-14 2013-05-08 河南工业大学 基于激光超声融蚀机制的粮食品质检测系统及方法
CN112115752A (zh) * 2019-06-21 2020-12-22 北京百度网讯科技有限公司 品质检测模型的训练方法和装置以及品质检测方法和装置
CN111330871B (zh) * 2020-03-31 2023-03-28 新华三信息安全技术有限公司 一种品质分类方法及装置
CN112115824A (zh) * 2020-09-07 2020-12-22 北京豆牛网络科技有限公司 果蔬检测方法、装置、电子设备以及计算机可读介质
CN113624759A (zh) * 2021-08-09 2021-11-09 西安工程大学 一种基于机器学习的苹果无损检测方法
CN115222685A (zh) * 2022-07-08 2022-10-21 哈尔滨理工大学 一种基于改进yolox模型的木材缺陷检测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010025715A (ja) * 2008-07-18 2010-02-04 Nippon Oil Corp 配管亀裂診断装置及び配管の亀裂診断方法

Also Published As

Publication number Publication date
CN115406967A (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
US10496515B2 (en) Abnormality detection apparatus, abnormality detection method, and non-transitory computer readable medium
US9332362B2 (en) Acoustic diagnosis and correction system
CN107357764B (zh) 数据分析方法、电子设备及计算机存储介质
CN113780466A (zh) 模型迭代优化方法、装置、电子设备和可读存储介质
CN109408112B (zh) 在线开发文档生成方法、装置、终端及可读存储介质
CN110580217B (zh) 软件代码健康度的检测方法、处理方法、装置及电子设备
CN109916350B (zh) 一种生成三坐标测量程序的方法、装置及终端设备
CN115406967B (zh) 一种水果品质判断方法、系统、设备及储存介质
CN113537160A (zh) 球磨机负荷测量方法、装置、电子设备和介质
US20210304786A1 (en) Sound data processing method, sound data processing device, and program
CN113867142A (zh) 传感器控制方法、装置、电子设备及存储介质
CN110633304B (zh) 组合特征筛选方法、装置、计算机设备及存储介质
CN110674104B (zh) 特征组合筛选方法、装置、计算机设备及存储介质
US20230067447A1 (en) Abnormal sound specifying device, method of specifying abnormal sound, and nontransitory computer-readable storage medium storing computer-readable instructions for arithmetic device
CN113362827B (zh) 语音识别方法、装置、计算机设备及存储介质
CN112560974B (zh) 一种信息融合、车辆信息获取方法及装置
CN107229621B (zh) 差异数据的清洗方法及装置
CN114922806A (zh) 柱塞泵的异常检测方法和装置
US20170177767A1 (en) Configuration of large scale advection diffusion models with predetermined rules
JP2019016194A (ja) 状態識別方法、状態識別装置及び状態識別プログラム
US10693570B2 (en) Device and method of analyzing a radio frequency signal
CN109857973B (zh) 红外数据滤波方法及装置
JP2009180540A (ja) パルス諸元検出装置
CN112633307A (zh) 用于光谱仪的自动化模型训练装置和自动化模型训练方法
CN116112859B (zh) 一种陶瓷扬声器的发声性能评估方法及系统

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
GR01 Patent grant
GR01 Patent grant