CN115630967A - 一种农产品的智能溯源方法、装置、电子设备及存储介质 - Google Patents
一种农产品的智能溯源方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115630967A CN115630967A CN202211249418.7A CN202211249418A CN115630967A CN 115630967 A CN115630967 A CN 115630967A CN 202211249418 A CN202211249418 A CN 202211249418A CN 115630967 A CN115630967 A CN 115630967A
- Authority
- CN
- China
- Prior art keywords
- behavior
- image sequence
- sub
- agricultural product
- information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 230000006399 behavior Effects 0.000 claims abstract description 344
- 238000012549 training Methods 0.000 claims description 50
- 230000008569 process Effects 0.000 claims description 31
- 230000015654 memory Effects 0.000 claims description 28
- 230000009471 action Effects 0.000 claims description 25
- 238000007689 inspection Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 11
- 238000007405 data analysis Methods 0.000 claims description 10
- 238000010899 nucleation Methods 0.000 claims description 10
- 238000003306 harvesting Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000009333 weeding Methods 0.000 claims description 5
- 238000005507 spraying Methods 0.000 claims description 4
- 238000012800 visualization Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 239000000575 pesticide Substances 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010225 co-occurrence analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 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
- 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
-
- 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
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Marketing (AREA)
- Economics (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Mining & Mineral Resources (AREA)
- Entrepreneurship & Innovation (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及机器学习技术领域,具体涉及一种农产品的智能溯源方法、装置、电子设备及存储介质,涉及获取针对目标农产品固定采集的图像序列,该图像序列中至少包含一种表征种植目标农产品的行为类别的元素,进一步,采用预设的行为识别模型,对图像序列中的行为类别进行识别,得到至少一个携带行为标识的子图像序列,响应于得到的各子图像序列携带的行为标识满足溯源信息需求,并基于行为标识对应的行为类别,生成所述目标农产品的溯源信息,基于上述方式,用于智能采集生成目标农产品的溯源信息,以提升基于目标农产品生成溯源信息的效率,此外,由于智能生成的溯源信息具有信息透明的特性,因此进一步还保障了目标农产品的生产种植品质。
Description
技术领域
本申请涉及机器学习技术领域,具体涉及一种农产品的智能溯源方法、装置、电子设备及存储介质。
背景技术
随着乡村振兴工作的开展、以及对食品安全的日益重视,衍生出一种针对农产品的溯源需求。农产品溯源,一般是通过记录农产品生产种植的全过程,以生成农产品溯源信息。
现有农产品溯源信息依赖于种植操作对象的处理,即通过种植操作对象人为记录目标农产品的生长种植的全过程,来生成农产品溯源信息。然而这种方式存在人为因素的不可控问题,即无法保证农产品溯源信息的准确性,此外,人为记录还对种植操作对象提出一定技术要求,这将增大农产品溯源信息的生成工作量,导致农产品溯源信息的生成效率随之降低。
发明内容
本申请实施例提供一种农产品的智能溯源方法、装置、电子设备及存储介质,用于智能采集生成目标农产品的溯源信息,以提升基于目标农产品生成溯源信息的效率,此外,由于智能生成的溯源信息具有信息透明的特性,因此能够进一步保障目标农产品的生产种植品质。
第一方面,本申请实施例提供一种农产品的智能溯源方法,包括:
获取针对目标农产品固定采集的图像序列;其中,所述图像序列中至少包含一种表征种植所述目标农产品的行为类别的元素;
采用预设的行为识别模型,对所述图像序列中的行为类别进行识别,得到至少一个携带行为标识的子图像序列;其中,一个行为标识对应一种行为类别;
响应于得到的各子图像序列携带的行为标识满足溯源信息需求,基于所述行为标识对应的行为类别,生成所述目标农产品的溯源信息。
第二方面,本申请提供一种农产品的智能溯源装置,包括:
获取模块,获取针对目标农产品固定采集的图像序列;其中,所述图像序列中至少包含一种表征种植所述目标农产品的行为类别的元素;
识别模块,采用预设的行为识别模型,对所述图像序列中的行为类别进行识别,得到至少一个携带行为标识的子图像序列;其中,一个行为标识对应一种行为类别;
生成模块,响应于得到的各子图像序列携带的行为标识满足溯源信息需求,基于所述行为标识对应的行为类别,生成所述目标农产品的溯源信息。
在一种可选的实施例中,所述行为类别至少包括:播种行为、施肥行为、除草行为、打农药行为以及收割行为中的任一及组合。
在一种可选的实施例中,所述预设的行为识别模型基于标签数据经训练处理得到,所述训练处理包括:
将针对训练农产品采集的训练图像序列发送至外部数据分析模块,并接收所述外部数据分析模块反馈的分析结果;
从所述分析结果中,获取所述训练图像序列的标签数据;其中,所述标签数据包括:所述训练图像序列对应的多个子训练图像序列、以及所述多个子训练图像序列各自对应的行为类别;
采用行为识别模型对所述训练图像序列进行识别,得到识别结果;其中,所述识别结果包括:至少一个子识别图像序列、以及所述至少一个子识别图像序列对应的行为类别;
基于所述标签数据,调整所述行为识别模型中的识别参数,直到所述标签数据与所述识别结果之间的差异度小于预设阈值,得到预设的行为识别模型。
在一种可选的实施例中,所述得到的各子图像序列携带的行为标识满足溯源信息需求,所述生成模块,具体用于:
根据行为标识与行为类别之间的对应关系、以及得到的各子图像序列携带的行为标识,确定所述各子图像序列对应的行为类别;
统计所述各子图像序列对应的行为类别的种类,得到种类统计值;
响应于所述种类统计值大于等于预设阈值,判定所述各子图像序列携带的行为标识满足溯源信息需求。
在一种可选的实施例中,所述得到的各子图像序列携带的行为标识满足溯源信息需求,所述生成模块,具体用于:
根据行为标识与行为类别之间的对应关系、以及得到的各子图像序列携带的行为标识,确定所述各子图像序列对应的行为类别;
若存在任一子图像序列对应的行为类别与目标行为类别匹配,则判定所述各子图像序列携带的行为标识满足溯源信息需求。
在一种可选的实施例中,所述基于所述行为标识对应的行为类别,生成所述目标农产品的溯源信息,所述生成模块,具体用于:
针对携带行为标识的单个子图像序列,确定所述单个子图像序列携带的行为标识对应的行为类型;
获取用于固定采集所述目标农产品的采集设备,以及用于唯一标识所述采集设备的设备标识;
将所述单个子图像序列携带的行为标识对应的行为类型、以及所述单个图像序列,作为所述单个子图像序列的子行为信息,添加至所述设备标识关联的行为信息中;
直到所述各子图像序列的子行为信息,都被添加至所述设备标识关联的行为信息中,将所述行为信息作为所述目标农产品的溯源信息。
在一种可选的实施例中,在所述基于所述行为标识对应的行为类别,生成所述目标农产品的溯源信息之后,所述生成模块,还用于:
在接收到目标对象针对所述目标农产品发出的溯源请求时,获取所述目标农产品的溯源信息;
基于所述溯源信息,将所述目标农产品种植过程中的行为类别、和/或所述行为类别对应的子图像序列,置于可视化区域显示。
在一种可选的实施例中,在所述基于所述行为标识对应的行为类别,生成所述目标农产品的溯源信息之后,所述生成模块,还用于:
在接收到目标对象针对所述目标农产品发出的抽检请求时,获取所述目标农产品的溯源信息;
从所述溯源信息中,随机抽选所述目标农产品种植过程中的行为类别、以及所述行为类别对应的子图像序列,作为抽检信息;
将所述抽检信息发送给所述目标对象,并接收所述目标对象返回的抽检结果;
若所述抽检结果为不合格,则基于所述抽检结果,得到不合格的行为类型,并确定所述不合格的行为类别的种植操作对象。
第三方面,本申请实施例还提供了一种电子设备,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器实现上述第一方面中的任一种农产品的智能溯源方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现第一方面的农产品的智能溯源方法。
第五方面,本申请实施例还提供了一种计算机程序产品,所述计算机程序产品在被计算机调用时,使得所述计算机执行如第一方面所述的方法。
本申请实施例的技术效果如下:
本申请实施例中,首先获取针对目标农产品固定采集的包含行为元素的图像序列,行为元素包括种植目标农产品的行为类别,再采用预设的行为识别模型,对图像序列中的行为类别进行识别,得到至少一个携带对应行为类别的行为标识的子图像序列,即自动识别种植操作对象的工作内容,如自动识别目标农产品生产过程中的种植行为。然后响应于得到的各子图像序列携带的行为标识满足溯源信息需求,基于各子图像序列对应的行为类别,生成目标农产品的溯源信息,换言之,溯源信息需求为记录目标农产品生长过程中的种植行为的需求,此外,这样生成的目标农产品的溯源信息中,不仅包含目标农产品的不同种植行为,还包含不同种植行为对应的子图像序列,实现目标农产品溯源信息的自动生成,不仅保证溯源信息的准确性,还极大降低种植操作对象的工作量及人力成本,有效提升基于目标农产品生成溯源信息的效率。
附图说明
图1为本申请实施例提供的一种可能的应用场景的示意图;
图2为本申请实施例提供的一种农产品的智能溯源方法的流程图;
图3为本申请实施例提供的一种农产品的智能溯源装置的示意图;
图4为本申请实施例提供的一种电子设备示意图。
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,都属于本发明保护的范围。
需要说明的是,在本申请的描述中“多个”理解为“至少两个”。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。A与B连接,可以表示:A与B直接连接和A与B通过C连接这两种情况。另外,在本申请的描述中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序。
此外,本申请技术方案中,对数据的采集、传播、使用等,均符合国家相关法律法规要求。
为便于本领域技术人员理解,首先对本申请实施例涉及的部分名词及术语进行简要地阐述、说明,如下所述:
深度学习:指通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。
例如,本申请实施例中,将深度学习的思想应用于识别目标农产品的行为类别,在一些更具体的场景下,还可基于深度学习构建行为识别模型。
农产品溯源,指记录农产品生产种植,以生成农产品溯源信息的全过程,一般来说,农产品溯源可以覆盖目标农产品的种植、生长、收割、运输等的生产全过程。
例如,本申请实施例中,农产品溯源还将覆盖目标农产品生长过程中的种植行为,在一些更具体的场景下,还可以通过目标农产品相应的二维码获取目标农产品的溯源信息。
进一步的,基于上述名词及相关术语解释,下面将对本申请的设计思路作出进一步阐述、说明,如下所述:
相关技术中,依赖种植操作对象人为记录目标农产品的生长种植的全过程,来生成农产品溯源信息。
具体的,种植操作对象在针对指定种植区域中农产品执行相应种植的行为操作后,还需要将相应的行为操作记录按照对应关系下来。
然而,在实际实施中,种植操作对象执行完相应种植的行为操作后比较劳累,进而影响后面记录工作的准确度,并且人为记录需要种植操作对象提出一定技术要求(如:掌握相应电脑操作),这将增大农产品溯源信息的生成工作量,导致农产品溯源信息的生成效率随之降低。
为解决上述问题,本申请实施例提供一种农产品的智能溯源方法、装置、电子设备及存储介质,用于智能采集生成目标农产品的溯源信息,首先获取针对目标农产品固定采集的包含行为元素的图像序列,行为元素包括种植目标农产品的行为类别,再采用预设的行为识别模型,对图像序列中的行为类别进行识别,得到至少一个携带对应行为类别的行为标识的子图像序列,即自动识别种植操作对象的工作内容,如自动识别目标农产品生产过程中的种植行为。然后响应于得到的各子图像序列携带的行为标识满足溯源信息需求,基于各子图像序列对应的行为类别,生成目标农产品的溯源信息,换言之,溯源信息需求为记录目标农产品生长过程中的种植行为的需求,此外,这样生成的目标农产品的溯源信息中,不仅包含目标农产品的不同种植行为,还包含不同种植行为对应的子图像序列,实现目标农产品溯源信息的自动生成,不仅保证溯源信息的准确性,还极大降低种植操作对象的工作量及人力成本,有效提升基于目标农产品生成溯源信息的效率。
基于上述技术效果,以下结合说明书附图对本申请的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本申请,并不用于限定本申请,并且在不冲突的情况下,本申请实施例及实施例中的特征可以相互组合。
参阅图1所示,其为本申请实施例提供的一种可能的应用场景示意图,该应用场景包括:目标终端(101a,101b)和服务器102。其中,目标终端(101a,101b)和服务器102之间可通过通信网络进行信息交互,通信网络采用的通信方式可包括:无线通信方式和有线通信方式。
示例性的,目标终端(101a,101b)可通过蜂窝移动通信技术接入网络,与服务器102进行通信,所述蜂窝移动通信技术,包括第五代移动通信(5th Generation MobileNetworks,5G)技术。
可选的,目标终端(101a,101b)可通过短距离无线通信方式接入网络,与服务器102进行通信,所述短距离无线通信方式,包括无线保真(Wireless Fidelity,Wi-Fi)技术。
本申请实施例对上述设备的数量不做任何限制,如图1所示,仅以目标终端(101a,101b)和服务器102为例进行描述,下面对上述各设备及其各自的功能进行简要介绍。
目标终端(101a,101b)是一种可以向用户提供语音和/或数据连通性的设备,包括:具有无线连接功能的手持式终端设备、物联网终端设备等。
示例性的,目标终端(101a,101b)包括但不限于:手机、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(Mobile Internet Device,MID)、可穿戴设备,虚拟现实(VirtualReality,VR)设备、增强现实(Augmented Reality,AR)设备、工业控制中的无线终端设备、无人驾驶中的无线终端设备、智能电网中的无线终端设备、运输安全中的无线终端设备、智慧城市中的无线终端设备,或智慧家庭中的无线终端设备等。
此外,目标终端(101a,101b)上可以安装有溯源信息相关的客户端,该客户端可以是软件(例如,APP、浏览器、短视频软件等),也可以是网页、小程序等。在本申请实施例中,目标终端(101a,101b)可以使用上述安装的溯源信息客户端,将其指定的目标农产品的溯源信息的请求指令发送至服务器102。
具体来讲,上述提到的请求指令,可以是通过扫描目标农产品的二维码自动生成的溯源请求,也可以是目标对象发出的针对目标农产品溯源的抽检请求。
例如,在农产品售卖场景中,消费者可以通过扫描目标农产品的二维码生成溯源请求;在农产品抽检场景中,质检者可以通过扫描目标农产品的二维码或通过相应操作生成抽检请求。
进一步的,服务器102可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
基于上述应用场景,下面将结合参考附图,对本申请实施例所提供的农产品的只能溯源方法进行进一步地阐述、说明,参阅图2所示,本申请实施例提供一种农产品的智能溯源方法,包括:
步骤201:获取针对目标农产品固定采集的图像序列;
本申请实施例中,响应于采集设备将针对指定种植区域连续采集的图像序列发送给服务器102,服务器102可以获取针对目标农产品固定采集的图像序列,目标农产品位于指定农产区域中。
具体来说,采集设备可以包括图像采集设备,例如高清摄像头等。本申请实施例中,将采集设备部署在农作物种植区,以实时采集农作物的生长种植过程。此外,同一采集设备在部署后需要针对指定种植区域进行连续采集,直到指定种植区域的目标农作物转化为目标农产品,在此以目标农产品指代目标农作物至目标农产品的转化过程。
采集的图像序列至少包含:一种表征种植目标农产品的行为类别的元素,行为类别至少包括:播种行为、施肥行为、除草行为、打农药行为以及收割行为中的任一及组合。示例性的,采集到种植操作对象针对目标农产品实施播种行为,则图像序列应当包含有相应的目标图像,播种行为可以抽象为种植操作对象与目标农产品之间的播种逻辑,在此将播种逻辑在目标图像中的图像释义作为播种行为的元素。
可选的,采集设备除了包括图像采集设备外,还包括温度传感设备或湿度传感设备。通过温度传感设备或湿度传感设备,采集设备还将采集到指定种植区域的温度变化信息或湿度变化信息,在采集图像序列的基础上,按照采集时间关联温度变化信息或湿度变化信息。
步骤202:采用预设的行为识别模型,对所述图像序列中的行为类别进行识别,得到至少一个携带行为标识的子图像序列;其中,一个行为标识对应一种行为类别;
具体来讲,预设的行为识别模型,在深度学习思想的基础上,采用标签数据经训练处理得到,其训练处理如下:
选取用于训练处理的训练图像序列,训练图像序列中包含的农产品为训练农产品,为了提高预设的行为识别模型的准确度,需要获取训练图像序列对应的标签数据。在此,将针对训练农产品采集的训练图像序列发送至外部数据分析模块,并接收外部数据分析模块反馈的分析结果,进而从分析结果中,获取训练图像序列的标签数据,即训练图像序列对应的多个子训练图像序列、以及各子训练图像序列对应的行为类别。然后,采用行为识别模型对训练图像序列进行识别,得到识别结果,即至少一个子识别图像序列及其对应的行为类别,再基于标签数据,迭代调整行为识别模型中的识别参数,直到标签数据与识别结果之间的差异度小于预设阈值,得到预设的行为识别模型。
本申请实施例中,采用预设的行为识别模型,对所述图像序列中的行为类别进行识别,得到至少一个携带行为标识的子图像序列,行为标识与行为类别具有对应关系。
示例性的,在一种可选的实施例中,采用预设的行为识别模型得到的识别结果,还可以包括:各行为类别对应的目标行为图像。在此,子图像序列为连续多帧图像,目标行为图像为连续多帧图像中包含有最多种植行为的元素的图像。
进一步的,在一种可选的实施例中,按照“行为类别-目标行为图像-子图像序列”的关联逻辑,保存上述识别结果。
例如,在识别结果的保存场景中,针对目标农产品生成的每一条“行为类别-目标行为图像-子图像序列”的关联逻辑,都可以生成目标农产品的一条子行为记录,即子图像序列的子行为信息,同一目标农产品的子行为记录可以构成其行为信息,参见表1所示:
表1
其中,“pk_id”用于唯一标识一条行为信息;“farmer_id”用于唯一标识一个种植操作对象;“working_type”用于标识种植的行为类别;“working_detail”用于描述种植行为;“camera_id”用于唯一标识针对同一目标农产品连续采集的采集设备;“video_id”用于标识子图像序列;“pohto_id”用于标识目标行为图像;“env_param_id”用于标识环境参数;“create_time”为一条行为信息的初始生成时间;“update_time”为一条行为信息的更新时间。
值得说明的是,本申请实施例中,目标农产品的一条行为记录至少包含:行为记录标识、种植的行为类别、采集设备标识以及子图像序列标识。此外,基于采集设备标识,为每个采集设备关联一条行为记录,将识别结果关联至相应采集设备对应的存储路径下,以缩短后续的提取时间。
步骤203:响应于得到的各子图像序列携带的行为标识满足溯源信息需求,基于所述行为标识对应的行为类别,生成所述目标农产品的溯源信息。
具体来说,本申请实施例中,为了保证目标农产品溯源信息的完整性,服务器102还将判定目标农产品的各子图像序列是否满足溯源信息需求。
示例性的,在一种可选的判定情况中,溯源信息需要覆盖农产品种植过程的多种行为类别,具体的,根据行为标识与行为类别之间的对应关系、以及得到的各子图像序列携带的行为标识,确定各子图像序列对应的行为类别,然后统计各子图像序列对应的行为类别的种类,得到种类统计值,再响应于种类统计值大于等于预设阈值,即可判定各子图像序列携带的行为标识满足溯源信息需求。进一步的,还可以将各自图像序列对应的行为类别与需求行为类别进行逐一比对,响应于逐一比对成功,即判定各子图像序列携带的行为标识满足溯源信息需求。
示例性的,在另一种可选的判定情况中,溯源信息必须包含农产品种植过程中的目标行为类别,具体的,根据行为标识与行为类别之间的对应关系、以及得到的各子图像序列携带的行为标识,确定各子图像序列对应的行为类别,若存在任一子图像序列对应的行为类别与目标行为类别匹配,则判定各子图像序列携带的行为标识满足溯源信息需求。
进一步的,在判定上述得到的各子图像序列携带的行为标识满足溯源信息需求后,执行如下操作:
针对携带行为标识的单个子图像序列,确定单个子图像序列携带的行为标识对应的行为类型,并获取用于固定采集目标农产品的采集设备,以及用于唯一标识采集设备的采集设备标识,然后将单个子图像序列携带的行为标识对应的行为类型以及单个图像序列,作为单个子图像序列的子行为信息,添加至所述设备标识关联的行为信息中,并基于单个图像序列的采集时间修改相应行为信息中的更新时间。在这里,单个子图像序列的子行为信息还关联有目标行为图像,本申请不作重复阐述;
直到各子图像序列的子行为信息,都被添加至设备标识关联的行为信息中,将行为信息作为所述目标农产品的溯源信息。
进一步的,为便于目标对象溯源目标农产品的生产种植过程,本申请实施例通过赋码模块批量生成二维码,并按照农产品批次,将各个二维码关联到相应目标农产品的溯源信息上,然后将这些关联的二维码贴在相应农产品包装上。
具体来说,二维码可以一次性批量生成,其关联步骤可以在农产品打包过程进行,更为详细的,二维码信息可以参见表2所示:
表2
字段名称 | 字段描述 | 字段类型 |
pk_id | 行为信息标识 | varchar |
trace_code | 二维码标识 | varchar |
farm_product_id | 农产品标识 | char |
is_enable | 是否启用 | varchar |
trace_times | 溯源次数 | varchar |
create_time | 创建时间 | datetime |
update_time | 更新时间 | datetime |
其中,“pk_id”用于唯一标识一条行为信息;“trace_code”用于唯一标识一个二维码;“farm_product_id”用于唯一标识一件农产品;“is_enable”为二维码的启用标识;“trace_times”为二维码的溯源次数;“create_time”为二维码的创建时间;“update_time”为二维码的更新时间。
可选的,在一些实施例中,服务器102接收目标对象通过目标终端发送的溯源请求,基于该溯源请求,获取相应目标农产品的溯源信息,然后基于该算远信息,将目标农产品种植过程中的行为类别、和/或行为类别对应的子图像序列,置于可视化区域显示。
例如,消费者在购买农产品时,响应于通过手机或扫描仪等目标设备,扫描目标农产品上面的二维码生成发送至服务器102的溯源请求,该溯源请求用于请求获取同批次目标农产品的溯源信息。响应于服务器基于溯源请求反馈的溯源信息,消费者可以在目标终端的可视化区域查看相应的溯源信息,包括目标农产品种植过程的所有行为类别、各行为类别对应的子图像序列以及各行为类别对应的目标行为图像,这样可以实现农产品生产到销售过程中的透明化流程,进而为农产品领域的食品安全提供有力支撑。
进一步的,为了加强对农产品生长种植过程的监管工作,还可以针对智能生成的目标农产品的溯源信息进行抽检,以消除监管过程中的信息差,实现自动化监管,进而保证农产品的品质和声誉。
具体来说,本申请实施例中,服务器102在接收到目标对象针对目标农产品发出的抽检请求时,获取目标农产品的溯源信息,并从溯源信息中,随机抽选目标农产品种植过程中的行为类别、以及行为类别对应的子图像序列,作为抽检信息,然后将抽检信息发送给目标对象,并接收目标对象返回的抽检结果,若接收的抽检结果为抽检不合格,则基于抽检结果确定不合格的行为类型,进一步检查该不合格的行为类别对应的种植操作对象。
例如,政府或者行业协会根据制定的规则不定期对种植操作对象的种植行为进行抽检时,需要随机抽取部分识别结果或溯源信息,以抽检相关的行为类别及其对应的子图像序列、目标行为图像,尤其针对施肥行为、打农药行为等做重点抽检,并针对实际种植行为中滥用农药、滥用化肥的问题种植操作对象作出依法合规的告警处理。进一步,对其同批次的农产品作相应检查、监控,以保证农产品的高品质,此外,还将问题种植操作对象相关的农产品作跟踪监测,以完善农产品质检的监管流程。
参阅图3所示,本申请实施例提供一种农产品的智能溯源装置,该农产品的智能溯源装置用以实现本申请实施例的上述方法流程。参阅图3所示,该农产品的智能溯源装置包括:获取模块301识别模块302及生成模块303,其中:
获取模块301,获取针对目标农产品固定采集的图像序列;其中,所述图像序列中至少包含一种表征种植所述目标农产品的行为类别的元素;
识别模块302,采用预设的行为识别模型,对所述图像序列中的行为类别进行识别,得到至少一个携带行为标识的子图像序列;其中,一个行为标识对应一种行为类别;
生成模块303,响应于得到的各子图像序列携带的行为标识满足溯源信息需求,基于所述行为标识对应的行为类别,生成所述目标农产品的溯源信息。
在一种可选的实施例中,所述行为类别至少包括:播种行为、施肥行为、除草行为、打农药行为以及收割行为中的任一及组合。
在一种可选的实施例中,所述预设的行为识别模型基于标签数据经训练处理得到,所述训练处理包括:
将针对训练农产品采集的训练图像序列发送至外部数据分析模块,并接收所述外部数据分析模块反馈的分析结果;
从所述分析结果中,获取所述训练图像序列的标签数据;其中,所述标签数据包括:所述训练图像序列对应的多个子训练图像序列、以及所述多个子训练图像序列各自对应的行为类别;
采用行为识别模型对所述训练图像序列进行识别,得到识别结果;其中,所述识别结果包括:至少一个子识别图像序列、以及所述至少一个子识别图像序列对应的行为类别;
基于所述标签数据,调整所述行为识别模型中的识别参数,直到所述标签数据与所述识别结果之间的差异度小于预设阈值,得到预设的行为识别模型。
在一种可选的实施例中,所述得到的各子图像序列携带的行为标识满足溯源信息需求,所述生成模块303,具体用于:
根据行为标识与行为类别之间的对应关系、以及得到的各子图像序列携带的行为标识,确定所述各子图像序列对应的行为类别;
统计所述各子图像序列对应的行为类别的种类,得到种类统计值;
响应于所述种类统计值大于等于预设阈值,判定所述各子图像序列携带的行为标识满足溯源信息需求。
在一种可选的实施例中,所述得到的各子图像序列携带的行为标识满足溯源信息需求,所述生成模块303,具体用于:
根据行为标识与行为类别之间的对应关系、以及得到的各子图像序列携带的行为标识,确定所述各子图像序列对应的行为类别;
若存在任一子图像序列对应的行为类别与目标行为类别匹配,则判定所述各子图像序列携带的行为标识满足溯源信息需求。
在一种可选的实施例中,所述基于所述行为标识对应的行为类别,生成所述目标农产品的溯源信息,所述生成模块303,具体用于:
针对携带行为标识的单个子图像序列,确定所述单个子图像序列携带的行为标识对应的行为类型;
获取用于固定采集所述目标农产品的采集设备,以及用于唯一标识所述采集设备的设备标识;
将所述单个子图像序列携带的行为标识对应的行为类型、以及所述单个图像序列,作为所述单个子图像序列的子行为信息,添加至所述设备标识关联的行为信息中;
直到所述各子图像序列的子行为信息,都被添加至所述设备标识关联的行为信息中,将所述行为信息作为所述目标农产品的溯源信息。
在一种可选的实施例中,在所述基于所述行为标识对应的行为类别,生成所述目标农产品的溯源信息之后,所述生成模块303,还用于:
在接收到目标对象针对所述目标农产品发出的溯源请求时,获取所述目标农产品的溯源信息;
基于所述溯源信息,将所述目标农产品种植过程中的行为类别、和/或所述行为类别对应的子图像序列,置于可视化区域显示。
在一种可选的实施例中,在所述基于所述行为标识对应的行为类别,生成所述目标农产品的溯源信息之后,所述生成模块303,还用于:
在接收到目标对象针对所述目标农产品发出的抽检请求时,获取所述目标农产品的溯源信息;
从所述溯源信息中,随机抽选所述目标农产品种植过程中的行为类别、以及所述行为类别对应的子图像序列,作为抽检信息;
将所述抽检信息发送给所述目标对象,并接收所述目标对象返回的抽检结果;
若所述抽检结果为不合格,则基于所述抽检结果,得到不合格的行为类型,并确定所述不合格的行为类别的种植操作对象。
与上述申请实施例基于同一发明构思,本申请实施例中还提供了一种电子设备,该电子设备可以用于农产品的智能溯源。在一种实施例中,该电子设备可以是服务器,也可以是终端设备或其他电子设备。在该实施例中,电子设备的结构可以如图4所示,包括存储器401,通讯接口403以及一个或多个处理器402。
存储器401,用于存储处理器402执行的计算机程序。存储器401可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统,以及运行即时通讯功能所需的程序等;存储数据区可存储各种即时通讯信息和操作指令集等。
存储器401可以是易失性存储器(volatile memory),例如随机存取存储器(random-access memory,RAM);存储器401也可以是非易失性存储器(non-volatilememory),例如只读存储器,快闪存储器(flash memory),硬盘(hard disk drive,HDD)或固态硬盘(solid-state drive,SSD)、或者存储器401是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,但不限于此。存储器401可以是上述存储器的组合。
处理器402,可以包括一个或多个中央处理单元(Central Processing Unit,CPU)或者为数字处理单元等。处理器402,用于调用存储器401中存储的计算机程序时实现上述农产品的智能溯源方法。
通讯接口403用于与终端设备和其他服务器进行通信。
本申请实施例中不限定上述存储器401、通讯接口403和处理器402之间的具体连接介质。本申请实施例在图4中以存储器401和处理器402之间通过总线404连接,总线404在图4中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。总线404可以分为地址总线、数据总线、控制总线等。为便于表示,图4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。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述实施例中的任一种农产品的智能溯源方法。所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
根据本申请的一个方面,本申请还提供了一种计算机程序产品,所述计算机程序产品在被计算机调用时,使得所述计算机执行农产品的智能溯源方法。
本申请实施例提供了一种农产品的智能溯源方法、装置、电子设备及存储介质,获取未知资源调度记录,并将该未知资源调度记录的标识信息发送给服务节点,如主机和/或微服务,然后接收由服务节点返回的,基于该未知资源调度记录确定出的待修正数据的标识信息,即与服务节点的资源调度记录不一致的未知资源调度记录,进一步的,根据待修正数据的标识信息,将待修正数据与未知资源调度记录进行关联比对,得到待修正的资源调度记录,并生成用于修正待修正的农产品的智能溯源请求,再将修正请求发送给服务节点,以使服务节点针对待修正的资源调度记录进行修正。
本申请实施例提出的农产品的智能溯源方法,一方面由服务节点返回的是待修正数据的标识信息,能够减少信息传输之间的数据量,进而提升实体设备的处理性能和实现效率,此外,因为只接收由服务节点返回的待修正数据的标识信息,所以设计针对数据接收接口不需要考虑不同业务场景下的待修正数据的内容字段,换言之,可以简化上述修正过程中的设计流程,从而降低修正过程对于待修正数据的内容字段的耦合度要求,避免由于不同应用场景针对待修正数据的内容字段的要求,需要针对不同应用场景进行重复设计;另一方面本申请实施例提出的农产品的智能溯源方法,在应用于各种应用场景时,不用针对应用场景的特定业务需求而设计开发针对于该特定业务需求的资源调度修正服务,进而提高针对不同应用场景进行农产品的智能溯源处理的适用性,避免开发冗杂周期长、及维护难的问题,进而达到简化修正处理流程,提高资源调度可靠性的技术效果。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (19)
1.一种农产品的智能溯源方法,其特征在于,包括:
获取针对目标农产品固定采集的图像序列;其中,所述图像序列中至少包含一种表征种植所述目标农产品的行为类别的元素;
采用预设的行为识别模型,对所述图像序列中的行为类别进行识别,得到至少一个携带行为标识的子图像序列;其中,一个行为标识对应一种行为类别;
响应于得到的各子图像序列携带的行为标识满足溯源信息需求,基于所述行为标识对应的行为类别,生成所述目标农产品的溯源信息。
2.如权利要求1所述的方法,其特征在于,所述行为类别至少包括:播种行为、施肥行为、除草行为、打农药行为以及收割行为中的任一及组合。
3.如权利要求1所述的方法,其特征在于,所述预设的行为识别模型基于标签数据经训练处理得到,所述训练处理包括:
将针对训练农产品采集的训练图像序列发送至外部数据分析模块,并接收所述外部数据分析模块反馈的分析结果;
从所述分析结果中,获取所述训练图像序列的标签数据;其中,所述标签数据包括:所述训练图像序列对应的多个子训练图像序列、以及所述多个子训练图像序列各自对应的行为类别;
采用行为识别模型对所述训练图像序列进行识别,得到识别结果;其中,所述识别结果包括:至少一个子识别图像序列、以及所述至少一个子识别图像序列对应的行为类别;
基于所述标签数据,调整所述行为识别模型中的识别参数,直到所述标签数据与所述识别结果之间的差异度小于预设阈值,得到预设的行为识别模型。
4.如权利要求1所述的方法,其特征在于,所述得到的各子图像序列携带的行为标识满足溯源信息需求,包括:
根据行为标识与行为类别之间的对应关系、以及得到的各子图像序列携带的行为标识,确定所述各子图像序列对应的行为类别;
统计所述各子图像序列对应的行为类别的种类,得到种类统计值;
响应于所述种类统计值大于等于预设阈值,判定所述各子图像序列携带的行为标识满足溯源信息需求。
5.如权利要求1所述的方法,其特征在于,所述得到的各子图像序列携带的行为标识满足溯源信息需求,包括:
根据行为标识与行为类别之间的对应关系、以及得到的各子图像序列携带的行为标识,确定所述各子图像序列对应的行为类别;
若存在任一子图像序列对应的行为类别与目标行为类别匹配,则判定所述各子图像序列携带的行为标识满足溯源信息需求。
6.如权利要求1所述的方法,其特征在于,所述基于所述行为标识对应的行为类别,生成所述目标农产品的溯源信息,包括:
针对携带行为标识的单个子图像序列,确定所述单个子图像序列携带的行为标识对应的行为类型;
获取用于固定采集所述目标农产品的采集设备,以及用于唯一标识所述采集设备的设备标识;
将所述单个子图像序列携带的行为标识对应的行为类型、以及所述单个图像序列,作为所述单个子图像序列的子行为信息,添加至所述设备标识关联的行为信息中;
直到所述各子图像序列的子行为信息,都被添加至所述设备标识关联的行为信息中,将所述行为信息作为所述目标农产品的溯源信息。
7.如权利要求1所述的方法,其特征在于,在所述基于所述行为标识对应的行为类别,生成所述目标农产品的溯源信息之后,还包括:
在接收到目标对象针对所述目标农产品发出的溯源请求时,获取所述目标农产品的溯源信息;
基于所述溯源信息,将所述目标农产品种植过程中的行为类别、和/或所述行为类别对应的子图像序列,置于可视化区域显示。
8.如权利要求1所述的方法,其特征在于,在所述基于所述行为标识对应的行为类别,生成所述目标农产品的溯源信息之后,还包括:
在接收到目标对象针对所述目标农产品发出的抽检请求时,获取所述目标农产品的溯源信息;
从所述溯源信息中,随机抽选所述目标农产品种植过程中的行为类别、以及所述行为类别对应的子图像序列,作为抽检信息;
将所述抽检信息发送给所述目标对象,并接收所述目标对象返回的抽检结果;
若所述抽检结果为不合格,则基于所述抽检结果,得到不合格的行为类型,并确定所述不合格的行为类别的种植操作对象。
9.一种农产品的智能溯源装置,其特征在于,包括:
获取模块,获取针对目标农产品固定采集的图像序列;其中,所述图像序列中至少包含一种表征种植所述目标农产品的行为类别的元素;
识别模块,采用预设的行为识别模型,对所述图像序列中的行为类别进行识别,得到至少一个携带行为标识的子图像序列;其中,一个行为标识对应一种行为类别;
生成模块,响应于得到的各子图像序列携带的行为标识满足溯源信息需求,基于所述行为标识对应的行为类别,生成所述目标农产品的溯源信息。
10.如权利要求9所述的装置,其特征在于,所述行为类别至少包括:播种行为、施肥行为、除草行为、打农药行为以及收割行为中的任一及组合。
11.如权利要求9所述的装置,其特征在于,所述预设的行为识别模型基于标签数据经训练处理得到,所述训练处理包括:
将针对训练农产品采集的训练图像序列发送至外部数据分析模块,并接收所述外部数据分析模块反馈的分析结果;
从所述分析结果中,获取所述训练图像序列的标签数据;其中,所述标签数据包括:所述训练图像序列对应的多个子训练图像序列、以及所述多个子训练图像序列各自对应的行为类别;
采用行为识别模型对所述训练图像序列进行识别,得到识别结果;其中,所述识别结果包括:至少一个子识别图像序列、以及所述至少一个子识别图像序列对应的行为类别;
基于所述标签数据,调整所述行为识别模型中的识别参数,直到所述标签数据与所述识别结果之间的差异度小于预设阈值,得到预设的行为识别模型。
12.如权利要求9所述的装置,其特征在于,所述得到的各子图像序列携带的行为标识满足溯源信息需求,所述生成模块,具体用于:
根据行为标识与行为类别之间的对应关系、以及得到的各子图像序列携带的行为标识,确定所述各子图像序列对应的行为类别;
统计所述各子图像序列对应的行为类别的种类,得到种类统计值;
响应于所述种类统计值大于等于预设阈值,判定所述各子图像序列携带的行为标识满足溯源信息需求。
13.如权利要求9所述的装置,其特征在于,所述得到的各子图像序列携带的行为标识满足溯源信息需求,所述生成模块,具体用于:
根据行为标识与行为类别之间的对应关系、以及得到的各子图像序列携带的行为标识,确定所述各子图像序列对应的行为类别;
若存在任一子图像序列对应的行为类别与目标行为类别匹配,则判定所述各子图像序列携带的行为标识满足溯源信息需求。
14.如权利要求9所述的装置,其特征在于,所述基于所述行为标识对应的行为类别,生成所述目标农产品的溯源信息,所述生成模块,具体用于:
针对携带行为标识的单个子图像序列,确定所述单个子图像序列携带的行为标识对应的行为类型;
获取用于固定采集所述目标农产品的采集设备,以及用于唯一标识所述采集设备的设备标识;
将所述单个子图像序列携带的行为标识对应的行为类型、以及所述单个图像序列,作为所述单个子图像序列的子行为信息,添加至所述设备标识关联的行为信息中;
直到所述各子图像序列的子行为信息,都被添加至所述设备标识关联的行为信息中,将所述行为信息作为所述目标农产品的溯源信息。
15.如权利要求9所述的装置,其特征在于,在所述基于所述行为标识对应的行为类别,生成所述目标农产品的溯源信息之后,所述生成模块,还用于:
在接收到目标对象针对所述目标农产品发出的溯源请求时,获取所述目标农产品的溯源信息;
基于所述溯源信息,将所述目标农产品种植过程中的行为类别、和/或所述行为类别对应的子图像序列,置于可视化区域显示。
16.如权利要求9所述的装置,其特征在于,在所述基于所述行为标识对应的行为类别,生成所述目标农产品的溯源信息之后,所述生成模块,还用于:
在接收到目标对象针对所述目标农产品发出的抽检请求时,获取所述目标农产品的溯源信息;
从所述溯源信息中,随机抽选所述目标农产品种植过程中的行为类别、以及所述行为类别对应的子图像序列,作为抽检信息;
将所述抽检信息发送给所述目标对象,并接收所述目标对象返回的抽检结果;
若所述抽检结果为不合格,则基于所述抽检结果,得到不合格的行为类型,并确定所述不合格的行为类别的种植操作对象。
17.一种电子设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序指令执行权利要求1-8中任一项所述的方法包括的步骤。
18.一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,所述计算机程序包括程序指令,所述程序指令当被计算机执行时,使所述计算机执行如权利要求1-8中任一项所述的方法。
19.一种计算机程序产品,其特征在于,所述计算机程序产品包括:计算机程序代码,当所述计算机程序代码在计算机上运行时,使得计算机执行上述如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211249418.7A CN115630967A (zh) | 2022-10-12 | 2022-10-12 | 一种农产品的智能溯源方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211249418.7A CN115630967A (zh) | 2022-10-12 | 2022-10-12 | 一种农产品的智能溯源方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115630967A true CN115630967A (zh) | 2023-01-20 |
Family
ID=84905307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211249418.7A Pending CN115630967A (zh) | 2022-10-12 | 2022-10-12 | 一种农产品的智能溯源方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115630967A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757707A (zh) * | 2023-06-19 | 2023-09-15 | 深圳市同富信息技术有限公司 | 一种农作物果实生长溯源方法及系统 |
CN117611196A (zh) * | 2023-12-25 | 2024-02-27 | 海南数字贸易科技服务有限公司 | 一种防伪免税溯源码生成方法及系统 |
-
2022
- 2022-10-12 CN CN202211249418.7A patent/CN115630967A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757707A (zh) * | 2023-06-19 | 2023-09-15 | 深圳市同富信息技术有限公司 | 一种农作物果实生长溯源方法及系统 |
CN116757707B (zh) * | 2023-06-19 | 2024-05-24 | 深圳市同富信息技术有限公司 | 一种农作物果实生长溯源方法及系统 |
CN117611196A (zh) * | 2023-12-25 | 2024-02-27 | 海南数字贸易科技服务有限公司 | 一种防伪免税溯源码生成方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110198310B (zh) | 一种网络行为反作弊方法、装置及存储介质 | |
CN115630967A (zh) | 一种农产品的智能溯源方法、装置、电子设备及存储介质 | |
CN110472154B (zh) | 一种资源推送方法、装置、电子设备及可读存储介质 | |
CN111160783B (zh) | 数字资产价值的评价方法、系统及电子设备 | |
CN109062807B (zh) | 测试应用程序的方法及装置、存储介质、电子装置 | |
CN109784945A (zh) | 基于大数据和区块链的食品溯源方法、系统及存储介质 | |
CN105183739A (zh) | 图像处理方法 | |
CN117250994B (zh) | 基于无人机追踪昆虫迁飞轨迹的方法及系统 | |
CN114550848A (zh) | 作物病害处理方法、装置、电子设备及计算机可读介质 | |
CN117611272A (zh) | 商品推荐方法、装置及电子设备 | |
CN108830833A (zh) | 工件识别项目的在线评估方法、服务器及终端 | |
CN112328771A (zh) | 服务信息输出方法、装置、服务器及存储介质 | |
CN110413869B (zh) | 用于推送信息的方法和装置 | |
CN116664520A (zh) | 一种电子产品的智能检测系统 | |
CN111177415A (zh) | 基于大数据和知识图谱的生猪养殖预测方法及系统 | |
CN114896161A (zh) | 基于人工智能的文件构造方法、装置、计算机设备及介质 | |
CN114219512A (zh) | 一种农作物信息推送方法、装置、计算机设备及存储介质 | |
CN108572948A (zh) | 门牌信息的处理方法及装置 | |
CN106651439A (zh) | 互动应用的处理方法和装置 | |
CN111126503A (zh) | 一种训练样本的生成方法和装置 | |
CN111160738A (zh) | 事件处理方法、装置、存储介质及电子装置 | |
CN111327654A (zh) | 农田信息的监测方法、系统 | |
CN106933852B (zh) | 网页更新请求的生成方法、装置及其响应方法和装置 | |
CN110910149A (zh) | 大数据溯源数字营销云平台管理系统 | |
CN112581161B (zh) | 对象选取方法和装置、存储介质和电子设备 |
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 |