CN117309881B - 一种基于神经网络的水果缺陷无损检测方法及系统 - Google Patents

Abstract

本发明公开了一种基于神经网络的水果缺陷无损检测方法及系统，属于水果检测领域，用于解决当前消费人员选取优质水果的方式不准确的问题，包括标准制定模块、初步鉴定模块、无损检测模块和品质判定模块，所述标准制定模块用于对不同批次不同品种的水果监测标准进行制定，得到不同批次不同品种水果的标准检测参数，所述初步鉴定模块用于对不同批次不同品种的水果外部情况进行初步鉴定，所述无损检测模块用于对不同批次不同品种的水果进行无损检测，生成水果异常信号或得到不同批次不同品种水果的生长偏差值，所述品质判定模块用于对不同批次不同品种水果的品质进行判定，本发明实现对不同批次不同品种水果进行准确的无损检测。

Description

一种基于神经网络的水果缺陷无损检测方法及系统

技术领域

本发明属于水果检测技术领域，具体是一种基于神经网络的水果缺陷无损检测方法及系统。

背景技术

水果，是指多汁且主要味觉为甜味和酸味，可食用的植物果实。水果不但含有丰富的维生素营养，而且能够促进消化。随着种植业和大棚技术的发展，众多品种的水果进入消费市场，众多水果在做好上市消费准备的同时，还需要做好对水果品质的检测。

消费人员在超市、水果店等场所购买某一品种水果时，通常仅凭购买经验、水果表皮等因素选取优质的水果，而且相同纲目、相同科目的不同品种水果也容易混杂一起欺瞒消费人员；

为此，我们提出一种基于神经网络的水果缺陷无损检测方法及系统。

发明内容

针对现有技术存在的不足，本发明目的是提供一种基于神经网络的水果缺陷无损检测方法及系统。

本发明所要解决的技术问题为：

如何实现对不同批次不同品种水果进行准确的无损检测。

本发明的目的可以通过以下技术方案实现：

一种基于神经网络的水果缺陷无损检测系统，包括用户终端、存储模块、标准制定模块、初步鉴定模块、数据采集模块、无损检测模块、品质判定模块以及服务器；

水果售卖时，水果上粘贴有标识码，所述用户终端用于录入水果上的标识码和用于拍摄带有标识码的水果的实时水果图片并发送至服务器，所述服务器将标识码发送至存储模块，所述服务器将实时水果图片发送至初步鉴定模块；存储模块依据标识码将水果对应的标准特征数据发送至标准制定模块、将水果对应的标准生长数据发送至无损检测模块和将水果对应的标准水果图片发送至初步鉴定模块；

所述标准制定模块用于对不同批次不同品种的水果监测标准进行制定，得到不同批次不同品种水果的标准检测参数经服务器发送至无损检测模块；所述初步鉴定模块用于对不同批次不同品种的水果外部情况进行初步鉴定，生成无损检测信号或水果异常信号发送至服务器，若服务器接收到水果异常信号，则将水果异常信号发送至用户终端，若服务器接收到无损检测信号，则将无损检测信号发送至数据采集模块；

在水果采摘前，所述数据采集模块用于依据无损检测信号采集不同批次不同品种水果的实时生长数据和实时特征数据并经服务器发送至无损检测模块；所述无损检测模块用于对不同批次不同品种的水果进行无损检测，生成水果异常信号或得到不同批次不同品种水果的生长偏差值；

所述品质判定模块用于对不同批次不同品种水果的品质进行判定，得到不同批次不同品种水果的品质等级经服务器发送至用户终端，所述用户终端用于结合品质等级对不同批次不同品种水果的品质情况进行知晓。

优选的，标准特征数据为不同品种水果的标准水果重量值、标准水果长度值、标准水果宽度值和标准水果高度值；

标准生长数据为不同品种水果的标准环境温度、标准环境湿度、标准土壤湿度、标准土壤酸碱度和标准光照时长；

标识码由水果的名称、产地和批次号共同组成；

实时生长数据为不同批次不同品种的水果采摘前一个月每天的日环境温度、日环境湿度、日土壤湿度、日土壤酸碱度和日光照时长；

实时特征数据为不同批次不同品种的水果采摘时的日重量值、日长度值、日宽度值、日高度。

优选的，所述标准制定模块的制定过程具体如下：

依据标准特征数据对对应批次和对应品种的水果进行选取，并按照相同批次和相同品种将水果进行分类得到水果样品；

而后对水果样品进行检测，得到水果样品的样品重量值、样品长度值、样品宽度值和样品高度值；

遍历比对水果样品的样品重量值，得到水果样品的样品重量上限值和样品重量下限值，样品重量上限值和样品重量下限值共同组成水果样品的重量值区间；

同理，按照以上步骤，得到水果样品的长度值区间、宽度值区间和高度值区间；

水果样品的重量值区间、长度值区间、宽度值区间和高度值区间即可为同批次相同品种水果的标准检测参数；

同时，按照以上步骤，得到不同批次不同品种水果的标准检测参数。

优选的，所述初步鉴定模块的初步鉴定过程具体如下：

获取不同批次不同水果的实时水果图片，而后获取水果的标准水果图片；

将实时水果图片与标准水果图片进行比对；

若比对成功，则生成无损检测信号；

若比对失败，则生成水果异常信号。

优选的，所述无损检测模块的工作过程具体如下：

获取不同批次不同品种水果采摘时的日重量值、日长度值、日宽度值和日高度，而后获取水果对应的标准检测参数，得到水果的重量值区间、长度值区间、宽度值区间和高度值区间；

若日重量值处于重量值区间，日长度值处于长度值区间，日宽度值处于宽度值区间，且日高度处于高度值区间，则进入下一步骤；

若出现日重量值不处于重量值区间、日长度值不处于长度值区间、日宽度值不处于宽度值区间或日高度不处于高度值区间中的任一项，则生成水果异常信号。

优选的，所述无损检测模块的工作过程还包括：

获取不同批次不同品种水果采摘前一个月每天的日环境温度、日环境湿度、日土壤湿度、日土壤酸碱度和日光照时长；

而后不同批次水果采摘前一个月每天的实时环境温度相加求和得到不同批次不同品种水果的实时环境温度；

同理，得到不同批次不同品种水果的实时环境湿度、实时土壤湿度、实时土壤酸碱度和实时光照时长；

同时获取水果对应的标准生长数据，得到水果的标准环境温度、标准环境湿度、标准土壤湿度、标准土壤酸碱度和标准光照时长；

计算实时环境湿度与标准环境温度的差值得到不同批次不同品种水果的温度偏差值；

同理，计算得到不同批次不同品种水果的湿度偏差值、土壤湿度偏差值、土壤酸碱偏差值和光照时长偏差值；

计算不同批次不同品种水果的生长偏差值。

优选的，所述无损检测模块将水果异常信号或不同批次不同品种水果的生长偏差值反馈至服务器；

若服务器接收到水果异常信号，则将水果异常信号发送至用户终端，所述用户终端用于接收到水果异常信号后对水果的品质情况进行查看；

若服务器接收到不同批次不同品种水果的生长偏差值则发送至品质判定模块。

优选的，所述品质判定模块的判定过程具体如下：

获取不同批次不同品种水果的生长偏差值；

生长偏差值比对生长偏差阈值，判定不同批次不同品种水果的品质等级为优良等级、普通等级或劣质等级。

本发明的目的还可以通过以下技术方案实现，一种基于神经网络的水果缺陷无损检测方法，方法具体如下：

步骤S100，用户终端录入水果的标识码和拍摄带有标识码的水果的实时水果图片；

步骤S200，标准制定模块对不同批次不同品种的水果监测标准进行制定，得到不同批次不同品种水果的标准检测参数发送至无损检测模块；

步骤S300，初步鉴定模块对不同批次不同品种的水果外部情况进行初步鉴定，生成无损检测信号或水果异常信号，若生成无损检测信号则发送至数据采集模块；

步骤S400，数据采集模块采集不同批次不同品种水果的实时生长数据和实时特征数据并发送至无损检测模块；

步骤S500，无损检测模块对不同批次不同品种的水果进行无损检测，生成水果异常信号或得到不同批次不同品种水果的生长偏差值发送至品质判定模块；

步骤S600，品质判定模块对不同批次不同品种水果的品质进行判定，判定不同批次不同品种水果的品质等级。

与现有技术相比，本发明的有益效果是：

本发明首先利用标准制定模块对不同批次不同品种的水果监测标准进行制定，得到不同批次不同品种水果的标准检测参数，基于网络等相关对水果的当前检测参数进行实时更新和完善，而后实际消费时，由购买人员录入水果的标识码和拍摄水果的实时水果图片，利用初步鉴定模块对不同批次不同品种的水果外部情况进行初步鉴定，生成无损检测信号或水果异常信号，而后利用无损检测模块对不同批次不同品种的水果进行无损检测，生成水果异常信号或得到不同批次不同品种水果的生长偏差值发送至品质判定模块，品质判定模块对不同批次不同品种水果的品质进行判定，判定得到不同批次不同品种水果的品质等级并发给购买人员，本发明实现对不同批次不同品种水果进行准确的无损检测。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明的整体系统框图；

图2为本发明的方法流程图。

具体实施方式

下面将结合实施例对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。

在一实施例中，请参阅图1所示，一种基于神经网络的水果缺陷无损检测系统，主要用于消费人员购买时的水果检测，从而使得消费人员购买心仪且高品质的水果，系统具体包括用户终端、存储模块、标准制定模块、初步鉴定模块、数据采集模块、无损检测模块、品质判定模块以及服务器；

在本实施例中，所述用户终端用于消费人员输入个人信息后注册登录系统，并将个人信息发送至服务器，其中，个人信息包括消费人员的姓名、手机号码等；

同时，所述存储模块用于存储不同品种水果的标准特征数据、标准水果图片和标准生长数据；其中，标准特征数据为不同品种水果的标准水果重量值、标准水果长度值、标准水果宽度值和标准水果高度值；标准生长数据为不同品种水果的标准环境温度、标准环境湿度、标准土壤湿度、标准土壤酸碱度和标准光照时长；

需要具体说明的是，上述的标准特征数据、标准检测数据和标准生长数据均可以由各类种植文献和农业种植网站进行获取

水果在实际售卖时，水果上粘贴有标识码，标识码由水果的名称、产地和批次号共同组成，所述用户终端用于录入水果上的标识码和用于拍摄带有标识码的水果的实时水果图片，并将标识码和实时水果图片发送至服务器，所述服务器将标识码发送至存储模块，所述服务器将实时水果图片发送至初步鉴定模块；存储模块依据标识码将水果对应的标准特征数据发送至标准制定模块，存储依据标识码将水果对应的标准生长数据发送至无损检测模块，存储模块依据标识码将水果对应的标准水果图片发送至初步鉴定模块；

在本实施例中，通过标准制定模块可以结合网站、文件等中的标准特征数据，依据标准特征数据构建得到不同批次不同品种水果的当前检测标准，实现水果检测标准的深度学习和自我完善；

所述标准制定模块用于对不同批次不同品种的水果监测标准进行制定，制定过程具体如下：

依据标准特征数据对对应批次和对应品种的水果进行选取，并按照相同批次和相同品种将水果进行分类得到水果样品；

而后对水果样品进行检测，得到水果样品的样品重量值、样品长度值、样品宽度值和样品高度值；

遍历比对水果样品的样品重量值，得到水果样品的样品重量上限值和样品重量下限值，样品重量上限值和样品重量下限值共同组成水果样品的重量值区间；

同理，按照上述方法，得到水果样品的长度值区间、宽度值区间和高度值区间；

水果样品的重量值区间、长度值区间、宽度值区间和高度值区间即可为同批次相同品种水果的标准检测参数；

同时，按照以上方法，可以得到不同批次不同品种水果的标准检测参数，此处的标准检测参数即可视为算法数学模型；

所述标准制定模块将不同批次不同品种水果的标准检测参数反馈至服务器，所述服务器将不同批次不同品种水果的标准检测参数发送至无损检测模块；

所述初步鉴定模块用于对不同批次不同品种的水果外部情况进行初步鉴定，初步鉴定过程具体如下：

获取不同批次不同水果的实时水果图片，而后获取水果的标准水果图片；

将实时水果图片与标准水果图片进行比对；

具体的，图片的比对方式为现有技术，可以利用图片比对相似度算法进行比对得到，图片比对相似度算法中包括像素点比对、重心比对、投影比对和分块比对，同时还可以通过哈希算法进行图片比对，包括均值哈希算法、差值哈希算法、感知哈希算法等；

例如，均值哈希算法：1、首先图片缩放为8*8，保留结构，除去细节；2、而后转换为灰度图；3、求平均值：计算灰度图所有像素的平均值；4、比较：像素值大于平均值记作1，相反记作0，总共64位；5、生成hash：将上述步骤生成的1和0按顺序组合起来既是图片的指纹（hash）；6.对比指纹：将两幅图的指纹对比，计算汉明距离，即两个64位的hsh值有多少位是不一样的，不相同位数越少，图片越相似；

若比对成功，则生成无损检测信号，若比对失败，则生成水果异常信号；

所述初步鉴定模块将无损检测信号或水果异常信号发送至服务器，若服务器接收到水果异常信号，则将水果异常信号发送至用户终端，若服务器接收到无损检测信号，则将无损检测信号发送至数据采集模块；

在水果采摘前，所述数据采集模块用于依据无损检测信号采集不同批次不同品种水果的实时生长数据和实时特征数据，并将实时生长数据和实时特征数据发送至服务器，所述服务器将实时生长数据和实时特征数据发送至无损检测模块；

需要具体说明的是，实时生长数据为不同批次不同品种的水果采摘前一个月每天的日环境温度、日环境湿度、日土壤湿度、日土壤酸碱度和日光照时长，实时特征数据为不同批次不同品种的水果采摘时的日重量值、日长度值、日宽度值、日高度；

所述无损检测模块用于对不同批次不同品种的水果进行无损检测，工作过程具体如下：

获取不同批次不同品种水果采摘时的日重量值、日长度值、日宽度值和日高度，而后获取水果对应的标准检测参数，得到水果的重量值区间、长度值区间、宽度值区间和高度值区间；

若日重量值处于重量值区间，日长度值处于长度值区间，日宽度值处于宽度值区间，且日高度处于高度值区间，则进入下述步骤；

若出现日重量值不处于重量值区间、日长度值不处于长度值区间、日宽度值不处于宽度值区间或日高度不处于高度值区间中的任一项，则生成水果异常信号；

获取不同批次不同品种水果采摘前一个月每天的日环境温度、日环境湿度、日土壤湿度、日土壤酸碱度和日光照时长；

而后不同批次水果采摘前一个月每天的实时环境温度相加求和得到不同批次不同品种水果的实时环境温度；

同理，得到不同批次不同品种水果的实时环境湿度、实时土壤湿度、实时土壤酸碱度和实时光照时长；

同时获取水果对应的标准生长数据，得到水果的标准环境温度、标准环境湿度、标准土壤湿度、标准土壤酸碱度和标准光照时长；

计算实时环境湿度与标准环境温度的差值得到不同批次不同品种水果的温度偏差值WCui，u为水果的编号，i为批次的编号，u=1，2，……，z，z为正整数，i=1，2，……，x，x为正整数；

同理，计算得到不同批次不同品种水果的湿度偏差值SCui、土壤湿度偏差值TSCui、土壤酸碱偏差值SJui和光照时长偏差值GTui；

通过公式SPui=SCui×a1+TSCui×a2+SJui×a3+GTui×a4计算得到不同批次不同品种水果的生长偏差值SPui；式中，a1、a2、a3和a4为固定数值的权重系数，且a1+a2+a3+a4=1；

所述无损检测模块将水果异常信号或不同批次不同品种水果的生长偏差值反馈至服务器，若服务器接收到水果异常信号，则将水果异常信号发送至用户终端，所述用户终端用于接收到水果异常信号后对水果的品质情况进行查看，若服务器接收到不同批次不同品种水果的生长偏差值则发送至品质判定模块；

所述品质判定模块用于对不同批次不同品种水果的品质进行判定，判定过程具体如下：

获取上述计算得到的不同批次不同品种水果的生长偏差值SPui；

若SPui＜X1，则不同批次不同品种水果的品质等级为优良等级；

若X1≤SPui＜X2，则不同批次不同品种水果的品质等级为普通等级；

若X2≤SPui，则不同批次不同品种水果的品质等级为劣质等级；其中，X1和X2均为固定数值的生长偏差阈值，且X1＜X2；

所述品质判定模块将不同批次不同品种水果的品质等级反馈至服务器，所述服务器将不同批次不同品种水果的品质等级发送至用户终端，所述用户终端用于结合品质等级对不同批次不同品种水果的品质情况进行知晓。

在本申请中，若出现相应的计算公式，则上述计算公式均是去量纲取其数值计算，公式中存在的权重系数、比例系数等系数，其设置的大小是为了将各个参数进行量化得到的一个结果值，关于权重系数和比例系数的大小，只要不影响参数与结果值的比例关系即可。

在另一实施例中，请参阅图2所示，一种基于神经网络的水果缺陷无损检测方法，方法具体如下：

步骤S100，用户终端录入水果上的标识码和拍摄带有标识码的水果的实时水果图片，并将标识码和实时水果图片发送至服务器，服务器将标识码发送至存储模块，服务器将实时水果图片发送至初步鉴定模块；存储模块依据标识码将水果对应的标准特征数据发送至标准制定模块，存储依据标识码将水果对应的标准生长数据发送至无损检测模块，存储模块依据标识码将水果对应的标准水果图片发送至初步鉴定模块；

步骤S200，标准制定模块对不同批次不同品种的水果监测标准进行制定，得到不同批次不同品种水果的标准检测参数经服务器发送至无损检测模块；

在本实施例中，所述步骤S200中标准制定模块的制定过程具体如下：

步骤S201，依据标准特征数据对对应批次和对应品种的水果进行选取，并按照相同批次和相同品种将水果进行分类得到水果样品，而后对水果样品进行检测，得到水果样品的样品重量值、样品长度值、样品宽度值和样品高度值；

步骤S202，遍历比对水果样品的样品重量值，得到水果样品的样品重量上限值和样品重量下限值，样品重量上限值和样品重量下限值共同组成水果样品的重量值区间，同理，得到水果样品的长度值区间、宽度值区间和高度值区间；

步骤S203，水果样品的重量值区间、长度值区间、宽度值区间和高度值区间即可为同批次相同品种水果的标准检测参数，同时，得到不同批次不同品种水果的标准检测参数；

步骤S300，初步鉴定模块对不同批次不同品种的水果外部情况进行初步鉴定，获取不同批次不同水果的实时水果图片，而后获取水果的标准水果图片，将实时水果图片与标准水果图片进行比对，若比对成功，则生成无损检测信号，若比对失败，则生成水果异常信号，初步鉴定模块将无损检测信号或水果异常信号发送至服务器，若服务器接收到水果异常信号，则将水果异常信号发送至用户终端，若服务器接收到无损检测信号，则将无损检测信号发送至数据采集模块；

步骤S400，数据采集模块依据无损检测信号采集不同批次不同品种水果的实时生长数据和实时特征数据，并将实时生长数据和实时特征数据发送至服务器，服务器将实时生长数据和实时特征数据发送至无损检测模块；

步骤S500，无损检测模块对不同批次不同品种的水果进行无损检测，生成水果异常信号或不同批次不同品种水果的生长偏差值反馈至服务器，若服务器接收到水果异常信号，则将水果异常信号发送至用户终端，用户终端用于接收到水果异常信号后对水果的品质情况进行查看，若服务器接收到不同批次不同品种水果的生长偏差值则发送至品质判定模块；

在本实施例中，所述步骤S500中无损检测模块的无损检测过程具体如下：

步骤S501，获取不同批次不同品种水果采摘时的日重量值、日长度值、日宽度值和日高度；

步骤S502，而后获取水果对应的标准检测参数，得到水果的重量值区间、长度值区间、宽度值区间和高度值区间；

步骤S503，若出现日重量值不处于重量值区间、日长度值不处于长度值区间、日宽度值不处于宽度值区间或日高度不处于高度值区间中的任一项，则生成水果异常信号；

步骤S504，若日重量值处于重量值区间，日长度值处于长度值区间，日宽度值处于宽度值区间，且日高度处于高度值区间，则进入下一步骤：

步骤S505，获取不同批次不同品种水果采摘前一个月每天的日环境温度、日环境湿度、日土壤湿度、日土壤酸碱度和日光照时长；

步骤S506，而后获取不同批次水果采摘前一个月每天的实时环境温度相加求和得到不同批次不同品种水果的实时环境温度，同理，得到不同批次不同品种水果的实时环境湿度、实时土壤湿度、实时土壤酸碱度和实时光照时长，同时获取水果对应的标准生长数据，得到水果的标准环境温度、标准环境湿度、标准土壤湿度、标准土壤酸碱度和标准光照时长；

步骤S507，计算实时环境湿度与标准环境温度的差值得到不同批次不同品种水果的温度偏差值，同理，计算得到不同批次不同品种水果的湿度偏差值、土壤湿度偏差值、土壤酸碱偏差值和光照时长偏差值；

步骤S508，计算不同批次不同品种水果的生长偏差值；

步骤S600，品质判定模块对不同批次不同品种水果的品质进行判定，获取不同批次不同品种水果的生长偏差值，生长偏差值比对生长偏差阈值，判定不同批次不同品种水果的品质等级为优良等级、普通等级或劣质等级，品质判定模块将不同批次不同品种水果的品质等级反馈至服务器，服务器将不同批次不同品种水果的品质等级发送至用户终端，用户终端结合品质等级对不同批次不同品种水果的品质情况进行知晓。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (4)

1.一种基于神经网络的水果缺陷无损检测系统，其特征在于，包括用户终端、存储模块、标准制定模块、初步鉴定模块、数据采集模块、无损检测模块、品质判定模块以及服务器；

水果售卖时，水果上粘贴有标识码，所述用户终端用于录入水果上的标识码和用于拍摄带有标识码的水果的实时水果图片并发送至服务器，所述服务器将标识码发送至存储模块，所述服务器将实时水果图片发送至初步鉴定模块；存储模块依据标识码将水果对应的标准特征数据发送至标准制定模块、将水果对应的标准生长数据发送至无损检测模块和将水果对应的标准水果图片发送至初步鉴定模块；

所述标准制定模块用于对不同批次不同品种的水果监测标准进行制定，得到不同批次不同品种水果的标准检测参数经服务器发送至无损检测模块；所述初步鉴定模块用于对不同批次不同品种的水果外部情况进行初步鉴定，生成无损检测信号或水果异常信号发送至服务器，若服务器接收到水果异常信号，则将水果异常信号发送至用户终端，若服务器接收到无损检测信号，则将无损检测信号发送至数据采集模块；

在水果采摘前，所述数据采集模块用于依据无损检测信号采集不同批次不同品种水果的实时生长数据和实时特征数据并经服务器发送至无损检测模块；所述无损检测模块用于对不同批次不同品种的水果进行无损检测，生成水果异常信号或得到不同批次不同品种水果的生长偏差值；

所述品质判定模块用于对不同批次不同品种水果的品质进行判定，得到不同批次不同品种水果的品质等级经服务器发送至用户终端，所述用户终端用于结合品质等级对不同批次不同品种水果的品质情况进行知晓；

标准特征数据为不同品种水果的标准水果重量值、标准水果长度值、标准水果宽度值和标准水果高度值；

标准生长数据为不同品种水果的标准环境温度、标准环境湿度、标准土壤湿度、标准土壤酸碱度和标准光照时长；

标识码由水果的名称、产地和批次号共同组成；

实时生长数据为不同批次不同品种的水果采摘前一个月每天的日环境温度、日环境湿度、日土壤湿度、日土壤酸碱度和日光照时长；

实时特征数据为不同批次不同品种的水果采摘时的日重量值、日长度值、日宽度值、日高度；

所述标准制定模块的制定过程具体如下：

依据标准特征数据对对应批次和对应品种的水果进行选取，并按照相同批次和相同品种将水果进行分类得到水果样品；

而后对水果样品进行检测，得到水果样品的样品重量值、样品长度值、样品宽度值和样品高度值；

遍历比对水果样品的样品重量值，得到水果样品的样品重量上限值和样品重量下限值，样品重量上限值和样品重量下限值共同组成水果样品的重量值区间；

同理，按照以上步骤，得到水果样品的长度值区间、宽度值区间和高度值区间；

水果样品的重量值区间、长度值区间、宽度值区间和高度值区间即可为同批次相同品种水果的标准检测参数；

同时，按照以上步骤，得到不同批次不同品种水果的标准检测参数；

所述无损检测模块的工作过程具体如下：

获取不同批次不同品种水果采摘时的日重量值、日长度值、日宽度值和日高度，而后获取水果对应的标准检测参数，得到水果的重量值区间、长度值区间、宽度值区间和高度值区间；

若日重量值处于重量值区间，日长度值处于长度值区间，日宽度值处于宽度值区间，且日高度处于高度值区间，则进入下一步骤；

若出现日重量值不处于重量值区间、日长度值不处于长度值区间、日宽度值不处于宽度值区间或日高度不处于高度值区间中的任一项，则生成水果异常信号；

所述无损检测模块的工作过程还包括：

获取不同批次不同品种水果采摘前一个月每天的日环境温度、日环境湿度、日土壤湿度、日土壤酸碱度和日光照时长；

而后不同批次水果采摘前一个月每天的实时环境温度相加求和得到不同批次不同品种水果的实时环境温度；

同理，得到不同批次不同品种水果的实时环境湿度、实时土壤湿度、实时土壤酸碱度和实时光照时长；

同时获取水果对应的标准生长数据，得到水果的标准环境温度、标准环境湿度、标准土壤湿度、标准土壤酸碱度和标准光照时长；

计算实时环境湿度与标准环境温度的差值得到不同批次不同品种水果的温度偏差值WCui，u为水果的编号，i为批次的编号，u=1，2，……，z，z为正整数，i=1，2，……，x，x为正整数；

同理，计算得到不同批次不同品种水果的湿度偏差值SCui、土壤湿度偏差值TSCui、土壤酸碱偏差值SJui和光照时长偏差值GTui；

通过公式SPui=SCui×a1+TSCui×a2+SJui×a3+GTui×a4计算得到不同批次不同品种水果的生长偏差值SPui；式中，a1、a2、a3和a4为固定数值的权重系数，且a1+a2+a3+a4=1；

所述无损检测模块将水果异常信号或不同批次不同品种水果的生长偏差值反馈至服务器，若服务器接收到水果异常信号，则将水果异常信号发送至用户终端，所述用户终端用于接收到水果异常信号后对水果的品质情况进行查看，若服务器接收到不同批次不同品种水果的生长偏差值则发送至品质判定模块；

所述品质判定模块用于对不同批次不同品种水果的品质进行判定，判定过程具体如下：

获取上述计算得到的不同批次不同品种水果的生长偏差值SPui；

若SPui＜X1，则不同批次不同品种水果的品质等级为优良等级；

若X1≤SPui＜X2，则不同批次不同品种水果的品质等级为普通等级；

若X2≤SPui，则不同批次不同品种水果的品质等级为劣质等级；其中，X1和X2均为固定数值的生长偏差阈值，且X1＜X2；

所述品质判定模块将不同批次不同品种水果的品质等级反馈至服务器，所述服务器将不同批次不同品种水果的品质等级发送至用户终端，所述用户终端用于结合品质等级对不同批次不同品种水果的品质情况进行知晓。

2.根据权利要求1所述的一种基于神经网络的水果缺陷无损检测系统，其特征在于，所述初步鉴定模块的初步鉴定过程具体如下：

获取不同批次不同水果的实时水果图片，而后获取水果的标准水果图片；

将实时水果图片与标准水果图片进行比对；

若比对成功，则生成无损检测信号；

若比对失败，则生成水果异常信号。

3.根据权利要求1所述的一种基于神经网络的水果缺陷无损检测系统，其特征在于，所述无损检测模块将水果异常信号或不同批次不同品种水果的生长偏差值反馈至服务器；

若服务器接收到水果异常信号，则将水果异常信号发送至用户终端，所述用户终端用于接收到水果异常信号后对水果的品质情况进行查看；

若服务器接收到不同批次不同品种水果的生长偏差值则发送至品质判定模块。

4.一种基于神经网络的水果缺陷无损检测方法，其特征在于，基于权利要求1-3任一项所述的一种基于神经网络的水果缺陷无损检测系统，方法具体如下：

步骤S100，用户终端录入水果的标识码和拍摄带有标识码的水果的实时水果图片；

步骤S200，标准制定模块对不同批次不同品种的水果监测标准进行制定，得到不同批次不同品种水果的标准检测参数发送至无损检测模块；

步骤S300，初步鉴定模块对不同批次不同品种的水果外部情况进行初步鉴定，生成无损检测信号或水果异常信号，若生成无损检测信号则发送至数据采集模块；

步骤S400，数据采集模块采集不同批次不同品种水果的实时生长数据和实时特征数据并发送至无损检测模块；

步骤S500，无损检测模块对不同批次不同品种的水果进行无损检测，生成水果异常信号或得到不同批次不同品种水果的生长偏差值发送至品质判定模块；

步骤S600，品质判定模块对不同批次不同品种水果的品质进行判定，判定不同批次不同品种水果的品质等级。