CN117057678B - 一种智能化的收粮监测控制方法及设备 - Google Patents
一种智能化的收粮监测控制方法及设备 Download PDFInfo
- Publication number
- CN117057678B CN117057678B CN202311311812.3A CN202311311812A CN117057678B CN 117057678 B CN117057678 B CN 117057678B CN 202311311812 A CN202311311812 A CN 202311311812A CN 117057678 B CN117057678 B CN 117057678B
- Authority
- CN
- China
- Prior art keywords
- grain
- image
- result
- sold
- user
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012544 monitoring process Methods 0.000 title claims abstract description 18
- 238000005070 sampling Methods 0.000 claims abstract description 73
- 238000012795 verification Methods 0.000 claims abstract description 55
- 238000001514 detection method Methods 0.000 claims abstract description 49
- 238000001303 quality assessment method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 95
- 238000012216 screening Methods 0.000 claims description 25
- 238000012360 testing method Methods 0.000 claims description 21
- 238000013441 quality evaluation Methods 0.000 claims description 17
- 238000011282 treatment Methods 0.000 claims description 13
- 239000002245 particle Substances 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 239000002344 surface layer Substances 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 238000013508 migration Methods 0.000 claims description 2
- 230000005012 migration Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 19
- 230000000694 effects Effects 0.000 abstract description 6
- 235000013339 cereals Nutrition 0.000 description 320
- 230000002159 abnormal effect Effects 0.000 description 12
- 230000006399 behavior Effects 0.000 description 6
- 230000009467 reduction Effects 0.000 description 3
- 235000020985 whole grains Nutrition 0.000 description 3
- 238000013075 data extraction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 238000011269 treatment regimen Methods 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/0008—General problems related to the reading of electronic memory record carriers, independent of its reading method, e.g. power transfer
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Multimedia (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种智能化的收粮监测控制方法及设备,涉及数据处理技术领域,通过在识别认证用户身份通过后获得待售粮第一采集图像和辅助验证数据,对售粮采样结果进行测试输出第一参考数据和初始参考数据,通过辅助验证数据对初始参考数据进行数据补偿,生成第二参考数据,根据第一参考数据、第二参考数据生成质量评定结果;当用户同意售粮时获得毛重检测结果、皮重检测结果、质量评定结果存储至RFID卡并在核实卡内信息存储完整后执行售粮任务。解决了现有技术中粮食收购全流程对于人工依赖性过高,存在收购过程低效率、管理混乱且数据同步性较低的技术问题。达到了提高粮食收购效率和收购过程数据同步性的技术效果。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种智能化的收粮监测控制方法及设备。
背景技术
在粮食流通工作中,粮食收购是粮安工程的第一把平安锁,无论是国有粮库,还是粮食仓储及加工企业,每年都需要收购大量粮食,但不可回避的现状是,传统手工操作方式往往会有各种漏洞。
由于在收粮过程中,售粮人需要经受进厂登记、扦样、检斤、卸粮、入库、结算等流程,在这些环节中需要接触不同的收粮作业人员,传统的管理模式导致人为因素对整个收粮过程影响过大,这些由人工参加的工作不但效率低下,还会出现人工造假的漏洞。
现有技术中粮食收购全流程对于人工依赖性过高,存在收购过程低效率、管理混乱且数据同步性较低,售粮全流程管理统筹难度高的技术问题。
发明内容
本申请提供了一种智能化的收粮监测控制方法及设备,用于针对解决现有技术中粮食收购全流程对于人工依赖性过高,存在收购过程低效率、管理混乱且数据同步性较低,售粮全流程管理统筹难度高的技术问题。
鉴于上述问题,本申请提供了一种智能化的收粮监测控制方法及设备。
本申请的第一个方面,提供了一种智能化的收粮监测控制方法,所述方法包括:交互车辆和用户的基础信息,完成所述车辆、所述用户与RFID卡绑定;通过扦样机进行所述RFID卡识别,并进行车牌识别,根据车牌识别结果和RFID卡识别结果进行识别认证;当识别认证通过后,通过图像采集装置进行车辆内待售粮进行图像采集,获得第一采集图像,并执行所述第一采集图像的图像识别,生成辅助验证数据;对待售粮进行N个位置的售粮采样,并通过测水设备进行售粮采样结果进行含水量测试,输出第一参考数据;通过容重设备进行所述售粮采样结果的数据测试,生成初始参考数据,通过所述辅助验证数据对所述初始参考数据进行数据补偿,生成第二参考数据;根据所述第一参考数据、所述第二参考数据输出所述待售粮的质量评定结果,并将所述质量评定结果发送至所述用户;当所述用户同意售粮时,则进行所述待售粮的毛重检测,并在卸粮结束后,进行皮重测定;将毛重检测结果、皮重检测结果、所述质量评定结果存储至所述RFID卡;当确认所述RFID卡内信息存储完整时,则执行所述车辆和所述用户的闸门放行,完成售粮任务。
本申请的第二个方面,提供了一种智能化的收粮监测控制设备,所述设备包括:设备信息交互模块,用于交互车辆和用户的基础信息,完成所述车辆、所述用户与RFID卡绑定;识别认证执行模块,用于通过扦样机进行所述RFID卡识别,并进行车牌识别,根据车牌识别结果和RFID卡识别结果进行识别认证;辅助验证执行模块,用于当识别认证通过后,通过图像采集装置进行车辆内待售粮进行图像采集,获得第一采集图像,并执行所述第一采集图像的图像识别,生成辅助验证数据;粮油含水测试模块,用于对待售粮进行N个位置的售粮采样,并通过测水设备进行售粮采样结果进行含水量测试,输出第一参考数据;参考数据生成模块,用于通过容重设备进行所述售粮采样结果的数据测试,生成初始参考数据,通过所述辅助验证数据对所述初始参考数据进行数据补偿,生成第二参考数据;质量评估输出模块,用于根据所述第一参考数据、所述第二参考数据输出所述待售粮的质量评定结果,并将所述质量评定结果发送至所述用户;皮重测定执行模块,用于当所述用户同意售粮时,则进行所述待售粮的毛重检测,并在卸粮结束后,进行皮重测定;检测结果存储模块,用于将毛重检测结果、皮重检测结果、所述质量评定结果存储至所述RFID卡;闸门放行执行模块,用于当确认所述RFID卡内信息存储完整时,则执行所述车辆和所述用户的闸门放行,完成售粮任务。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的方法通过交互车辆和用户的基础信息,完成所述车辆、所述用户与RFID卡绑定;通过扦样机进行所述RFID卡识别,并进行车牌识别,根据车牌识别结果和RFID卡识别结果进行识别认证;当识别认证通过后,通过图像采集装置进行车辆内待售粮进行图像采集,获得第一采集图像,并执行所述第一采集图像的图像识别,生成辅助验证数据,本实施例通过获得所述辅助验证数据,实现为提高粮食收购企业对于用户待售粮的质量检测精度和有效性提供高价值参考数据。对待售粮进行N个位置的售粮采样,并通过测水设备进行售粮采样结果进行含水量测试,输出第一参考数据,本实施例通过获得所述第一参考数据为后续结合其他粮食检测结果参数进行售粮质量检测评估提供参考,从而提高售粮检测结果的可信性和全面性;通过容重设备进行所述售粮采样结果的数据测试,生成初始参考数据,通过所述辅助验证数据对所述初始参考数据进行数据补偿,生成第二参考数据,实现了根据粮粒含水预测值和含水实测值判断售粮用户是否存在欺骗行为,并根据实际粮食含水量和容重进行粮食入库以及水分处理方案的生成,从而保障粮食收购企业对于所收粮食的有效安全储存以及避免售粮用户的欺诈行为;根据所述第一参考数据、所述第二参考数据输出所述待售粮的质量评定结果,并将所述质量评定结果发送至所述用户;当所述用户同意售粮时,则进行所述待售粮的毛重检测,并在卸粮结束后,进行皮重测定;将毛重检测结果、皮重检测结果、所述质量评定结果存储至所述RFID卡;当确认所述RFID卡内信息存储完整时,则执行所述车辆和所述用户的闸门放行,完成售粮任务。达到了提高粮食收购效率和收购过程数据同步性,实现粮食收购全流程宏观管理,提高待售粮收售双方出价合理性和可信性,减少收售矛盾,减少粮食收购的经济损失风险的技术效果。
附图说明
图1为本申请提供的一种智能化的收粮监测控制方法流程示意图;
图2为本申请提供的一种智能化的收粮监测控制方法中生成辅助验证数据的流程示意图;
图3为本申请提供的一种智能化的收粮监测控制方法中确定采样点数量的流程示意图;
图4为本申请提供的一种智能化的收粮监测控制设备的结构示意图。
附图标记说明:设备信息交互模块1,识别认证执行模块2,辅助验证执行模块3,粮油含水测试模块4,参考数据生成模块5质量评估输出模块6,皮重测定执行模块7,检测结果存储模块8,闸门放行执行模块9。
具体实施方式
本申请提供了一种智能化的收粮监测控制方法及设备,用于针对解决现有技术中粮食收购全流程对于人工依赖性过高,存在收购过程低效率、管理混乱且数据同步性较低,售粮全流程管理统筹难度高的技术问题。达到了提高粮食收购效率和收购过程数据同步性,实现粮食收购全流程宏观管理,提高待售粮收售双方出价合理性和可信性,减少收售矛盾,减少粮食收购的经济损失风险的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合相关规定。
下面,将参考附图对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明的实施例,本领域普通技术人员在没有做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。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
实施例一:如图1所示,本申请提供了一种智能化的收粮监测控制方法,其特征在于,所述方法包括:
S100:交互车辆和用户的基础信息,完成所述车辆、所述用户与RFID卡绑定;
S200:通过扦样机进行所述RFID卡识别,并进行车牌识别,根据车牌识别结果和RFID卡识别结果进行识别认证;
具体而言,在本实施例中,所述用户为计划在粮食收购企业进行粮食出售的不特定民事行为能力人,所述用户的基础信息为能够反映用户身份的任意信息,例如用户身份证中囊括的身份证号、户口所在地、姓名等信息。所述车辆的基础信息为当前所述用户驾驶的用于进行待售粮食运输的机动车辆的车牌、车型信息。
所述用户驾驶车辆进入粮食收购企业前,在粮食收购企业门禁处,经由数据交互设备,例如通过高拍仪及身份证读卡器采集所述车辆和用户的基础信息,并将采集得到的车辆和用户的基础信息通过RFID读写器刷写RFID卡中,完成用户和车辆信息的绑定。
绑定有用户和车辆的基础信息的RFID卡交由所述用户暂时保管使用。所述用户驾驶车辆进入粮食收购企业后,需要对待出售粮食进行扦样质量检测。为避免扦样采集用于进行质量检测的粮食并非来自于对应的运粮车辆,本实施例在所述扦样机前安装具有RFID识别、车牌识别功能及LED显示屏的闸机设备。
基于扦样机前安装的闸机设备进行所述车辆的车牌识别,并识别所述RFID卡获得所述RFID卡识别结果,所述RFID卡识别结果为RFID卡中临时存储的车牌信息,根据车牌识别结果和RFID卡识别结果进行一致性分析,完成所述识别认证,当车牌识别结果和RFID卡识别结果具有一致性时,在LED显示屏显示识别认证通过,并打开扦样机前安装的闸机设备,所述用户继续驾驶所述车辆进入所述扦样机进行后续待售粮食的扦样检测。
S300:当识别认证通过后,通过图像采集装置进行车辆内待售粮进行图像采集,获得第一采集图像,并执行所述第一采集图像的图像识别,生成辅助验证数据;
在一个实施例中,如图2所示,本申请提供的方法步骤还包括:
S310:将所述售粮采样结果中的待售粮置入预定容器;
S320:通过所述图像采集装置进行置入所述预定容器的待售粮图像采集,获得第二采集图像;
S330:执行所述第二采集图像的图像识别,对所述第一采集图像的图像识别结果和所述第二采集图像的图像识别结果进行结果验证;
S340:根据验证结果生成所述辅助验证数据。
在一个实施例中,本申请提供的方法步骤还包括:
S331:通过大数据构建粮食图像集合,并根据采样位置光源进行所述粮食图像集合的图像亮度调整;
S332:将调整后图像亮度的所述粮食图像集合进行粮食特征标识提取,构建识别特征集合,其中,所述识别特征集合包括颜色特征、颗粒大小特征;
S333:通过所述识别特征集合进行所述第一采集图像和所述第二采集图像的图像识别。
具体而言,在本实施例中,所述图像采集装置由固定于车辆顶部用于进行车斗内表层待售粮进行采集的图像采集设备以及配置于所述预定容器上段中心固定高度的所述图像采集设备构成。
当识别认证通过后,由固定于车辆顶部的图像采集设备进行图像采集,获得第一采集图像,所述第一采集图像为车斗表面层粮食的图像。
在获得车斗表层粮食的第一采集图像的基础上,通过所述扦样机探入车斗内部进行车斗内不可见粮食的采样,获得所述售粮采样结果,将所述售粮采样结果中的待售粮逐一置入预定容器,例如30cm×30cm的亚克力置物台。
通过配置于所述预定容器上段中心固定高度的所述图像采集设备,对置入所述预定容器的待售粮图像采集,获得第二采集图像,所述第二采集图像为随机采样获得的车斗内不可见粮食的图像。参考第二采集图像中粮粒排布密度情况裁剪调整第一采集图像的尺寸,以便后续基于第一采集图像和第二采集图像进行图像识别。
通过粮食收购企业的历史收粮记录数据构建粮食图像集合,所述粮食图像集合中的M张粮食图像和当前车辆内待售粮的品种具有一致性且满足粮食收购企业的收购品质要求,本实施例获得M张粮食图像对应的含水量数据。
应理解的,本实施例中,所述图像采集装置配置于所述预定容器上段中心固定高度以及车辆顶端,因而本实施例根据图像采集装置的两个采样位置所配置的入射角及光强光源,进行所述粮食图像集合的图像亮度调整,以使所述粮食图像集合中的粮食图像和当前采集的第一采集图像、第二采集图像所处环境光线具有一致性。
将调整后图像亮度的所述粮食图像集合进行粮食特征标识提取,构建识别特征集合,所述识别特征集合包括颜色特征、颗粒大小特征,从而在获得M张粮食图像对应的含水量数据的基础上,结合颜色特征和颗粒大小特征,获得M组含水量-粮食粒径-颜色RGB值。
所述颜色特征对所述粮食图像集合中粮粒进行RGB值提取获得的所有粮粒的RGB值,所述颗粒大小特征为对所述粮食图像集合进行降噪除杂后,进行二值化处理提取粮粒轮廓图像,基于粮粒轮廓图像进行粒径提取,获得的粮粒粒径数据。
采用前述获取粮粒粒径以及粮粒RGB值相同方法,分别对所述第一采集图像和所述第二采集图像进行图像识别,获得第一粮粒粒径、第一RGB值,第二粮粒粒径、第二RGB值。
将第一粮粒粒径、第一RGB值遍历M组含水量-粮食粒径-颜色RGB值,获得满足第一粮粒粒径和第一RGB值的一个含水量作为第一采集图像中车斗表面层粮食的含水量预测值。
采用获得第一采集图像中车斗表面层粮食的含水量相同方法,基于第二粮粒粒径、第二RGB值遍历M组含水量-粮食粒径-颜色RGB值,获得第二采集图像中车斗内部粮食的含水量预测值。
将第一采集图像的含水量预测值和第二采集图像的含水量预测值作为所述验证结果,所述验证结果用于表征用户当前车辆中装载粮食的表层粮食含水量预测值和内部粮食含水量预测值。
将所述验证结果作为所述辅助验证数据,所述辅助验证数据用于后续结合待售粮的其他检测数据进行待售粮的质量评估,本实施例通过获得所述辅助验证数据,实现为提高粮食收购企业对于用户待售粮的质量检测精度和有效性提供高价值参考数据的技术效果。
为提高所述辅助验证数据的可信性和可参考性,可设置售粮采样规则,对所述待售粮进行多点采样,获得由包括N个采样位置的待售粮的所述售粮采样结果,并进一步获得包括N张图像的第二采集图像,进一步获得包括N个采样位置的N个含水量预测值的第二采集图像,结合第一采集图像的含水量预测值作为所述验证结果。本实施例在后续说明书中阐述N个采样位置的确定方法。
S400:对待售粮进行N个位置的售粮采样,并通过测水设备进行售粮采样结果进行含水量测试,输出第一参考数据;
在一个实施例中,如图3所示,本申请提供的方法步骤还包括:
S410:基于所述第一采集图像进行粮食图像边缘识别,确定边缘尺寸;
S420:通过所述边缘尺寸进行尺寸等级匹配,基于尺寸等级匹配结果确定采样点数量;
S430:根据所述采样点数量对待售粮进行N个位置的售粮采样。
具体而言,在本实施例中,所述第一采集图像为基于布设在车辆上端的图像采集设备对车斗进行宏观图像采集获得,因而本实施例基于所述第一采集图像进行粮食图像边缘识别,确定边缘尺寸,边缘尺寸为所述车辆的车斗尺寸。示例性的,对图像采集设备设置距离识别元件,在基于图像采集设备进行车辆车斗图像采集的同时,距离识别元件采集获得车斗的长宽尺寸数据,作为所述边缘尺寸。
应理解的,在粮食工程领域,对装载粮食的不同尺寸容器设定不同的采样点进行粮食采样,以采集代表性粮食样本进行含水量测试,获得具有代表性的粮食含水量数据。
因而本实施例根据粮食检测领域专业书籍以及研究人员经验生成采样点设定数据库,所述采样点设定数据库包括多组预设边缘尺寸阈值-采样点数量,例如边缘尺寸阈值为长度1.5m~2.5m,宽度2.0m~2.5m,对应采样点数量为7×8个。
将所述边缘尺寸输入所述采样点设定数据库进行尺寸等级匹配,基于尺寸等级匹配结果确定采样点数量N,根据所述采样点数量对待售粮进行N个位置的售粮采样,应注意的,在每个位置进行的售粮采样的采样质量或体积应尽量保持一致。
对待售粮进行N个位置的售粮采样,并通过测水设备进行售粮采样结果进行含水量测试,输出第一参考数据,所述第一参考数据为N个位置的含水量数据。示例性的,所述测水设备可以是市面在售粮食水分测定仪。
本实施例通过获得所述第一参考数据为后续结合其他粮食检测结果参数进行售粮质量检测评估提供参考,从而提高售粮检测结果的可信性和全面性。
S500:通过容重设备进行所述售粮采样结果的数据测试,生成初始参考数据,通过所述辅助验证数据对所述初始参考数据进行数据补偿,生成第二参考数据;
具体而言,在本实施例中,所述容重设备可以是当前市售容重检测装置,通过容重设备进行所述售粮采样结果中N个位置的售量采样的容重测试,生成初始参考数据,所述初始参考数据为N个位置的容重数据。将所述辅助验证数据添加至所述初始参考数据,完成所述初始参考数据的数据补偿,生成第二参考数据,所述第二参考数据为待售粮N个位置的容重数据和含水量参考值,以及车斗中表层粮食的含水量参考值。
S600:根据所述第一参考数据、所述第二参考数据输出所述待售粮的质量评定结果,并将所述质量评定结果发送至所述用户;
在一个实施例中,本申请提供的方法步骤还包括:
S610:根据所述质量评定结果匹配分筛方案;
S620:基于所述分筛方案进行所述待售粮的分筛处理;
S630:当分筛处理完成后,基于所述质量评定结果生成水分处理方案;
S640:通过所述水分处理方案处理后,基于水分验证结果和所述第二参考数据进行所述待售粮的粮仓归类,并记录归类结果。
具体而言,在本实施例中,基于所述第一参考数据提取获得N个位置的含水量,基于所述第二参考数据提取获得N个位置的含水量预测值、N个位置的容重数据以及车斗表层粮食的含水量预测值。
将N个位置的含水量和N个位置的含水量预测值进行含水量偏差计算,若两者含水量偏差超出一定阈值,则说明用户存在改变粮粒外观色泽,假装粮粒为含水量较低的优质粮粒,欺骗粮食收购企业的降低信用行为,生成第一低信用标识。
将N个位置的含水量预测值进行均值计算并与车斗表层粮食的含水量预测值进行含水量偏差计算,若两者含水量偏差超出一定阈值,则说明用户存在将高品质低水分粮粒铺设在运粮车辆车斗表层,车斗内部填充次品高水分粮粒,以次充好,欺骗粮食收购企业的降低信用行为,生成第二低信用标识。
基于所述第一参考数据提取获得N个位置的含水量进行均值计算,获得平均含水量,基于所述第二参考数据提取获得N个位置的容重数据进行均值计算,获得平均容重。
将第一低信用标识、第二低信用标识、平均含水量和平均容重,作为所述待售粮的质量评定结果,并将所述质量评定结果发送至所述用户,以提示用户继续进行本次售粮还是进行车辆内粮食的重新加工去除缺陷,提高粮粒品质,以在下次售粮时提高粮粒出售单价。
根据所述质量评估结果中的平均含水量和平均容重匹配分筛方案,基于所述筛分方案将含水量和容重接近的粮粒一起储存,有助于为不同储存环境的粮食提供具体的储存方案,以实现更好的防潮、防虫、防霉等措施,提高粮食的储存效率。
具体的,所述筛分方案为多个容重阈值-含水量阈值,每个容重阈值-含水量阈值对应一个粮堆或粮库。根据所述质量评估结果中的平均含水量和平均容重匹配所述筛分方案,获得满足所述平均含水量和平均容重的一个容重阈值-含水量阈值及其对应的粮堆或粮库,将其作为本实施例中待售粮的筛分方案,用于所述待售粮添加进对应的粮堆或粮库中,以完成对所述待售粮的分筛处理。
在将所述待售粮添加进对应的粮堆或粮库之前,基于所述质量评定结果生成水分处理方案,所述水分处理方法用于降低所述待售粮的含水量,以使待售粮含水量更加接近对应粮堆或粮库的平均含水量和平均容重。
所述水分处理方案为所述筛分方案对应粮堆或粮库当前存储粮食的平均含水量和平均容重,以所述水分处理方案为参考对所述待售粮进行烘干和含水量、容重动态监测,在待售粮含水量和容重小于等于所述水分处理方案时,停止待售粮的水分烘干处理并进行当前待售粮的水分验证,获得水分验证结果,所述水分验证结果包括容重验证结果和含水量验证结果。
基于水分验证结果和所述第二参考数据标识标记所述待售粮,并将所述待售粮添加进基于筛分方案获得的粮堆或粮库完成所述粮仓归类,并记录归类结果,所述归类结果为待售粮最终入库的粮库或粮堆的编号信息。本实施例实现了根据粮粒含水预测值和含水实测值判断售粮用户是否存在欺骗行为,并根据实际粮食含水量和容重进行粮食入库以及水分处理方案的生成,从而保障粮食收购企业对于所收粮食的有效安全储存以及避免售粮用户的欺诈行为的技术效果。
同时应理解的,所述筛分方案和水分处理方法执行于用户同意售粮后,在用户同意售粮前,所述筛分方案和水分处理方案仅作为售粮后处理方式的科学构想。
S700:当所述用户同意售粮时,则进行所述待售粮的毛重检测,并在卸粮结束后,进行皮重测定;
S800:将毛重检测结果、皮重检测结果、所述质量评定结果存储至所述RFID卡;
具体而言,应理解的,毛重指的是粮食和装运容器的总重量,而皮重则是仅指容器本身的重量。在本实施例中,当所述用户同意售粮时,则进行所述待售粮的毛重检测,并在卸粮结束后,进行皮重测定,以确定车辆在运输过程中是否增加了额外的重量,如沉积泥土、残渣或其他杂质等。只有通过皮重测定才能确定实际卸载的粮食净重。将毛重检测结果、皮重检测结果、所述质量评定结果存储至所述RFID卡。
S900:当确认所述RFID卡内信息存储完整时,则执行所述车辆和所述用户的闸门放行,完成售粮任务。
在一个实施例中,本申请提供的方法步骤还包括:
S910:当确认所述RFID卡内信息存储完整时,基于所述毛重检测结果、所述皮重检测结果生成粮食净重;
S920:根据所述质量评定结果进行售粮单价匹配;
S930:基于售粮单价匹配结果和所述粮食净重进行金额结算,并记录金额结算结果。
具体而言,在本实施例中,预设RFID卡信息存储完整性检测指标,所述完整性检测指标具体包括毛重检测指标、皮重检测指标、质量评定指标、用户基础信息以及车辆基础信息。
基于所述完整性检测指标遍历所述RFID卡内信息,如若所述RFID卡内包含所述完整性检测指标的所有内容,认为RFID卡存储完整。当确认所述RFID卡内信息存储完整时,基于所述毛重检测结果、所述皮重检测结果生成粮食净重。
预设售粮单价数据库,所述售粮单价数据库中记录了基于粮食收购企业历史收粮单位价格的多组售粮单价-含水量-容重,基于所述质量评定结果提取获得平均含水量和平均容重,基于平均含水量和平均容重,在所述售粮单价数据库中遍历获得符合所述平均含水量和平均容重的一组售粮单价-含水量-容重,将该缩量单价作为根据所述质量评定结果进行售粮单价匹配获得的所述售粮单价匹配结果。
将所述售粮单价匹配结果和所述粮食净重进行金额结算,并记录金额结算结果。本实施例通过计算售粮净重,并根据所述质量评定结果进行售粮单价匹配从而获得较为精准地反映当前待售粮价值的金额结算结果,实现提高待售粮收售双方出价合理性和可信性,减少收售矛盾的技术效果。
在一个实施例中,本申请提供的方法步骤还包括:
S1010:根据所述售粮任务的任务完成情况构建所述用户的用户档案;
S1020:对所述用户档案进行异常值计算;
S1030:当所述用户档案的档案异常值满足预设异常值阈值时,则不允许所述用户售粮。
具体而言,在本实施例中,对于每个在粮食收购企业售粮用户建立用户档案,所述用户档案在用户每次完成售粮任务后,将当前售出的所述待售粮的质量评估结果更新至所述用户档案中。
例如本次所述用户同意售粮,并完成将待售粮交易至粮食收购企业后,将所述质量评定结果中的第一低信用标识、第二低信用标识添加至该用户的用户档案中,随着该用户在粮食收购企业的交易次数增长,用户档案中的第一低信用标识和第二低信用标识数量可能也随之增加。
对所述用户档案进行异常值计算既就是计算售粮频次和第一低信用标识数量、第二低信用标识数量的百分比。当所述用户档案的档案异常值满足预设异常值阈值时,则不允许所述用户售粮,例如第一低信用标识数量占售粮频次百分比超过预设异常阈值和/或第二低信用标识数量占售粮频次百分比超过预设异常阈值时,认为该用户信用破产,不允许所述用户售粮。所述预设异常阈值可根据粮食收购企业的需要进行具体值设置。
本实施例通过设定预设异常阈值以及进行用户建档,实现了避免存在频繁售粮欺诈行为的用户再次进行粮食销售,从而保障粮食收购企业的收粮安全的技术效果。
实施例二:基于与前述实施例中一种智能化的收粮监测控制方法相同的发明构思,如图4所示,本申请提供了一种智能化的收粮监测控制设备,其中,所述设备包括:
设备信息交互模块1,用于交互车辆和用户的基础信息,完成所述车辆、所述用户与RFID卡绑定;
识别认证执行模块2,用于通过扦样机进行所述RFID卡识别,并进行车牌识别,根据车牌识别结果和RFID卡识别结果进行识别认证;
辅助验证执行模块3,用于当识别认证通过后,通过图像采集装置进行车辆内待售粮进行图像采集,获得第一采集图像,并执行所述第一采集图像的图像识别,生成辅助验证数据;
粮油含水测试模块4,用于对待售粮进行N个位置的售粮采样,并通过测水设备进行售粮采样结果进行含水量测试,输出第一参考数据;
参考数据生成模块5,用于通过容重设备进行所述售粮采样结果的数据测试,生成初始参考数据,通过所述辅助验证数据对所述初始参考数据进行数据补偿,生成第二参考数据;
质量评估输出模块6,用于根据所述第一参考数据、所述第二参考数据输出所述待售粮的质量评定结果,并将所述质量评定结果发送至所述用户;
皮重测定执行模块7,用于当所述用户同意售粮时,则进行所述待售粮的毛重检测,并在卸粮结束后,进行皮重测定;
检测结果存储模块8,用于将毛重检测结果、皮重检测结果、所述质量评定结果存储至所述RFID卡;
闸门放行执行模块9,用于当确认所述RFID卡内信息存储完整时,则执行所述车辆和所述用户的闸门放行,完成售粮任务。
在一个实施例中,所述设备还包括:
粮油迁移执行单元,用于将所述售粮采样结果中的待售粮置入预定容器;
粮油图像采集单元,用于通过所述图像采集装置进行置入所述预定容器的待售粮图像采集,获得第二采集图像;
图像识别验证单元,用于执行所述第二采集图像的图像识别,对所述第一采集图像的图像识别结果和所述第二采集图像的图像识别结果进行结果验证;
辅助数据生成单元,用于根据验证结果生成所述辅助验证数据。
在一个实施例中,所述设备还包括:
图像亮度调整单元,用于通过大数据构建粮食图像集合,并根据采样位置光源进行所述粮食图像集合的图像亮度调整;
特征标识提取单元,用于将调整后图像亮度的所述粮食图像集合进行粮食特征标识提取,构建识别特征集合,其中,所述识别特征集合包括颜色特征、颗粒大小特征;
图像识别执行单元,用于通过所述识别特征集合进行所述第一采集图像和所述第二采集图像的图像识别。
在一个实施例中,所述设备还包括:
边缘尺寸识别单元,用于基于所述第一采集图像进行粮食图像边缘识别,确定边缘尺寸;
尺寸等级匹配单元,用于通过所述边缘尺寸进行尺寸等级匹配,基于尺寸等级匹配结果确定采样点数量;
售粮采样执行单元,用于根据所述采样点数量对待售粮进行N个位置的售粮采样。
在一个实施例中,所述设备还包括:
分筛方案匹配单元,用于根据所述质量评定结果匹配分筛方案;
分筛处理执行单元,用于基于所述分筛方案进行所述待售粮的分筛处理;
处理方案生成单元,用于当分筛处理完成后,基于所述质量评定结果生成水分处理方案;
粮仓归类执行单元,用于通过所述水分处理方案处理后,基于水分验证结果和所述第二参考数据进行所述待售粮的粮仓归类,并记录归类结果。
在一个实施例中,所述设备还包括:
用户档案构建单元,用于根据所述售粮任务的任务完成情况构建所述用户的用户档案;
异常指数计算单元,用于对所述用户档案进行异常值计算;
售粮权限判断单元,用于当所述用户档案的档案异常值满足预设异常值阈值时,则不允许所述用户售粮。
在一个实施例中,所述设备还包括:
粮食净重计算单元,用于当确认所述RFID卡内信息存储完整时,基于所述毛重检测结果、所述皮重检测结果生成粮食净重;
售粮单价匹配单元,用于根据所述质量评定结果进行售粮单价匹配;
金额结算执行单元,用于基于售粮单价匹配结果和所述粮食净重进行金额结算,并记录金额结算结果。
综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中,通过各种不限类型的计算机处理器识别计算机指令或程序,进而实现上述任一项方法或者步骤。
基于本发明的上述具体实施例,本技术领域的技术人员在不脱离本发明原理的前提下,对本发明所作的任何改进和修饰,皆应落入本发明的专利保护范围。
Claims (5)
1.一种智能化的收粮监测控制方法,其特征在于,所述方法包括:
交互车辆和用户的基础信息,完成所述车辆、所述用户与RFID卡绑定;
通过扦样机进行所述RFID卡识别,并进行车牌识别,根据车牌识别结果和RFID卡识别结果进行识别认证;
当识别认证通过后,通过图像采集装置进行车辆内待售粮进行图像采集,获得第一采集图像,所述第一采集图像为车斗表面层粮食的图像,并执行所述第一采集图像的图像识别,生成辅助验证数据;
对待售粮进行N个位置的售粮采样,并通过测水设备进行售粮采样结果进行含水量测试,输出第一参考数据;
通过容重设备进行所述售粮采样结果的数据测试,生成初始参考数据,通过所述辅助验证数据对所述初始参考数据进行数据补偿,生成第二参考数据;
根据所述第一参考数据、所述第二参考数据输出所述待售粮的质量评定结果,并将所述质量评定结果发送至所述用户;
当所述用户同意售粮时,则进行所述待售粮的毛重检测,并在卸粮结束后,进行皮重测定;
将毛重检测结果、皮重检测结果、所述质量评定结果存储至所述RFID卡;
当确认所述RFID卡内信息存储完整时,则执行所述车辆和所述用户的闸门放行,完成售粮任务;
其中,所述方法还包括:
将所述售粮采样结果中的待售粮置入预定容器;
通过所述图像采集装置进行置入所述预定容器的待售粮图像采集,获得第二采集图像,所述第二采集图像为随机采样获得的车斗内不可见粮食的图像;
执行所述第二采集图像的图像识别,对所述第一采集图像的图像识别结果和所述第二采集图像的图像识别结果进行结果验证,将第一采集图像的含水量预测值和第二采集图像的含水量预测值作为验证结果,所述验证结果用于表征用户当前车辆中装载粮食的表层粮食含水量预测值和内部粮食含水量预测值;根据验证结果生成所述辅助验证数据;
通过大数据构建粮食图像集合,并根据采样位置光源进行所述粮食图像集合的图像亮度调整;
将调整后图像亮度的所述粮食图像集合进行粮食特征标识提取,构建识别特征集合,其中,所述识别特征集合包括颜色特征、颗粒大小特征;
通过所述识别特征集合进行所述第一采集图像和所述第二采集图像的图像识别;
基于所述第一采集图像进行粮食图像边缘识别,确定边缘尺寸;
通过所述边缘尺寸进行尺寸等级匹配,基于尺寸等级匹配结果确定采样点数量;
根据所述采样点数量对待售粮进行N个位置的售粮采样。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述质量评定结果匹配分筛方案;
基于所述分筛方案进行所述待售粮的分筛处理;
当分筛处理完成后,基于所述质量评定结果生成水分处理方案;
通过所述水分处理方案处理后,基于水分验证结果和所述第二参考数据进行所述待售粮的粮仓归类,并记录归类结果。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述售粮任务的任务完成情况构建所述用户的用户档案;
对所述用户档案进行异常值计算;
当所述用户档案的档案异常值满足预设异常值阈值时,则不允许所述用户售粮。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
当确认所述RFID卡内信息存储完整时,基于所述毛重检测结果、所述皮重检测结果生成粮食净重;
根据所述质量评定结果进行售粮单价匹配;
基于售粮单价匹配结果和所述粮食净重进行金额结算,并记录金额结算结果。
5.一种智能化的收粮监测控制设备,其特征在于,所述设备包括:
设备信息交互模块,用于交互车辆和用户的基础信息,完成所述车辆、所述用户与RFID卡绑定;
识别认证执行模块,用于通过扦样机进行所述RFID卡识别,并进行车牌识别,根据车牌识别结果和RFID卡识别结果进行识别认证;
辅助验证执行模块,用于当识别认证通过后,通过图像采集装置进行车辆内待售粮进行图像采集,获得第一采集图像,所述第一采集图像为车斗表面层粮食的图像,并执行所述第一采集图像的图像识别,生成辅助验证数据;
粮油含水测试模块,用于对待售粮进行N个位置的售粮采样,并通过测水设备进行售粮采样结果进行含水量测试,输出第一参考数据;
参考数据生成模块,用于通过容重设备进行所述售粮采样结果的数据测试,生成初始参考数据,通过所述辅助验证数据对所述初始参考数据进行数据补偿,生成第二参考数据;
质量评估输出模块,用于根据所述第一参考数据、所述第二参考数据输出所述待售粮的质量评定结果,并将所述质量评定结果发送至所述用户;
皮重测定执行模块,用于当所述用户同意售粮时,则进行所述待售粮的毛重检测,并在卸粮结束后,进行皮重测定;
检测结果存储模块,用于将毛重检测结果、皮重检测结果、所述质量评定结果存储至所述RFID卡;
闸门放行执行模块,用于当确认所述RFID卡内信息存储完整时,则执行所述车辆和所述用户的闸门放行,完成售粮任务;
所述设备还包括:
粮油迁移执行单元,用于将所述售粮采样结果中的待售粮置入预定容器;
粮油图像采集单元,用于通过所述图像采集装置进行置入所述预定容器的待售粮图像采集,获得第二采集图像,所述第二采集图像为随机采样获得的车斗内不可见粮食的图像;
图像识别验证单元,用于执行所述第二采集图像的图像识别,对所述第一采集图像的图像识别结果和所述第二采集图像的图像识别结果进行结果验证,将第一采集图像的含水量预测值和第二采集图像的含水量预测值作为验证结果,所述验证结果用于表征用户当前车辆中装载粮食的表层粮食含水量预测值和内部粮食含水量预测值;
辅助数据生成单元,用于根据验证结果生成所述辅助验证数据;
图像亮度调整单元,用于通过大数据构建粮食图像集合,并根据采样位置光源进行所述粮食图像集合的图像亮度调整;
特征标识提取单元,用于将调整后图像亮度的所述粮食图像集合进行粮食特征标识提取,构建识别特征集合,其中,所述识别特征集合包括颜色特征、颗粒大小特征;
图像识别执行单元,用于通过所述识别特征集合进行所述第一采集图像和所述第二采集图像的图像识别;
边缘尺寸识别单元,用于基于所述第一采集图像进行粮食图像边缘识别,确定边缘尺寸;
尺寸等级匹配单元,用于通过所述边缘尺寸进行尺寸等级匹配,基于尺寸等级匹配结果确定采样点数量;
售粮采样执行单元,用于根据所述采样点数量对待售粮进行N个位置的售粮采样。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311311812.3A CN117057678B (zh) | 2023-10-11 | 2023-10-11 | 一种智能化的收粮监测控制方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311311812.3A CN117057678B (zh) | 2023-10-11 | 2023-10-11 | 一种智能化的收粮监测控制方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117057678A CN117057678A (zh) | 2023-11-14 |
CN117057678B true CN117057678B (zh) | 2024-02-02 |
Family
ID=88661244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311311812.3A Active CN117057678B (zh) | 2023-10-11 | 2023-10-11 | 一种智能化的收粮监测控制方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117057678B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107764952A (zh) * | 2017-10-12 | 2018-03-06 | 耿新宇 | 粮食全自动采样化验检测系统 |
CN207375348U (zh) * | 2017-09-05 | 2018-05-18 | 郑州鑫胜电子科技有限公司 | 一种粮食快速入库自动检验系统 |
CN109425715A (zh) * | 2017-09-04 | 2019-03-05 | 浙江粮泰智能科技有限公司 | 一种全自动无人值守粮食化验系统 |
CN110599081A (zh) * | 2019-08-12 | 2019-12-20 | 华迪计算机集团有限公司 | 一种对粮食出入库业务进行智能管理的方法及系统 |
CN112749934A (zh) * | 2020-12-30 | 2021-05-04 | 航天信息股份有限公司 | 一种用于粮食收购的管理系统 |
CN113935649A (zh) * | 2021-10-26 | 2022-01-14 | 合肥一村信息科技有限公司 | 一种粮食收购管控系统 |
CN115684510A (zh) * | 2023-01-04 | 2023-02-03 | 中储粮成都储藏研究院有限公司 | 一种粮食智能扦样检验方法 |
CN115676063A (zh) * | 2023-01-03 | 2023-02-03 | 中储粮成都储藏研究院有限公司 | 一种用于粮食收购的质量检测系统 |
-
2023
- 2023-10-11 CN CN202311311812.3A patent/CN117057678B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109425715A (zh) * | 2017-09-04 | 2019-03-05 | 浙江粮泰智能科技有限公司 | 一种全自动无人值守粮食化验系统 |
CN207375348U (zh) * | 2017-09-05 | 2018-05-18 | 郑州鑫胜电子科技有限公司 | 一种粮食快速入库自动检验系统 |
CN107764952A (zh) * | 2017-10-12 | 2018-03-06 | 耿新宇 | 粮食全自动采样化验检测系统 |
CN110599081A (zh) * | 2019-08-12 | 2019-12-20 | 华迪计算机集团有限公司 | 一种对粮食出入库业务进行智能管理的方法及系统 |
CN112749934A (zh) * | 2020-12-30 | 2021-05-04 | 航天信息股份有限公司 | 一种用于粮食收购的管理系统 |
CN113935649A (zh) * | 2021-10-26 | 2022-01-14 | 合肥一村信息科技有限公司 | 一种粮食收购管控系统 |
CN115676063A (zh) * | 2023-01-03 | 2023-02-03 | 中储粮成都储藏研究院有限公司 | 一种用于粮食收购的质量检测系统 |
CN115684510A (zh) * | 2023-01-04 | 2023-02-03 | 中储粮成都储藏研究院有限公司 | 一种粮食智能扦样检验方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117057678A (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7430913B2 (ja) | 価値のある電子装置を遠隔収集するための低コストのコンピュータ化した売店 | |
CN110717769B (zh) | 一种智能柜物品的退货方法、装置、设备及存储介质 | |
CN105448103B (zh) | 车辆套牌检测方法与系统 | |
CN110555957A (zh) | 一种智能取款设备及其方法 | |
CN110599081A (zh) | 一种对粮食出入库业务进行智能管理的方法及系统 | |
DE212014000081U1 (de) | System zum Recyceln von elektronischen Geräten in Übereinstimmung mit Gebrauchtwarenhandel-Gesetzen | |
WO2009081085A1 (en) | Vault management method and system | |
CN105425748B (zh) | 基于物联网的废纸验收管理系统及其运行方法 | |
US20190003829A1 (en) | Image processing apparatus and method for determining the volume of timber in a stack of logs | |
CN111830917A (zh) | 一种造纸企业原料数字化防作弊质检管控系统及方法 | |
CN202758396U (zh) | 射频识别装置以及粮食收购系统 | |
CN109598519B (zh) | 车辆审核方法、装置、计算机设备和存储介质 | |
CN112884412A (zh) | 一种物料验收方法、装置、系统 | |
US20080147344A1 (en) | Physimetric property identification of physical object for process control | |
CN117057678B (zh) | 一种智能化的收粮监测控制方法及设备 | |
CN114782060A (zh) | 一种交互式产品检测方法及系统 | |
CN112595398B (zh) | 一种基于物联网的智能称重方法、装置以及系统 | |
KR102402095B1 (ko) | 블록체인 기반의 중고 거래 플랫폼 제공 장치, 방법 및 프로그램 | |
CN117196646A (zh) | 一种供应商资质审核方法、设备及介质 | |
CN213482700U (zh) | 一种造纸企业原料数字化防作弊质检管控系统 | |
CN113327023A (zh) | 穿行测试方法、装置、电子设备及计算机可读存储介质 | |
US12014291B2 (en) | System and method for processing distorted or inaccurate input data obtained from an environment | |
US20110238589A1 (en) | Commodity identification, verification and authentication system and methods of use | |
Herusantoso et al. | Factors Affecting The Customs Clearance Time At Prime Customs Office Type A Of Tanjung Priok | |
US20150294278A1 (en) | System and Method for Recycling Electronics |
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 |