CN115578780B - 一种基于大数据的农产品及食品冷链溯源管理系统 - Google Patents

一种基于大数据的农产品及食品冷链溯源管理系统 Download PDF

Info

Publication number
CN115578780B
CN115578780B CN202211560727.6A CN202211560727A CN115578780B CN 115578780 B CN115578780 B CN 115578780B CN 202211560727 A CN202211560727 A CN 202211560727A CN 115578780 B CN115578780 B CN 115578780B
Authority
CN
China
Prior art keywords
information
pixel
module
cloud service
image
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
CN202211560727.6A
Other languages
English (en)
Other versions
CN115578780A (zh
Inventor
茹柏文
胡子平
谭巧彤
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.)
Guangdong Academy Of Sciences Jiangmen Industrial Technology Research Institute Co ltd
Original Assignee
Guangdong Academy Of Sciences Jiangmen Industrial Technology Research Institute 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 Guangdong Academy Of Sciences Jiangmen Industrial Technology Research Institute Co ltd filed Critical Guangdong Academy Of Sciences Jiangmen Industrial Technology Research Institute Co ltd
Priority to CN202211560727.6A priority Critical patent/CN115578780B/zh
Publication of CN115578780A publication Critical patent/CN115578780A/zh
Application granted granted Critical
Publication of CN115578780B publication Critical patent/CN115578780B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • 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
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Mining & Mineral Resources (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于大数据的农产品及食品冷链溯源管理系统，包括身份验证模块、信息上传模块和云服务模块；身份验证模块用于对溯源信息的上传人员进行身份识别处理；信息上传模块用于通过身份识别的上传人员输入溯源信息；云服务模块用于存储溯源信息；身份验证模块包括拍摄单元和身份验证单元；拍摄单元用于通过像素值变化参数和筛选处理获取上传人员的脸部图像：身份验证单元用于将脸部图像发送至云服务模块进行身份识别，以及用于接收从云服务模块返回的身份识别结果。本发明减少了发送至云服务模块中的图像的像素点的数量，有效缩短了云服务模块对各个身份验证模块发送过来的人脸图像进行人脸识别处理所需要的时间，提高了人脸识别的效率。

Description

一种基于大数据的农产品及食品冷链溯源管理系统
技术领域
本发明涉及溯源管理领域，尤其涉及一种基于大数据的农产品及食品冷链溯源管理系统。
背景技术
农产品及食品的冷链溯源包括两个方面，一是冷链，一个对温度控制要求较低的供应链系统，二是溯源，一个有溯源能力的系统，也就是说，冷链溯源就是在整个冷链供应体系下，建立一个能够对农产品及食品的生产到销售整个过程中的各个环节的信息进行追溯的系统。从安全的角度出发，冷链物品在产地、加工、仓储、物流、销售等环节的所有操作数据、流动数据、交易数据等都记录在数据库中，并可以在查询后获取相应的数据，从而实现对；冷链物流体系下的农产品及食品的追溯。
为了提高农产品及食品的冷链运输过程中各个环节的溯源的信息的可靠性，现有技术一般会对上传用于溯源的信息的人员进行人脸识别，但是，现有的人脸识别过程一般是对整幅图像进行预处理后再提取图像中的人脸区域来进行人脸识别，这就导致参与预处理过程的像素点过多，从而影响对上传溯源信息的人员进行人脸识别的速度，影响用户体验。
发明内容
本发明的目的在于公开一种基于大数据的农产品及食品冷链溯源管理系统，解决现有的农产品及食品冷链溯源管理系统在对上传用于溯源的信息的人员进行人脸识别的过程中，使用对整幅图像进行预处理的方式导致的影响人脸识别速度的问题。
为了达到上述目的，本发明采用如下技术方案：
一种基于大数据的农产品及食品冷链溯源管理系统，包括身份验证模块、信息上传模块和云服务模块；
身份验证模块用于对溯源信息的上传人员进行身份识别处理；
信息上传模块用于通过身份识别的上传人员输入溯源信息，以及用于将溯源信息发送至云服务模块；
云服务模块用于存储溯源信息；
其中，身份验证模块包括拍摄单元和身份验证单元；
拍摄单元用于通过如下过程获取上传人员的脸部图像：
对溯源信息的上传人员进行拍摄，获取上传人员的头部图像
Figure DEST_PATH_IMAGE001
；
计算
Figure 182385DEST_PATH_IMAGE001
中的像素点与参照图像
Figure 161842DEST_PATH_IMAGE002
中的像素点之间的像素值变化参数；
将像素值变化参数大于设定的参数阈值的像素点存入集合
Figure DEST_PATH_IMAGE003
；
基于集合
Figure 816945DEST_PATH_IMAGE003
对
Figure 25204DEST_PATH_IMAGE001
中的像素点进行筛选处理，获得集合
Figure 901893DEST_PATH_IMAGE004
；
由集合
Figure 802984DEST_PATH_IMAGE004
中的像素点组成上传人员的脸部图像；
身份验证单元用于将脸部图像发送至云服务模块进行身份识别，以及用于接收从云服务模块返回的身份识别结果。
作为优选，所述云服务模块还用于存储具有溯源信息上传权限的上传人员的脸部的特征信息
Figure DEST_PATH_IMAGE005
。
作为优选，所述云服务模块通过如下方式进行身份识别：
对脸部图像进行预处理，获得预处理图像；
获取预处理图像中能够包含的特征信息
Figure 945384DEST_PATH_IMAGE006
；
判断
Figure 206601DEST_PATH_IMAGE005
和
Figure 688529DEST_PATH_IMAGE006
之间的相似度是否大于设定的相似度门槛值，若是，身份识别结果为通过身份识别，若否，则身份识别结果为没有通过身份识别。
作为优选，所述云服务器还用于为溯源信息生成溯源码。
作为优选，基于大数据的农产品及食品冷链溯源管理系统还包括查询模块；
查询模块用于获取待溯源的农产品或食品的溯源码，并将溯源码发送至所述云服务模块；
所述服务模块还用于在接收到查询模块发送过来的溯源码后，向所述查询模块发送溯源码对应的溯源信息。
作为优选，所述溯源信息包括农产品或食品的产地信息、加工信息、冷藏信息、冷链运输信息、批发信息和零售信息。
作为优选，所述计算
Figure 744209DEST_PATH_IMAGE001
中的像素点与参照图像
Figure 311588DEST_PATH_IMAGE002
中的像素点之间的像素值变化参数，包括：
对于
Figure 110917DEST_PATH_IMAGE001
中的像素点
Figure DEST_PATH_IMAGE007
，将
Figure 509668DEST_PATH_IMAGE007
在
Figure 752562DEST_PATH_IMAGE002
中对应的像素点记为
Figure 72816DEST_PATH_IMAGE008
；
采用如下公式计算
Figure 410256DEST_PATH_IMAGE007
和
Figure 850465DEST_PATH_IMAGE008
之间的像素值变化参数：
Figure DEST_PATH_IMAGE009
其中，
Figure 608468DEST_PATH_IMAGE010
表示
Figure 665285DEST_PATH_IMAGE007
和
Figure 557149DEST_PATH_IMAGE008
之间的像素值变化参数，
Figure DEST_PATH_IMAGE011
表示
Figure 196072DEST_PATH_IMAGE007
在头部图像对应的分量图像T中的像素点的像素值，
Figure 780768DEST_PATH_IMAGE012
表示分量图像T中的像素点的像素值的最大值，
Figure DEST_PATH_IMAGE013
表示
Figure 872352DEST_PATH_IMAGE008
在参照图像对应的分量图像R中的像素点的像素值，
Figure 817174DEST_PATH_IMAGE014
表示分量图像R中的像素点的像素值的最大值。
作为优选，所述基于集合
Figure 260006DEST_PATH_IMAGE003
对
Figure 264871DEST_PATH_IMAGE001
中的像素点进行筛选处理，获得集合
Figure 515855DEST_PATH_IMAGE004
，包括：
在
Figure 998789DEST_PATH_IMAGE001
中对集合
Figure 549987DEST_PATH_IMAGE003
中的像素点进行连通域检测，获得多个连通域；
分别计算每个连通域与
Figure 725753DEST_PATH_IMAGE001
之间的面积比例；
将面积比例小于设定的比例阈值的连通域中的像素点存入集合
Figure DEST_PATH_IMAGE015
，将面积比例大于等于设定的比例阈值的连通域中的像素点存入集合
Figure 526350DEST_PATH_IMAGE016
；
分别通过如下方式判断集合
Figure 829287DEST_PATH_IMAGE015
中的每个像素点是否加入到集合
Figure 687521DEST_PATH_IMAGE016
中：
对于
Figure 784921DEST_PATH_IMAGE015
中的像素点
Figure DEST_PATH_IMAGE017
，采用如下公式计算其近邻参数
Figure 338394DEST_PATH_IMAGE018
：
Figure DEST_PATH_IMAGE019
其中，
Figure 507338DEST_PATH_IMAGE020
和
Figure DEST_PATH_IMAGE021
为比例参数，
Figure 564287DEST_PATH_IMAGE022
，
Figure DEST_PATH_IMAGE023
表示像素点
Figure 894905DEST_PATH_IMAGE017
与
Figure 607777DEST_PATH_IMAGE016
中的像素点的平均坐标之间的距离，
Figure 501784DEST_PATH_IMAGE024
表示
Figure 882081DEST_PATH_IMAGE015
中的像素点与平均坐标之间的距离的最大值，
Figure DEST_PATH_IMAGE025
表示
Figure 649180DEST_PATH_IMAGE017
与平均坐标对应的像素点之间的相似度，
Figure 583769DEST_PATH_IMAGE026
表示预设的相似度参考值；
判断
Figure DEST_PATH_IMAGE027
是否大于设定的近邻参数阈值，若是，则将
Figure 94516DEST_PATH_IMAGE017
加入到
Figure 47428DEST_PATH_IMAGE016
中；若否，则不将
Figure 657532DEST_PATH_IMAGE017
加入到
Figure 328685DEST_PATH_IMAGE016
中；
对
Figure 569087DEST_PATH_IMAGE015
中的像素点判断完毕后，获取集合
Figure 658397DEST_PATH_IMAGE016
中的像素点在
Figure 688670DEST_PATH_IMAGE001
中的最小外接矩形；
将最小外接矩形范围内的像素点作为集合
Figure 597851DEST_PATH_IMAGE004
的像素点。
本发明的农产品及食品冷链溯源管理系统，在对冷链运输的农产品及食品进行溯源管理个过程中，通过先在身份验证模块对上传人员的头部图像进行基于像素值变化参数的判断，然后再进行筛选处理，在保留有效信息的同时，大幅度降低了发送至云服务模块中的像素点的数量，从而有效缩短了云服务模块对各个身份验证模块发送过来的人脸图像进行人脸识别处理所需要的时间，提高了人脸识别的效率。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明一种基于大数据的农产品及食品冷链溯源管理系统的一种实施例图。
图2为本发明拍摄单元获取上传人员的脸部图像的过程的一种实施例图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
如图1所示的一种实施例，本发明提供了一种基于大数据的农产品及食品冷链溯源管理系统，包括身份验证模块、信息上传模块和云服务模块；
身份验证模块用于对溯源信息的上传人员进行身份识别处理；
信息上传模块用于通过身份识别的上传人员输入溯源信息，以及用于将溯源信息发送至云服务模块；
云服务模块用于存储溯源信息；
其中，身份验证模块包括拍摄单元和身份验证单元；
如图2所示，拍摄单元用于通过如下过程获取上传人员的脸部图像：
对溯源信息的上传人员进行拍摄，获取上传人员的头部图像
Figure 371772DEST_PATH_IMAGE001
；
计算
Figure 50009DEST_PATH_IMAGE001
中的像素点与参照图像
Figure 251183DEST_PATH_IMAGE002
中的像素点之间的像素值变化参数；
将像素值变化参数大于设定的参数阈值的像素点存入集合
Figure 647661DEST_PATH_IMAGE003
；
基于集合
Figure 959693DEST_PATH_IMAGE003
对
Figure 758016DEST_PATH_IMAGE001
中的像素点进行筛选处理，获得集合
Figure 395671DEST_PATH_IMAGE004
；
由集合
Figure 13865DEST_PATH_IMAGE004
中的像素点组成上传人员的脸部图像；
身份验证单元用于将脸部图像发送至云服务模块进行身份识别，以及用于接收从云服务模块返回的身份识别结果。
由于农产品的从种植到销售整个链条中涉及多个环节，而每个环节又涉及各个小环节，每天都有海量的溯源数据需要上传，因此，每天的身份验证的需求是很大的，如果都是直接将整幅的头部图像传输至云服务模块进行人脸识别处理，为了不影响用户体验，溯源管理系统只能通过租用更多的服务器来实现身份验证，这样显然会提高对农产品的冷链溯源的成本。而本发明则是在上传环节进行了改进，通过减少传输到云服务模块的图像的像素点的数量的方式来应对大规模的身份验证需求，从而在提高了本系统的身份验证的性能的同时，不会大幅度增加运营成本。
而食品从生产到销售所涉及的环节和农产品类似，也同样存在上面的问题。
在一种实施例中，身份验证模块和信息上传模块设置到同一个智能终端中，在农产品种植环节、加工环节、冷藏环节、冷链运输环节、批发环节和零售环节中的上传人员通过智能终端来上传溯源信息。
在一种实施例中，在食品的加工环节、冷藏环节、冷链运输环节、批发环节和零售环节中的上传人员通过智能终端来上传溯源信息。
在一种实施例中，参照图像
Figure 129589DEST_PATH_IMAGE002
为拍摄单元拍摄的不包含上传人员的背景图像。
作为优选，所述云服务模块还用于存储具有溯源信息上传权限的上传人员的脸部的特征信息
Figure 47997DEST_PATH_IMAGE028
。
在一种实施例中，上传人员在注册本发明的溯源管理系统的账号时，需要进行人脸的录入，从而将获得的脸部的特征信息发送至云服务模块进行存储。
作为优选，所述云服务模块通过如下方式进行身份识别：
对脸部图像进行预处理，获得预处理图像；
获取预处理图像中能够包含的特征信息
Figure DEST_PATH_IMAGE029
；
判断
Figure 404024DEST_PATH_IMAGE028
和
Figure 24361DEST_PATH_IMAGE029
之间的相似度是否大于设定的相似度门槛值，若是，身份识别结果为通过身份识别，若否，则身份识别结果为没有通过身份识别。
在一种实施例中，所述对脸部图像进行预处理，获得预处理图像，包括：
对脸部图像进行灰度化处理，获得灰度化图像；
使用双边滤波算法、小波降噪算法等降噪算法对灰度化图像进行降噪处理，获得降噪图像；
使用分割算法对降噪图像进行图像分割处理，获得不包含背景的预处理图像。
在人脸识别的过程中，降噪是一个时间复杂度较高的运算环节，因为涉及到指数运算以及从一个域转换到另一个域的运算等。时间复杂度较高。当需要处理的像素点的数量较多时，耗费的时间较多。因此，本发明在身份验证模块中先进行了减少像素点数量的处理，获得减少的过程均不涉及指数运算，时间复杂度比较低，与降噪处理所需要的运算时间相比，减少像素点的数量的过程所消耗的时间更少。
作为优选，所述云服务器还用于为溯源信息生成溯源码。
在一种实施例中，溯源码可以以条形码或二维码的形式粘贴到各个环节的农产品或食品中。
作为优选，基于大数据的农产品及食品冷链溯源管理系统还包括查询模块；
查询模块用于获取待溯源的农产品或食品的溯源码，并将溯源码发送至所述云服务模块；
所述服务模块还用于在接收到查询模块发送过来的溯源码后，向所述查询模块发送溯源码对应的溯源信息。
作为优选，所述溯源信息包括农产品或食品的产地信息、加工信息、冷藏信息、冷链运输信息、批发信息和零售信息。
在一种实施例中，农产品的产地信息包括农产品的品种信息、数量信息、生长环境信息、采摘时间、检验报告和从产品运输至加工地点的运输信息。
生长环境信息包括温度、湿度、光照强度、土壤酸碱度、施肥记录等。
从产品运输至加工地点的运输信息包括车牌号码、车辆行驶历史轨迹、驾驶员信息、车厢温湿度等。
在一种实施例中，食品的产地信息包括食品的原材料的生产地点。
在一种实施例中，加工信息包括加工日期、保质期、加工环境信息和加工人员等。其中加工环境信息包括加工车间的温湿度、粉尘浓度等。
在一种实施例中，冷藏信息包括仓库的环境信息、出入库时间等。
在一种实施例中，冷链运输信息包括从仓库运输至批发市场的车辆的信息、车上的冷藏设备的运行信息、装车时间、卸车时间等。
在一种实施例中，批发信息包括批发市场信息、批发时间等。
在一种实施例中，零售信息包括到店时间、质检信息期等。
作为优选，所述计算
Figure 491245DEST_PATH_IMAGE001
中的像素点与参照图像
Figure 264160DEST_PATH_IMAGE002
中的像素点之间的像素值变化参数，包括：
对于
Figure 791088DEST_PATH_IMAGE001
中的像素点
Figure 898721DEST_PATH_IMAGE007
，将
Figure 372559DEST_PATH_IMAGE007
在
Figure 718090DEST_PATH_IMAGE002
中对应的像素点记为
Figure 150339DEST_PATH_IMAGE008
；
采用如下公式计算
Figure 230422DEST_PATH_IMAGE007
和
Figure 491639DEST_PATH_IMAGE008
之间的像素值变化参数：
Figure 707987DEST_PATH_IMAGE030
其中，
Figure DEST_PATH_IMAGE031
表示
Figure 119595DEST_PATH_IMAGE007
和
Figure 467399DEST_PATH_IMAGE008
之间的像素值变化参数，
Figure 751881DEST_PATH_IMAGE032
表示
Figure 603163DEST_PATH_IMAGE007
在头部图像对应的分量图像T中的像素点的像素值，
Figure DEST_PATH_IMAGE033
表示分量图像T中的像素点的像素值的最大值，
Figure 924685DEST_PATH_IMAGE034
表示
Figure 228627DEST_PATH_IMAGE008
在参照图像对应的分量图像R中的像素点的像素值，
Figure DEST_PATH_IMAGE035
表示分量图像R中的像素点的像素值的最大值。
本发明在计算像素值变化参数时，并不是直接计算
Figure 644696DEST_PATH_IMAGE001
中的像素点和
Figure 101216DEST_PATH_IMAGE002
中对应的像素点之间的像素值的差异，而是通过先获取分量图像，然后计算
Figure 764279DEST_PATH_IMAGE007
与分量图像T中的像素点的像素值的最大值之间的比值，以及计算
Figure 40671DEST_PATH_IMAGE008
与分量图像R中的像素点的像素值的最大值之间的比值，最后再计算获得的两个比值之间的差值。从而大幅度提高在本发明在不同的光照环境下的适用性。如果直接计算像素值的差异，那么当获取
Figure 181802DEST_PATH_IMAGE008
的光照环境与获取
Figure 492829DEST_PATH_IMAGE007
的光照环境发生变化时，获得的脸部图像的结果的准确率便会快速降低，影响本发明的人脸识别的效率。由于是比值关系，即使光照条件发生改变，本发明一样能够获得正确反映像素点
在
Figure 326793DEST_PATH_IMAGE007
和
Figure 356060DEST_PATH_IMAGE008
之间的像素值的变化情况的像素值变化参数。像素值变化参数越大，则表示像素点属于上传人员的脸部的像素点的概率越大。但是并不是所有像素值变化参数大的像素点都是脸部的像素点，因此，本发明还设置了后续的筛选环节。
在一种实施例中，分量图像T为
Figure 300882DEST_PATH_IMAGE007
在Lab颜色空间中的分量L所对应的图像，而分量图像R为
Figure 466415DEST_PATH_IMAGE008
在Lab颜色空间中的分量L所对应的图像。
在另一种实施例中，分量图像T为
Figure 471280DEST_PATH_IMAGE007
在RGB颜色空间中的分量G所对应的图像，而分量图像R为
Figure 722264DEST_PATH_IMAGE007
在RGB颜色空间中的分量G所对应的图像。
上面的分量图像仅作为举例说明，不构成限定，还可以是其它能够实现本发明的上述效果的其它类型的图像。
作为优选，所述基于集合
Figure 470777DEST_PATH_IMAGE003
对
Figure 756396DEST_PATH_IMAGE001
中的像素点进行筛选处理，获得集合
Figure 666583DEST_PATH_IMAGE004
，包括：
在
Figure 670443DEST_PATH_IMAGE001
中对集合
Figure 707800DEST_PATH_IMAGE003
中的像素点进行连通域检测，获得多个连通域；
分别计算每个连通域与
Figure 97193DEST_PATH_IMAGE001
之间的面积比例；
将面积比例小于设定的比例阈值的连通域中的像素点存入集合
Figure 194593DEST_PATH_IMAGE015
，将面积比例大于等于设定的比例阈值的连通域中的像素点存入集合
Figure 669437DEST_PATH_IMAGE016
；
分别通过如下方式判断集合
Figure 510485DEST_PATH_IMAGE015
中的每个像素点是否加入到集合
Figure 488805DEST_PATH_IMAGE016
中：
对于
Figure 10967DEST_PATH_IMAGE015
中的像素点
Figure 238686DEST_PATH_IMAGE036
，采用如下公式计算其近邻参数
Figure DEST_PATH_IMAGE037
：
Figure 945742DEST_PATH_IMAGE038
其中，
Figure DEST_PATH_IMAGE039
和
Figure 139088DEST_PATH_IMAGE040
为比例参数，
Figure DEST_PATH_IMAGE041
，
Figure 640608DEST_PATH_IMAGE042
表示像素点
Figure 90044DEST_PATH_IMAGE036
与
Figure 741736DEST_PATH_IMAGE016
中的像素点的平均坐标之间的距离，
Figure DEST_PATH_IMAGE043
表示
Figure 38856DEST_PATH_IMAGE015
中的像素点与平均坐标之间的距离的最大值，
Figure 898228DEST_PATH_IMAGE044
表示
Figure 320113DEST_PATH_IMAGE036
与平均坐标对应的像素点
Figure DEST_PATH_IMAGE045
之间的相似度，
Figure 368972DEST_PATH_IMAGE046
表示预设的相似度参考值；
判断
Figure DEST_PATH_IMAGE047
是否大于设定的近邻参数阈值，若是，则将
Figure 255019DEST_PATH_IMAGE036
加入到
Figure 285292DEST_PATH_IMAGE016
中；若否，则不将
Figure 194474DEST_PATH_IMAGE036
加入到
Figure 702815DEST_PATH_IMAGE016
中；
对
Figure 912211DEST_PATH_IMAGE015
中的像素点判断完毕后，获取集合
Figure 378964DEST_PATH_IMAGE016
中的像素点在
Figure 775442DEST_PATH_IMAGE001
中的最小外接矩形；
将最小外接矩形范围内的像素点作为集合
Figure 103786DEST_PATH_IMAGE004
的像素点。
本发明获取脸部图像的过程是一个粗提取的过程，最终获得的脸部图像中依然会包含部分背景的像素点，但是与整幅头部图像相比，本发明的发送至云服务模块的像素点的数量已经大幅度减少。
为了能够提高获取脸部图像的效率，本发明通过先进行连通域检测，然后再对连通域较小的像素点进行进一步的判断的方式来尽可能排除
Figure 151376DEST_PATH_IMAGE003
中距离上传人员的脸部较远的像素点。因为这样的像素点可能是由于光照环境改变引起的像素值的较为大幅度的变化，由于后续需要获取最小外接矩形，如果保留这样的像素点存在，那么会导致最终获得的脸部图像中的像素点的数量的减少效果不够好，依然会保留大部分的背景的像素点。
在进一步的判断的过程中，本发明从当前进行判断的像素点与平均坐标的距离，以及与平均坐标所对应的像素点的之间的相似度进行加权计算，使得近邻参数能够选出距离平均坐标近，且相似度高的像素点加入到
Figure 274184DEST_PATH_IMAGE016
中。
在一种实施例中，
Figure 407225DEST_PATH_IMAGE036
与平均坐标对应的像素点之间的相似度采用如下公式进行计算：
Figure DEST_PATH_IMAGE049
其中，
Figure 601578DEST_PATH_IMAGE050
分别表示
Figure 531705DEST_PATH_IMAGE036
在
Figure DEST_PATH_IMAGE051
中对应的像素点的像素值；
Figure 684469DEST_PATH_IMAGE052
分别表示
Figure DEST_PATH_IMAGE053
在
Figure 117855DEST_PATH_IMAGE051
中对应的像素点的像素值。其中，
Figure 788002DEST_PATH_IMAGE054
为
Figure 544605DEST_PATH_IMAGE001
在RGB颜色空间中的红色分量的图像，
Figure DEST_PATH_IMAGE055
为
Figure 337112DEST_PATH_IMAGE001
在RGB颜色空间中的绿色分量的图像，
Figure 195478DEST_PATH_IMAGE056
为
Figure 653004DEST_PATH_IMAGE001
在RGB颜色空间中的蓝色分量的图像。
本发明在计算相似度时，并不是从单一维度的像素值进行计算，而是从三个分量综合计算，从而获得准确的相似度评估结果。
本发明的农产品及食品冷链溯源管理系统，在对冷链运输的农产品或食品进行溯源管理个过程中，通过先在身份验证模块对上传人员的头部图像进行基于像素值变化参数的判断，然后再进行筛选处理，在保留有效信息的同时，大幅度降低了发送至云服务模块中的像素点的数量，从而有效缩短了云服务模块对各个身份验证模块发送过来的人脸图像进行人脸识别处理所需要的时间，提高了人脸识别的效率。
在一种实施例中，基于大数据的农产品及食品冷链溯源管理系统还包括大数据分析模块，大数据分析模块用于采用大数据技术对溯源信息进行监测，从而及时发现异常的农产品或食品，阻止异常的农产品或食品流向市场。
例如，通过对冷链运输信息进行大数据分析，判断出农产品或食品在冷链运输的过程中由于冷藏温度不符合要求，已经存在变质的风险，此时，大数据分析模块便向当前环节的工作人员发出警告提示。
尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。
需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路（ASIC）、数字信号处理器（DSP）、数字信号处理设备（DSPD）、可编程逻辑器件（PLD）、现场可编程门阵列（FPGA）、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。
实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。

Claims (7)

1.一种基于大数据的农产品及食品冷链溯源管理系统，其特征在于，包括身份验证模块、信息上传模块和云服务模块；
身份验证模块用于对溯源信息的上传人员进行身份识别处理；
信息上传模块用于通过身份识别的上传人员输入溯源信息，以及用于将溯源信息发送至云服务模块；
云服务模块用于存储溯源信息；
其中，身份验证模块包括拍摄单元和身份验证单元；
拍摄单元用于通过如下过程获取上传人员的脸部图像：
对溯源信息的上传人员进行拍摄，获取上传人员的头部图像
Figure QLYQS_1
；
计算
Figure QLYQS_2
中的像素点与参照图像
Figure QLYQS_3
中的像素点之间的像素值变化参数；
将像素值变化参数大于设定的参数阈值的像素点存入集合
Figure QLYQS_4
；
基于集合
Figure QLYQS_5
对
Figure QLYQS_6
中的像素点进行筛选处理，获得集合
Figure QLYQS_7
；
由集合
Figure QLYQS_8
中的像素点组成上传人员的脸部图像；
身份验证单元用于将脸部图像发送至云服务模块进行身份识别，以及用于接收从云服务模块返回的身份识别结果；
所述基于集合
Figure QLYQS_9
对
Figure QLYQS_10
中的像素点进行筛选处理，获得集合
Figure QLYQS_11
，包括：
在
Figure QLYQS_12
中对集合
Figure QLYQS_13
中的像素点进行连通域检测，获得多个连通域；
分别计算每个连通域与
Figure QLYQS_14
之间的面积比例；
将面积比例小于设定的比例阈值的连通域中的像素点存入集合
Figure QLYQS_15
，将面积比例大于等于设定的比例阈值的连通域中的像素点存入集合
Figure QLYQS_16
；
分别通过如下方式判断集合
Figure QLYQS_17
中的每个像素点是否加入到集合
Figure QLYQS_18
中：
对于
Figure QLYQS_19
中的像素点
Figure QLYQS_20
，采用如下公式计算其近邻参数
Figure QLYQS_21
：
Figure QLYQS_22
其中，
Figure QLYQS_24
和
Figure QLYQS_28
为比例参数，
Figure QLYQS_31
，
Figure QLYQS_25
表示像素点
Figure QLYQS_27
与
Figure QLYQS_30
中的像素点的平均坐标之间的距离，
Figure QLYQS_32
表示
Figure QLYQS_23
中的像素点与平均坐标之间的距离的最大值，
Figure QLYQS_26
表示
Figure QLYQS_29
与平均坐标对应的像素点之间的相似度，
Figure QLYQS_33
表示预设的相似度参考值；
判断
Figure QLYQS_34
是否大于设定的近邻参数阈值，若是，则将
Figure QLYQS_35
加入到
Figure QLYQS_36
中；若否，则不将
Figure QLYQS_37
加入到
Figure QLYQS_38
中；
对
Figure QLYQS_39
中的像素点判断完毕后，获取集合
Figure QLYQS_40
中的像素点在
Figure QLYQS_41
中的最小外接矩形；
将最小外接矩形范围内的像素点作为集合
Figure QLYQS_42
的像素点。
2.根据权利要求1所述的一种基于大数据的农产品及食品冷链溯源管理系统，其特征在于，所述云服务模块还用于存储具有溯源信息上传权限的上传人员的脸部的特征信息
Figure QLYQS_43
。
3.根据权利要求2所述的一种基于大数据的农产品及食品冷链溯源管理系统，其特征在于，所述云服务模块通过如下方式进行身份识别：
对脸部图像进行预处理，获得预处理图像；
获取预处理图像中能够包含的特征信息
Figure QLYQS_44
；
判断
Figure QLYQS_45
和
Figure QLYQS_46
之间的相似度是否大于设定的相似度门槛值，若是，身份识别结果为通过身份识别，若否，则身份识别结果为没有通过身份识别。
4.根据权利要求1所述的一种基于大数据的农产品及食品冷链溯源管理系统，其特征在于，所述云服务模块还用于为溯源信息生成溯源码。
5.根据权利要求4所述的一种基于大数据的农产品及食品冷链溯源管理系统，其特征在于，还包括查询模块；
查询模块用于获取待溯源的农产品或食品的溯源码，并将溯源码发送至所述云服务模块；
所述服务模块还用于在接收到查询模块发送过来的溯源码后，向所述查询模块发送溯源码对应的溯源信息。
6.根据权利要求1所述的一种基于大数据的农产品及食品冷链溯源管理系统，其特征在于，所述溯源信息包括农产品或食品的产地信息、加工信息、冷藏信息、冷链运输信息、批发信息和零售信息。
7.根据权利要求1所述的一种基于大数据的农产品及食品冷链溯源管理系统，其特征在于，所述计算
Figure QLYQS_47
中的像素点与参照图像
Figure QLYQS_48
中的像素点之间的像素值变化参数，包括：
对于
Figure QLYQS_49
中的像素点
Figure QLYQS_50
，将
Figure QLYQS_51
在
Figure QLYQS_52
中对应的像素点记为
Figure QLYQS_53
；
采用如下公式计算
Figure QLYQS_54
和
Figure QLYQS_55
之间的像素值变化参数：
Figure QLYQS_56
其中，
Figure QLYQS_58
表示
Figure QLYQS_60
和
Figure QLYQS_63
之间的像素值变化参数，
Figure QLYQS_59
表示
Figure QLYQS_62
在头部图像对应的分量图像T中的像素点的像素值，
Figure QLYQS_64
表示分量图像T中的像素点的像素值的最大值，
Figure QLYQS_65
表示
Figure QLYQS_57
在参照图像对应的分量图像R中的像素点的像素值，
Figure QLYQS_61
表示分量图像R中的像素点的像素值的最大值。
CN202211560727.6A 2022-12-07 2022-12-07 一种基于大数据的农产品及食品冷链溯源管理系统 Active CN115578780B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211560727.6A CN115578780B (zh) 2022-12-07 2022-12-07 一种基于大数据的农产品及食品冷链溯源管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211560727.6A CN115578780B (zh) 2022-12-07 2022-12-07 一种基于大数据的农产品及食品冷链溯源管理系统

Publications (2)

Publication Number Publication Date
CN115578780A CN115578780A (zh) 2023-01-06
CN115578780B true CN115578780B (zh) 2023-04-07

Family

ID=84590440

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211560727.6A Active CN115578780B (zh) 2022-12-07 2022-12-07 一种基于大数据的农产品及食品冷链溯源管理系统

Country Status (1)

Country Link
CN (1) CN115578780B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115936560B (zh) * 2023-01-09 2023-08-15 浙江迪安深海冷链物流有限公司 闭环的冷链监控方法
CN116049798A (zh) * 2023-03-31 2023-05-02 北京密农人家农业科技有限公司 一种基于互联网的农产品全产业链信息管理系统
CN116151848B (zh) * 2023-04-21 2023-08-11 深圳市普燃计算机软件科技有限公司 一种基于物联网的气瓶质量安全追溯系统
CN116719966B (zh) * 2023-05-25 2024-03-08 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所) 一种医院病人信息管理系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115019376A (zh) * 2022-08-04 2022-09-06 国网湖北省电力有限公司信息通信公司 一种基于云服务的电力信息管理系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108319998A (zh) * 2018-02-02 2018-07-24 江苏融昱药业有限公司 一种产品溯源系统
JP2020187543A (ja) * 2019-05-14 2020-11-19 富士通株式会社 認証処理プログラム、認証処理方法、及び認証処理装置
CN110796452A (zh) * 2019-08-07 2020-02-14 南京中诚区块链研究院有限公司 一种基于区块链和大数据的供应链溯源系统及方法
CN110598376B (zh) * 2019-09-26 2021-06-22 腾讯科技（深圳）有限公司 基于区块链的版权认证方法、装置、设备及存储介质
JP7409134B2 (ja) * 2020-02-12 2024-01-09 富士通株式会社 画像処理方法、画像処理プログラム、および画像処理装置
CN111984617A (zh) * 2020-08-20 2020-11-24 深圳市网绘科技有限公司 基于互联网的图片检索及关联附件的质量溯源方法
CN112990942B (zh) * 2021-03-10 2023-07-14 深圳市博盛科电子有限公司 一种基于云计算的化学品存储智能管理系统及方法
CN113205345A (zh) * 2021-03-31 2021-08-03 安徽农业大学 一种基于以太坊区块链技术的农产品凭证追溯系统及其追溯方法
CN113837106A (zh) * 2021-09-26 2021-12-24 北京的卢深视科技有限公司 人脸识别方法、系统、电子设备及存储介质
CN113888195A (zh) * 2021-10-25 2022-01-04 青岛普扬网络科技有限公司 一种基于食用农产品合格证的地理标志农产品防伪追溯方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115019376A (zh) * 2022-08-04 2022-09-06 国网湖北省电力有限公司信息通信公司 一种基于云服务的电力信息管理系统

Also Published As

Publication number Publication date
CN115578780A (zh) 2023-01-06

Similar Documents

Publication Publication Date Title
CN115578780B (zh) 一种基于大数据的农产品及食品冷链溯源管理系统
WO2019157288A1 (en) Systems and methods for physical object analysis
CN103593670A (zh) 一种基于在线序列极限学习机的铜板带表面缺陷检测方法
CN117474427B (zh) 基于物联网技术的智能托盘冷链溯源方法
CN114758249B (zh) 基于野外夜间环境的目标物监测方法、装置、设备及介质
CN111242026B (zh) 一种基于空间层次感知模块和度量学习的遥感图像目标检测方法
US11594015B1 (en) Detecting changes in forest composition
CN111275705A (zh) 智能验布方法、装置、电子设备及存储介质
CN113936254A (zh) 结合积温订正的水稻发育期识别模型训练方法、识别方法及装置
CN116523352B (zh) 一种森林资源信息的管理方法及系统
Soares et al. Plantation Rows Identification by Means of Image Tiling and Hough Transform.
CN112085721A (zh) 基于人工智能的水淹车定损方法、装置、设备及存储介质
CN118261488A (zh) 一种基于数字农场的智慧管理系统
CN110781865A (zh) 一种农作物生长控制系统
CN116308038A (zh) 基于物联网的仓库货物采购管理方法和系统
Mishra et al. Convolutional neural network method for effective plant disease prediction
CN114693579A (zh) 一种物流货仓内监控图像处理系统
CA3125793C (en) Harvest confirmation system and method
Natteri et al. A telematics enabled analytics approach for determining tractor usage
CN111445267A (zh) 基于rfid的食品防伪溯源系统及方法
Ramasamy et al. Classification of Nutrient Deficiencies in Plants Using Recurrent Neural Network
Ruchay et al. Cattle Face Recognition Using Deep Transfer Learning Techniques
CN114299037B (zh) 一种对象检测结果的质量评估方法、装置、电子设备及计算机可读存储介质
CN116403245B (zh) 一种家禽育种数据分析方法及系统
CN117746527B (zh) 一种基于大数据的行车数据智能监测方法及系统

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