CN117035558A - 一种农产品质量检测方法、系统及存储介质 - Google Patents

Abstract

本发明属于数据处理技术领域，具体涉及一种农产品质量检测方法、系统及存储介质，方法包括数据采集模块采集随着时间变化各个农产品的特征数据，定义多条数据尺寸信息并存储在第二内存中；数据提取模块从第二内存中选择一条数据尺寸信息，根据数据尺寸信息提取第一内存的时间序列数据并存储在第三内存中；数据预测模块基于第三内存中的原有数据进行深度学习生成预测模型，由预测模型生成预测数据；数据处理模块基于预测数据计算农产品差值；数据检测模块基于农产品差值检测农产品质量。本发明能够采集随着时间变化各个农产品的特征数据通过深度学习生成预测数据，通过计算获取能够检测农产品质量的数据，根据数据判断农产品的质量。

Description

一种农产品质量检测方法、系统及存储介质

技术领域

本发明属于数据处理技术领域，具体涉及一种农产品质量检测方法、系统及存储介质。

背景技术

目前的农产品种类非常多，每种农产品的数量也很多，人们对各种农产品质量的要求越来越高，想要买到质量好点的蔬菜、水果或其他农产品，就需要花费人力物力去检测各种农产品的质量，由此催生了各种检测农产品质量的技术，类似的现有技术如中国发明专利CN103744777B，该发明公开检测方法及使用该检测方法检测茶叶含水量的用途，方法包括以下步骤：1）建立图谱信息与物理量的模型；2）运行Storm集群，根据测得的物理量以模型为依据输出图谱；3）根据输出图谱实时检测物理量。上述检测方法可以实现高光谱遥感技术在检测方法上的应用。但该发明只能检测能通过产品得出图谱的相关的产品，没有考虑到不能建立图谱信息的产品该怎么检测；类似的现有技术还有如公开号为CN116304775A的公开文件，公开一种矿产品成分智能检测方法及系统，方法包括获取矿源基本信息，包括地理坐标参数、圈层特征参数和地质结构参数，基于K-近邻算法进行预测，获取第一矿床结构参数，进行矿产成分预测获取矿产成分预测结果，对矿源进行聚类获取矿源区域聚类结果，进行矿源取样获取矿产品样本信息，对矿产品样本信息进行成分检测，获取矿产品成分检测结果发送至管理终端，解决了现有技术中对于矿产品的采样代表性与精准度把控不足，导致采样结果与矿源的匹配度不足，致使最终检测结果存在偏差的技术问题，通过多维关联因素进行预测分析，进行矿源区域聚类以进行采样点定位，提高采样的精准度与代表性，保障检测结果的矿源适配度，然而该公开文件同样没有考虑到检测方法的普适性，只能检测单一种类的产品。由此本发明提供一种农产品质量检测方法、系统及存储介质。

发明内容

本发明通过数据采集模块采集随着时间变化的各个农产品的特征数据；定义多条数据尺寸信息，将所述多条数据尺寸信息存储在第二内存中；数据提取模块从第二内存中选择一条数据尺寸信息，根据所述尺寸信息提取所述第一内存的时间序列数据并存储在第三内存中；数据预测模块基于第三内存中的原有数据进行深度学习生成预测模型并通过预测模型生成预测数据；数据处理模块基于预测数据计算农产品差值；数据检测模块基于农产品差值检测农产品。本发明能够采集随着时间变化各个农产品的特征数据并生成预测数据，通过计算获取能够检测农产品质量的数据，根据通过计算获取到的能够检测农产品质量的数据，检测农产品的质量，还可以通过定义不同的特征数据来检测不同种类农产品的质量。

为了达到上述的发明目的，本发明给出如下所述的一种农产品质量检测方法，主要包括以下的步骤：

S1、定义农产品特征数据，数据采集模块采集时间序列数据，所述时间序列数据是指随着时间变化的各个农产品的特征数据，为各个农产品定义唯一农产品标记ID，所述数据采集模块将所述农产品的时间序列数据和对应的所述农产品标记ID存储在第一内存中，定义多条数据尺寸信息，每条所述数据尺寸信息包括第一尺寸、第二尺寸、第三尺寸和尺寸标记ID，所述第一尺寸的大小等于所述第二尺寸的大小加上所述第三尺寸的大小，将多条所述数据尺寸信息存储在第二内存中；

S2、数据提取模块从所述第二内存中选择一条数据尺寸信息，获取所述数据尺寸信息中的所述第一尺寸、所述第二尺寸、所述第三尺寸和所述尺寸标记ID，所述数据提取模块从所述第一内存中选择一个农产品的时间序列数据和对应的农产品标记ID，从所述时间序列数据中提取第一尺寸大小的第一数据，并将所述第一数据分为第二尺寸大小的第二数据和第三尺寸大小的第三数据，并将所述第一数据、所述第二数据、所述第三数据、所述尺寸标记ID和所述农产品标记ID称为提取数据，并将所述提取数据存储在第三内存中，继续用所述数据尺寸信息提取所述时间序列数据直到所述时间序列数据被提取完毕，此时一条时间序列数据通过被提取生成了多条提取数据，所述数据提取模块对所述第一内存中的所有时间序列数据执行上述处理；

S3、数据预测模块从所述第三内存中获取与所述S2中所述尺寸标记ID对应的所有所述第二数据、所述第三数据和对应的所述农产品标记ID，将所有所述第二数据和所述第三数据作为学习数据，通过深度学习生成预测模型，所述预测模型和所述尺寸标记ID相对应，将所有与所述尺寸标记ID对应的所述第二数据输入所述预测模型，所述预测模型生成对应预测数据，将所述预测数据、对应的所述第二数据、对应的所述尺寸标记ID和对应的农产品标记ID存储到第四内存中；

S4、数据处理模块从第四内存中获取与所述S2中所述尺寸标记ID对应的所有预测数据，从所述第三内存获取与所述尺寸标记ID对应的所有所述第三数据，将农产品标记ID相同、尺寸标记ID相同且第二数据相同的第三数据和预测数据进行差值计算得到多个差值，并根据多个所述差值计算所述农产品差值，将所述农产品差值和对应的尺寸标记ID和农产品标记ID对应的存储在第五内存中；

S5、判断所述第二内存中的数据尺寸信息是否全都被选择过，如果还有未被选择过的数据尺寸信息，则用未被选择过的数据尺寸信息对所有农产品的时间序列数据执行所述S2至所述S4的所有操作，直到所述第二内存中的数据尺寸信息全部都被选择过；

S6、数据检测模块获取每个农产品的所述农产品差值，所述农产品具有多个不同的所述农产品差值，多个不同的所述农产品差值分别对应不同的尺寸标记ID，从所述第二内存中选择一条数据尺寸信息，获取所述数据尺寸信息的尺寸标记ID，获取所述尺寸标记ID对应的各农产品的所述农产品差值，根据获取到的各个所述农产品差值检测各个农产品的质量。

作为本发明的一种优选技术方案，在所述S4中，所述将农产品标记ID相同、尺寸标记ID相同且第二数据相同的第三数据和预测数据进行差值计算，并根据多个所述差值计算农产品差值的过程，包括如下步骤：

S41、获取所述农产品标记ID相同、尺寸标记ID相同且第二数据相同的对应的第三数据和预测数据，并将所述第三数据和所述预测数据转化为方便计算的第三数值和预测数值，并将所述第三数值减去所述预测数值得到多个差值。

S42、根据获取到的多个所述差值，计算农产品标记ID相同且尺寸标记ID相同的多个所述差值的平均值，将所述平均值作为所述农产品标记ID对应的农产品的所述农产品差值，所有所述农产品通过同样方法计算各自的所述农产品差值，每个所述农产品对应多个农产品差值，多个所述农产品差值各自对应不同的尺寸标记ID。

作为本发明的一种优选技术方案，在所述S6中，所述从第二内存中选择一条数据尺寸信息的过程，包括如下步骤：

S61、根据所述第二内存中的每个尺寸标记ID，从所述第五内存中依次读取所述尺寸标记ID对应的所有所述农产品差值；

S62、将所述农产品差值按照大小顺序排列并分为两组，将预先设定比例的所述农产品差值最大的农产品分为第一组，剩下的分为第二组；

S63、计算属于所述第一组的农产品差值获取到结果值，计算属于所述第二组的农产品差值获取结果值，将属于所述第一组的所有的结果值中的最大值作为所述第一组的目标值，属于所述第二组的所有的结果值的平均值作为第二组的目标值，在平面直角坐标系下，两个目标值组合形成一个目标坐标点，每个尺寸标记ID对应的两组农产品差值的结果值形成各自对应的分散坐标点，计算各个所述分散坐标点和所述目标坐标点的距离，找出距离最小的一组对应的尺寸标记ID，所述尺寸标记ID对应的数据尺寸信息即为选择的所述数据尺寸信息；

S64、选择一条数据尺寸信息后，获取所述数据尺寸信息对应的尺寸标记ID，找到所述尺寸标记ID对应的所述农产品对应的农产品差值，根据尺寸标记ID对应的所述农产品差值检测各个所述农产品的质量。

作为本发明的一种优选技术方案，在所述S63中，所述计算第一组的农产品差值获取结果值的过程，包括如下步骤：

S631、首先计算属于所述第一组的农产品差值的平均值，获取到第一平均值，将属于所述第一组的农产品差值分别减去所述平均值获取到对应的第一差值；

S632、并将获取到的所述第一差值分别乘以所述第一差值本身获取到第一平方值，将多个所述第一平方值相加并除以属于所述第一组农产品差值的数量获取到结果值。

作为本发明的一种优选技术方案，在所述S64中，所述根据尺寸标记ID对应的农产品差值检测各个农产品的质量的过程，包括如下步骤：

S641、基于选择的数据尺寸信息获取所述数据尺寸信息对应的尺寸标记ID；

S642、基于所述尺寸标记ID从所述第五内存中获取每个所述农产品的农产品差值；

S643、比较每个所述农产品的农产品差值和预先设定数值的大小，所述农产品差值大于预先设定数值的农产品的质量是差的，所述农产品差值小于预先设定数值的农产品的质量是好的。

本发明还提供一种农产品质量检测系统，包括如下的模块：

数据采集模块，用于采集时间序列数据，所述时间序列数据是指随着时间变化各个农产品的特征数据，为各个农产品定义唯一农产品标记ID，所述数据采集模块将所述各个农产品的时间序列数据和对应的标记ID存储在第一内存中，定义多条数据尺寸信息，并将多条数据尺寸存储在第二内存中；

数据提取模块，用于依次从所述第二内存中选择一条数据尺寸信息，获取所述数据尺寸信息中的所述第一尺寸、所述第二尺寸、所述第三尺寸和所述尺寸标记ID，从所述第一内存中选择一个农产品的时间序列数据和对应的农产品标记ID，从所述时间序列数据中提取第一尺寸大小的第一数据，并将所述第一数据分为第二尺寸大小的第二数据和第三尺寸大小的第三数据，并将所述第一数据、所述第二数据、所述第三数据、所述尺寸标记ID和所述农产品标记ID称为提取数据，并将所述提取数据存储第三内存中；

数据预测模块，用于从所述第三内存中获取与尺寸标记ID对应的所有第二数据、第三数据和对应的农产品标记ID，将所有所述第二数据和第三数据作为学习数据，通过深度学习生成由第二数据预测第三数据的预测模型，所述预测模型和所述尺寸标记ID相对应，将所有与所述尺寸标记ID对应的所述第二数据输入所述预测模型，所述预测模型生成对应预测数据，将所述预测数据、对应的所述第二数据、对应的所述尺寸标记ID和对应的农产品标记ID存储到第四内存中；

数据处理模块，用于从所述第四内存中获取与尺寸标记ID对应的所有预测数据，从第三内存获取与所述尺寸标记ID对应的所有第三数据和对应的农产品标记ID，将农产品标记ID相同、尺寸标记ID相同且第二数据相同的第三数据和预测数据进行差值计算得到多个差值，并根据多个所述差值计算农产品差值，将所述农产品差值和对应的尺寸标记ID和农产品标记ID对应的存储在第五内存中；

数据检测模块，用于获取每个农产品的农产品差值，所述每个农产品具有多个农产品差值，所述多个农产品差值分别对应不同的尺寸标记ID，从第二内存中选择一条数据尺寸信息，获取所述数据尺寸信息中的尺寸标记ID，并获取所述尺寸标记ID对应的各农产品的农产品差值，根据获取到的各个农产品差值检测各个农产品的质量。

本发明还提供一种存储介质，所述存储介质存储有程序指令，其中，在所述程序指令运行时控制所述存储介质所在设备执行上述中任意一项所述的方法。

与现有技术相比，本发明的有益效果至少如下所述：

在本发明中，首先数据采集模块采集随着时间变化的各个农产品的特征数据，定义多条数据尺寸信息，将所述多条数据尺寸信息存储在第二内存中；数据提取模块从第二内存中选择一条数据尺寸信息，根据所述尺寸信息提取所述第一内存的时间序列数据并存储在第三内存中；数据预测模块基于第三内存中的原有数据进行深度学习生成预测模型并生成预测数据；数据处理模块基于预测数据计算农产品差值；数据检测模块基于农产品差值检测农产品。本发明能够采集随着时间变化各个农产品的特征数据并生成预测数据，通过计算获取能够检测农产品质量的数据，通过获取到的数据判断农产品的质量，从而达到检测农产品质量的目的，还可以通过定义不同的特征数据来检测不同种类农产品的质量。

附图说明

图1为本发明的一种农产品质量检测方法的步骤流程图；

图2为本发明的一种农产品质量检测系统的组成结构图；

图2中所示：100、农产品质量检测系统；101、数据采集模块；102、数据提取模块；103、数据预测模块；104、数据处理模块105、数据检测模块；

图3为本发明的不同的农产品标记ID对应不同尺寸标记ID对应的不同的农产品差值的数据图表。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。

本发明提供了如图1所示的一种农产品质量检测方法，主要通过执行如下的步骤过程进行实现：

S1、定义农产品特征数据，数据采集模块采集时间序列数据，所述时间序列数据是指随着时间变化的各个农产品的特征数据，为各个农产品定义唯一农产品标记ID，所述数据采集模块将所述农产品的时间序列数据和对应的所述农产品标记ID存储在第一内存中，定义多条数据尺寸信息，每条所述数据尺寸信息包括第一尺寸、第二尺寸、第三尺寸和尺寸标记ID，所述第一尺寸的大小等于所述第二尺寸的大小加上所述第三尺寸的大小，将多条所述数据尺寸信息存储在第二内存中；

S2、数据提取模块从所述第二内存中选择一条数据尺寸信息，获取所述数据尺寸信息中的所述第一尺寸、所述第二尺寸、所述第三尺寸和所述尺寸标记ID，所述数据提取模块从所述第一内存中选择一个农产品的时间序列数据和对应的农产品标记ID，从所述时间序列数据中提取第一尺寸大小的第一数据，并将所述第一数据分为第二尺寸大小的第二数据和第三尺寸大小的第三数据，并将所述第一数据、所述第二数据、所述第三数据、所述尺寸标记ID和所述农产品标记ID称为提取数据，并将所述提取数据存储在第三内存中，继续用所述数据尺寸信息提取所述时间序列数据直到所述时间序列数据被提取完毕，此时一条时间序列数据通过被提取生成了多条提取数据，所述数据提取模块对所述第一内存中的所有时间序列数据执行上述处理；

S3、数据预测模块从所述第三内存中获取与所述S2中所述尺寸标记ID对应的所有所述第二数据、所述第三数据和对应的所述农产品标记ID，将所有所述第二数据和所述第三数据作为学习数据，通过深度学习生成预测模型，所述预测模型和所述尺寸标记ID相对应，将所有与所述尺寸标记ID对应的所述第二数据输入所述预测模型，所述预测模型生成对应预测数据，将所述预测数据、对应的所述第二数据、对应的所述尺寸标记ID和对应的农产品标记ID存储到第四内存中；

S4、数据处理模块从第四内存中获取与所述S2中所述尺寸标记ID对应的所有预测数据，从所述第三内存获取与所述尺寸标记ID对应的所有所述第三数据，将农产品标记ID相同、尺寸标记ID相同且第二数据相同的第三数据和预测数据进行差值计算得到多个差值，并根据多个所述差值计算所述农产品差值，将所述农产品差值和对应的尺寸标记ID和农产品标记ID对应的存储在第五内存中；

S5、判断所述第二内存中的数据尺寸信息是否全都被选择过，如果还有未被选择过的数据尺寸信息，则用未被选择过的数据尺寸信息对所有农产品的时间序列数据执行所述S2至所述S4的所有操作，直到所述第二内存中的数据尺寸信息全部都被选择过；

S6、数据检测模块获取每个农产品的所述农产品差值，所述农产品具有多个不同的所述农产品差值，多个不同的所述农产品差值分别对应不同的尺寸标记ID，从所述第二内存中选择一条数据尺寸信息，获取所述数据尺寸信息的尺寸标记ID，获取所述尺寸标记ID对应的各农产品的所述农产品差值，根据获取到的各个所述农产品差值检测各个农产品的质量。

具体的，数据采集模块采集随着时间变化的各个农产品的特征数据，特征数据可以根据要检测的农产品种类自定义，比如如果要检测苹果的质量可以定义颜色、纹理或皱纹量作为特征数据，又比如要检测花生的质量可以定义花生的重量作为特征数据，为各个农产品定义农产品标记ID，并将各个农产品的时间序列数据和对应的农产品标记ID存储在第一内存中，此时每个农产品对应一条时间序列数据和一个农产品标记ID，定义多条数据尺寸信息，每条数据尺寸信息包括第一尺寸，第二尺寸、第三尺寸和尺寸标记ID，第一尺寸的大小等于第二尺寸的大小加上第三尺寸的大小，将多条数据尺寸信息存储在第二内存中，通过定义多条数据尺寸信息，利用多条数据尺寸信息对时间序列数据做提取，可以得到不同尺寸大小的数据，后续通过计算选择合适的数据检测农产品质量，使检测更加准确。数据提取模块从第二内存中选择数据尺寸信息，从第一内存中选择农产品的时间序列数据和对应的农产品标记ID，根据选择的数据尺寸信息提取时间序列数据，首先提取第一尺寸大小的第一数据，并将第一数据分为第二尺寸大小的第二数据和第三尺寸大小的第三数据，并将第一数据、第二数据、第三数据、尺寸标记ID和农产品标记ID存储在第三内存中，继续利用当前的数据尺寸信息提取当前农产品的时间序列数据，直到当前农产品的时间序列数据全部被提取，此时一个农产品的时间序列数据被提取生成了多条提取数据，将所有的提取数据全都存在第三内存中。数据提取模块继续用当前数据尺寸信息继续对其他农产品的时间序列数据做同样操作，直到所有农产品的时间序列数据都被提取完毕，此时每个农产品的时间序列数据都对应多条提取数据。数据预测模块从第三内存中获取与当前提取数据使用的尺寸标记ID相同的所有第二数据、第三数据和农产品标记ID，将第二数据和第三数据作为学习数据，通过深度学习算法生成由第二数据预测第三数据的预测模型，将与当前使用的尺寸标记ID对应的第二数据输入预测模型获取对应的预测数据，将预测数据、第二数据、尺寸标记ID和农产品标记ID存储到第四内存中。数据处理模块从第四内存中获取当前使用的尺寸标记ID对应的预测数据和农产品标记ID，从第三内存获取相同的尺寸标记ID对应的所有第三数据和农产品标记ID，将农产品标记ID、尺寸标记ID和第二数据都相同的第三数据和预测数据做差值计算，获取到每个农产品对应的多条提取数据对应的多个差值，根据多个差值计算对应农产品的农产品差值，将农产品差值、对应的尺寸标记ID和农产品标记ID存储在第五内存中。此时判断第二内存中的数据尺寸信息是否全都被选择过，如果存在未被选择过的数据尺寸信息，则依次用未被选择过的数据尺寸信息对所有农产品的时间序列数据做提取处理，并利用数据预测模块和数据处理模块做后续处理，直到第二内存中的数据尺寸信息全都被选择过。通过上述操作步骤就可以获取到各个农产品标记ID分别对应不同的尺寸标记ID和对应的农产品差值，比如有三个农产品A、B和C，有三个尺寸标记ID：O、P和Q，则可以得到如图３所示不同的农产品标记ID对应不同尺寸标记ID对应的不同的农产品差值的数据图表。数据检测模块通过计算选择一个尺寸标记ID，具体计算过程将在后面做出具体解释，通过选择的尺寸标记ID获取各农产品对应的农产品差值，通过各个农产品差值检测各个农产品的质量，具体检测农产品质量的方法将在后面做出具体解释。

进一步的，在S4中，将农产品标记ID相同、尺寸标记ID相同且第二数据相同的第三数据和预测数据进行差值计算，并根据多个差值计算农产品差值的过程，包括如下步骤：

S41、获取所述农产品标记ID相同、尺寸标记ID相同且第二数据相同的对应的第三数据和预测数据，并将所述第三数据和所述预测数据转化为方便计算的第三数值和预测数值，并将所述第三数值减去所述预测数值得到多个差值。

S42、根据获取到的多个所述差值，计算农产品标记ID相同且尺寸标记ID相同的多个所述差值的平均值，将所述平均值作为所述农产品标记ID对应的农产品的所述农产品差值，所有所述农产品通过同样方法计算各自的所述农产品差值，每个所述农产品对应多个农产品差值，多个所述农产品差值各自对应不同的尺寸标记ID。

具体的，获取到农产品标记ID相同、尺寸标记ID相同且第二数据相同的第三数据和预测数据，将第三数据和预测数据转化为方便计算的第三数值和预测数值，将第三数值减去预测数值得到对应多个差值，计算农产品标记ID相同且尺寸标记ID相同的多个差值的平均值，将平均值作为农产品标记ID对应的农产品差值，通过同样的方法计算各个农产品标记ID对应的农产品差值，从而得到各个农产品的农产品差值，每个农产品对应多个农产品差值，多个农产品差值分别对应不同的尺寸标记ID，通过这一步骤可以知道每个农产品会有多个不同的农产品差值，每个不同的农产品差值分别对应了不同的尺寸标记ID，是因为通过不同的数据尺寸信息提取了农产品的时间序列数据，后续将选择一个合适的尺寸标记ID对应的农产品差值去检测农产品的质量。

进一步的，在S6中，从第二内存中选择一条数据尺寸信息的过程，包括如下步骤：

S61、根据所述第二内存中的每个尺寸标记ID，从所述第五内存中依次读取所述尺寸标记ID对应的所有所述农产品差值；

S62、将所述农产品差值按照大小顺序排列并分为两组，将预先设定比例的所述农产品差值最大的农产品分为第一组，剩下的分为第二组；

S63、计算属于所述第一组的农产品差值获取到结果值，计算属于所述第二组的农产品差值获取结果值，将属于所述第一组的所有的结果值中的最大值作为所述第一组的目标值，属于所述第二组的所有的结果值的平均值作为第二组的目标值，在平面直角坐标系下，两个目标值组合形成一个目标坐标点，每个尺寸标记ID对应的两组农产品差值的结果值形成各自对应的分散坐标点，计算各个所述分散坐标点和所述目标坐标点的距离，找出距离最小的一组对应的尺寸标记ID，所述尺寸标记ID对应的数据尺寸信息即为选择的所述数据尺寸信息；

S64、选择一条数据尺寸信息后，获取所述数据尺寸信息对应的尺寸标记ID，找到所述尺寸标记ID对应的所述农产品对应的农产品差值，根据尺寸标记ID对应的所述农产品差值检测各个所述农产品的质量。

具体的，首先从第五内存中取出每个农产品的对应的多个不同的农产品差值，每个不同的农产品差值对应不同的尺寸标记ID，将尺寸标记ID相同的农产品差值取出，按照农产品差值的大小顺序排列，将预先设定比例的农产品差值最大的农产品分为第一组，剩下的分为第二组，预先设定比例可以是十分之一、五分之一或三分之一，对于每个尺寸标记ID对应的两组数据，分别计算所有第一组农产品差值的结果值和第二组农产品差值的结果值，找出所有属于第一组农产品差值的结果值中的最大值，作为目标值Y,计算所有属于第二组农产品差值的结果值的平均值作为目标值X，每个尺寸标记ID对应的第一组数据的结果值分别为y1,y2,y3...,对应的第二组数据的结果值分别为x1,x2,x3...,在平面直角坐标系下，目标值的坐标点为(X,Y),每个尺寸标记ID对应的坐标点为(x1,y1),(x2,y2),(x3,y3),...计算各个坐标点距离目标值的坐标点的距离，距离最小的坐标点对应的尺寸标记ID即为所要选择的数据尺寸信息对应的尺寸标记ID，通过计算各个分散坐标点距离目标值坐标点的距离的最小值可以找出最理想的数据尺寸信息，因为通过不同的数据尺寸信息提取的数据获取到的农产品差值分布可能不均匀，有的算出的农产品差值可能全都比较大，有的算出的农产品差值可能全部比较小比如都接近于０，通过上述过程找出一个算出的农产品差值相对分布比较均匀的，检测农产品的质量会相对更准确。

进一步的，在S63中，计算第一组的农产品差值获取结果值的过程，包括如下步骤：

S631、首先计算属于所述第一组的农产品差值的平均值，获取到第一平均值，将属于所述第一组的农产品差值分别减去所述平均值获取到对应的第一差值；

S632、并将获取到的所述第一差值分别乘以所述第一差值本身获取到第一平方值，将多个所述第一平方值相加并除以属于所述第一组农产品差值的数量获取到结果值。

具体的，以图3所示数据为例，对应尺寸标记O，假设Da1和Da2为第一组，Da3为第二组，对应尺寸标记P，假设Db1和Db2为第一组，Db3为第二组，对应尺寸标记Q，假设Dc1和Dc2为第一组，Dc3为第二组，首先计算尺寸标记O对应的第一组的结果值，计算过程为首先计算Da1加Da2除以2求得第一平均值，之后用Da1和Da2分别减去第一平均值，将获取到的差值乘以各自本身再相加获取到平方和值，将平方和值除以2得到结果值，第二组结果值的计算方法和第一组相同，对应不同的尺寸标记ID的每一组计算结果值的计算方法都相同，以此便可以获取到多个不同的两组数据的结果值，利用结果值继续做后续运算。

进一步的，在S64中，根据尺寸标记ID对应的农产品差值检测各个农产品的质量的过程，包括如下步骤：

S641、基于选择的数据尺寸信息获取所述数据尺寸信息对应的尺寸标记ID；

S642、基于所述尺寸标记ID从所述第五内存中获取每个所述农产品的农产品差值；

S643、比较每个所述农产品的农产品差值和预先设定数值的大小，所述农产品差值大于预先设定数值的农产品的质量是差的，所述农产品差值小于预先设定数值的农产品的质量是好的。

具体的，根据选择的数据尺寸信息获取对应的尺寸标记ID，从第五内存中获取当前尺寸标记ID对应的每个农产品的农产品差值，首先可以比较每个农产品的农产品差值和预先设定数值的大小关系，大于预先设定数值的农产品差值对应的农产品说明农产品的稳定性不好变化的比较快，对应的农产品判定为质量较差的，小于预先设定数值的农产品差值对应的农产品，由于农产品差值比较小说明农产品的稳定行较好，在一定时间内没变化或变化比较小，对应的农产品判定为质量较好的，另外，由于农产品差值代表了农产品特征信息变化的快慢程度，由此可以根据农产品差值大小将农产品分等级，比如农产品差值的数据范围在0到10，将农产品差值为0的农产品分为优等农产品，将农产品差值大于0小于3的分为一等农产品，将农产品差值大于3小于7的分为二等农产品，将农产品差值大于7的农产品分为三等农产品。

根据本发明实施例的另一个方面，参考如图2所示，还提供一种农产品质量检测系统，包括数据采集模块、数据提取模块、数据预测模块、数据处理模块和数据检测模块，用来实现如以上内容所描述的一种农产品质量检测方法，各个模块的具体功能如下：

数据采集模块，用于采集时间序列数据，所述时间序列数据是指随着时间变化各个农产品的特征数据，为各个农产品定义唯一农产品标记ID，所述数据采集模块将所述各个农产品的时间序列数据和对应的标记ID存储在第一内存中，定义多条数据尺寸信息，并将多条数据尺寸存储在第二内存中；

数据提取模块，用于依次从所述第二内存中选择一条数据尺寸信息，获取所述数据尺寸信息中的所述第一尺寸、所述第二尺寸、所述第三尺寸和所述尺寸标记ID，从所述第一内存中选择一个农产品的时间序列数据和对应的农产品标记ID，从所述时间序列数据中提取第一尺寸大小的第一数据，并将所述第一数据分为第二尺寸大小的第二数据和第三尺寸大小的第三数据，并将所述第一数据、所述第二数据、所述第三数据、所述尺寸标记ID和所述农产品标记ID称为提取数据，并将所述提取数据存储第三内存中；

数据预测模块，用于从所述第三内存中获取与尺寸标记ID对应的所有第二数据、第三数据和对应的农产品标记ID，将所有所述第二数据和第三数据作为学习数据，通过深度学习生成由第二数据预测第三数据的预测模型，所述预测模型和所述尺寸标记ID相对应，将所有与所述尺寸标记ID对应的所述第二数据输入所述预测模型，所述预测模型生成对应预测数据，将所述预测数据、对应的所述第二数据、对应的所述尺寸标记ID和对应的农产品标记ID存储到第四内存中；

数据处理模块，用于从所述第四内存中获取与尺寸标记ID对应的所有预测数据，从第三内存获取与所述尺寸标记ID对应的所有第三数据和对应的农产品标记ID，将农产品标记ID相同、尺寸标记ID相同且第二数据相同的第三数据和预测数据进行差值计算得到多个差值，并根据多个所述差值计算农产品差值，将所述农产品差值和对应的尺寸标记ID和农产品标记ID对应的存储在第五内存中；

数据检测模块，用于获取每个农产品的农产品差值，所述每个农产品具有多个农产品差值，所述多个农产品差值分别对应不同的尺寸标记ID，从第二内存中选择一条数据尺寸信息，获取所述数据尺寸信息中的尺寸标记ID，并获取所述尺寸标记ID对应的各农产品的农产品差值，根据获取到的各个农产品差值检测各个农产品的质量。

根据本发明实施例的另一个方面，还提供了一种存储介质，存储介质存储有程序指令，其中，在程序指令运行时控制存储介质所在设备执行上述中任意一项的方法。

综上所述，本发明的一种农产品质量检测方法、系统及存储介质，方法包括数据采集模块采集随着时间变化的各个农产品的特征数据，定义多条数据尺寸信息，将多条数据尺寸信息存储在第二内存中；数据提取模块从第二内存中选择一条数据尺寸信息，根据尺寸信息提取第一内存的时间序列数据并存储在第三内存中；数据预测模块基于第三内存中的原有数据进行深度学习生成预测模型并生成预测数据；数据处理模块基于预测数据计算农产品差值；数据检测模块基于农产品差值检测农产品。本发明能够采集随着时间变化各个农产品的特征数据并生成预测数据，通过计算获取能够检测农产品质量的数据，通过获取到的数据判断农产品的质量，从而达到检测农产品质量的目的，还可以通过定义不同的特征数据来检测不同种类农产品的质量。

应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一个非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

以上上述的实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上上述的实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

以上上述的仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种农产品质量检测方法，其特征在于，包括如下的步骤：

S1、定义农产品特征数据，数据采集模块采集时间序列数据，所述时间序列数据是指随着时间变化的各个农产品的特征数据，为各个农产品定义唯一农产品标记ID，所述数据采集模块将所述农产品的时间序列数据和对应的所述农产品标记ID存储在第一内存中，定义多条数据尺寸信息，每条所述数据尺寸信息包括第一尺寸、第二尺寸、第三尺寸和尺寸标记ID，所述第一尺寸的大小等于所述第二尺寸的大小加上所述第三尺寸的大小，将多条所述数据尺寸信息存储在第二内存中；

S2、数据提取模块从所述第二内存中选择一条数据尺寸信息，获取所述数据尺寸信息中的所述第一尺寸、所述第二尺寸、所述第三尺寸和所述尺寸标记ID，所述数据提取模块从所述第一内存中选择一个农产品的时间序列数据和对应的农产品标记ID，从所述时间序列数据中提取第一尺寸大小的第一数据，并将所述第一数据分为第二尺寸大小的第二数据和第三尺寸大小的第三数据，并将所述第一数据、所述第二数据、所述第三数据、所述尺寸标记ID和所述农产品标记ID称为提取数据，并将所述提取数据存储在第三内存中，继续用所述数据尺寸信息提取所述时间序列数据直到所述时间序列数据被提取完毕，此时一条时间序列数据通过被提取生成了多条提取数据，所述数据提取模块对所述第一内存中的所有时间序列数据执行上述处理；

S3、数据预测模块从所述第三内存中获取与所述S2中所述尺寸标记ID对应的所有所述第二数据、所述第三数据和对应的所述农产品标记ID，将所有所述第二数据和所述第三数据作为学习数据，通过深度学习生成预测模型，所述预测模型和所述尺寸标记ID相对应，将所有与所述尺寸标记ID对应的所述第二数据输入所述预测模型，所述预测模型生成对应预测数据，将所述预测数据、对应的所述第二数据、对应的所述尺寸标记ID和对应的农产品标记ID存储到第四内存中；

S4、数据处理模块从第四内存中获取与所述S2中所述尺寸标记ID对应的所有预测数据，从所述第三内存获取与所述尺寸标记ID对应的所有所述第三数据，将农产品标记ID相同、尺寸标记ID相同且第二数据相同的第三数据和预测数据进行差值计算得到多个差值，并根据多个所述差值计算所述农产品差值，将所述农产品差值和对应的尺寸标记ID和农产品标记ID对应的存储在第五内存中；

S5、判断所述第二内存中的数据尺寸信息是否全都被选择过，如果还有未被选择过的数据尺寸信息，则用未被选择过的数据尺寸信息对所有农产品的时间序列数据执行所述S2至所述S4的所有操作，直到所述第二内存中的数据尺寸信息全部都被选择过；

S6、数据检测模块获取每个农产品的所述农产品差值，所述农产品具有多个不同的所述农产品差值，多个不同的所述农产品差值分别对应不同的尺寸标记ID，从所述第二内存中选择一条数据尺寸信息，获取所述数据尺寸信息的尺寸标记ID，获取所述尺寸标记ID对应的各农产品的所述农产品差值，根据获取到的各个所述农产品差值检测各个农产品的质量。

2.根据权利要求1所述的一种农产品质量检测方法，其特征在于，在所述S4中，所述将农产品标记ID相同、尺寸标记ID相同且第二数据相同的第三数据和预测数据进行差值计算，并根据多个所述差值计算所述农产品差值的过程，包括如下步骤：

S41、获取所述农产品标记ID相同、尺寸标记ID相同且第二数据相同的对应的第三数据和预测数据，并将所述第三数据和所述预测数据转化为方便计算的第三数值和预测数值，并将所述第三数值减去所述预测数值得到多个差值；

S42、根据获取到的多个所述差值，计算农产品标记ID相同且尺寸标记ID相同的多个所述差值的平均值，将所述平均值作为所述农产品标记ID对应的农产品的所述农产品差值，所有所述农产品通过同样方法计算各自的所述农产品差值，每个所述农产品对应多个农产品差值，多个所述农产品差值各自对应不同的尺寸标记ID。

3.根据权利要求1所述的一种农产品质量检测方法，其特征在于，在所述S6中，从所述第二内存中选择一条数据尺寸信息的过程，包括如下步骤：

S61、根据所述第二内存中的每个尺寸标记ID，从所述第五内存中依次读取所述尺寸标记ID对应的所有所述农产品差值；

S62、将所述农产品差值按照大小顺序排列并分为两组，将预先设定比例的所述农产品差值最大的农产品分为第一组，剩下的分为第二组；

S63、计算属于所述第一组的农产品差值获取到结果值，计算属于所述第二组的农产品差值获取结果值，将属于所述第一组的所有的结果值中的最大值作为所述第一组的目标值，属于所述第二组的所有的结果值的平均值作为第二组的目标值，在平面直角坐标系下，两个目标值组合形成一个目标坐标点，每个尺寸标记ID对应的两组农产品差值的结果值形成各自对应的分散坐标点，计算各个所述分散坐标点和所述目标坐标点的距离，找出距离最小的一组对应的尺寸标记ID，所述尺寸标记ID对应的数据尺寸信息即为选择的所述数据尺寸信息；

S64、选择一条数据尺寸信息后，获取所述数据尺寸信息对应的尺寸标记ID，找到所述尺寸标记ID对应的所述农产品对应的农产品差值，根据尺寸标记ID对应的所述农产品差值检测各个所述农产品的质量。

4.根据权利要求3所述的一种农产品质量检测方法，其特征在于，在所述S63中，计算所述第一组的农产品差值获取结果值的过程，包括如下步骤：

S631、首先计算属于所述第一组的农产品差值的平均值，获取到第一平均值，将属于所述第一组的农产品差值分别减去所述平均值获取到对应的第一差值；

S632、并将获取到的所述第一差值分别乘以所述第一差值本身获取到第一平方值，将多个所述第一平方值相加并除以属于所述第一组农产品差值的数量获取到结果值。

5.根据权利要求３所述的一种农产品质量检测方法，其特征在于，在所述S64中，所述根据所述尺寸标记ID对应的农产品差值检测各个所述农产品的质量的过程，包括如下步骤：

S641、基于选择的数据尺寸信息获取所述数据尺寸信息对应的尺寸标记ID；

S642、基于所述尺寸标记ID从所述第五内存中获取每个所述农产品的农产品差值；

S643、比较每个所述农产品的农产品差值和预先设定数值的大小，所述农产品差值大于预先设定数值的农产品的质量是差的，所述农产品差值小于预先设定数值的农产品的质量是好的。

6.一种农产品质量检测系统，用于实现如权利要求1-5任意一项所述的方法，其特征在于，所述系统包括如下模块：

数据采集模块，用于采集时间序列数据，所述时间序列数据是指随着时间变化各个农产品的特征数据，为各个农产品定义唯一农产品标记ID，所述数据采集模块将所述各个农产品的时间序列数据和对应的标记ID存储在第一内存中，定义多条数据尺寸信息，并将多条数据尺寸存储在第二内存中；

数据提取模块，用于依次从所述第二内存中选择一条数据尺寸信息，获取所述数据尺寸信息中的所述第一尺寸、所述第二尺寸、所述第三尺寸和所述尺寸标记ID，从所述第一内存中选择一个农产品的时间序列数据和对应的农产品标记ID，从所述时间序列数据中提取第一尺寸大小的第一数据，并将所述第一数据分为第二尺寸大小的第二数据和第三尺寸大小的第三数据，并将所述第一数据、所述第二数据、所述第三数据、所述尺寸标记ID和所述农产品标记ID称为提取数据，并将所述提取数据存储第三内存中；

数据预测模块，用于从所述第三内存中获取与尺寸标记ID对应的所有第二数据、第三数据和对应的农产品标记ID，将所有所述第二数据和第三数据作为学习数据，通过深度学习生成由第二数据预测第三数据的预测模型，所述预测模型和所述尺寸标记ID相对应，将所有与所述尺寸标记ID对应的所述第二数据输入所述预测模型，所述预测模型生成对应预测数据，将所述预测数据、对应的所述第二数据、对应的所述尺寸标记ID和对应的农产品标记ID存储到第四内存中；

数据处理模块，用于从所述第四内存中获取与尺寸标记ID对应的所有预测数据，从第三内存获取与所述尺寸标记ID对应的所有第三数据和对应的农产品标记ID，将农产品标记ID相同、尺寸标记ID相同且第二数据相同的第三数据和预测数据进行差值计算得到多个差值，并根据多个所述差值计算农产品差值，将所述农产品差值和对应的尺寸标记ID和农产品标记ID对应的存储在第五内存中；

数据检测模块，用于获取每个农产品的农产品差值，所述每个农产品具有多个农产品差值，所述多个农产品差值分别对应不同的尺寸标记ID，从第二内存中选择一条数据尺寸信息，获取所述数据尺寸信息中的尺寸标记ID，并获取所述尺寸标记ID对应的各农产品的农产品差值，根据获取到的各个农产品差值检测各个农产品的质量。

7.一种存储介质，其特征在于，所述存储介质存储有程序指令，其中，在所述程序指令运行时控制所述存储介质所在设备执行权利要求1至5中任意一项所述的一种农产品质量检测方法。