一种基于深度学习的水果筛选物流系统技术方案

本发明专利技术公开了一种基于深度学习的水果筛选物流系统，具体涉及水果筛选物流领域，用于解决现有的果园进行现摘现发时，由于果园内各个水果生长区域由于地域的不同，其成熟度会有所差别，不加以筛选，可能会导致整体成熟度高的水果生长区域未优先进行现摘现发，导致后期只能采摘存放销售，增加了成本且失去了一定的新鲜度；包括主控模块、数据采集模块、数据分析模块、物流规划模块以及数据存储模块；是利用目标检测算法确定各个水果的生长状态，并根据各区域水果的状态分布确定物流采摘顺序，最后根据各整体水果生长区域的成熟度与未来环境调节对现摘现发策略进行进一步调整，从而做到最大化实现果园现摘现发的销售策略。最大化实现果园现摘现发的销售策略。最大化实现果园现摘现发的销售策略。

【技术实现步骤摘要】
一种基于深度学习的水果筛选物流系统


[0001]本专利技术涉及水果筛选物流
，更具体地说，本专利技术涉及一种基于深度学习的水果筛选物流系统。

技术介绍

[0002]随着社会的发展，人们对于生活品质的追求越来越高，现有的水果销售为了保证水果的绝对新鲜，且避免存放储藏的麻烦，常采用现摘现发的销售策略。
[0003]现有的果园进行现摘现发时，由于果园内各个水果生长区域由于地域的不同，其成熟度会有所差别，若不加以筛选，可能会导致整体成熟度高的水果生长区域未优先进行现摘现发，导致后期只能采摘存放销售，增加了成本且失去了一定的新鲜度。
[0004]针对上述问题，本专利技术提出一种技术方案。

技术实现思路

[0005]为了克服现有技术的上述缺陷，本专利技术的实施例提供一种基于深度学习的水果筛选物流系统，利用目标检测算法对果园各区域水果进行识别检测，确定各个水果的生长状态，并根据各区域水果的状态分布确定物流采摘顺序，最后根据各整体水果生长区域的成熟度与未来环境调节对现摘现发策略进行进一步调整，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]一种基于深度学习的水果筛选物流系统，包括主控模块、数据采集模块、数据分析模块、物流规划模块、数据存储模块以及显示终端；
[0008]主控模块与数据采集模块、数据分析模块、物流规划模块以及数据存储模块均信号连接，用于发布控制指令并接收相关数据结果；
[0009]数据存储模块用于存储水果筛选物流系统在整个管理过程中产生的数据；
[0010]主控模块将果园按水果生长区域划分n个区域，并向数据采集模块发出采集指令，数据采集模块对果园水果状态进行采集；
[0011]数据采集模块用于获取果园水果的状态数据，将其通过主控模块发送至数据分析模块；
[0012]数据分析模块接收后处理获得各水果生长区域物流优先系数，并通过主控模块将其发送至物流规划模块；
[0013]物流规划模块根据对各水果生长区域按照物流优先系数进行从大到小排列，获得各水果生长区域物流采摘发货顺序，同时生产采集顺序信号发送至显示终端进行显示。
[0014]在一个优选的实施方式中，水果的状态数据包括成熟水果、未成熟水果以及腐烂水果；数据分析模块获取各个水果为成熟水果、未成熟水果以及腐烂水果三者中的哪个状态后，分别对各水果生长区域的水果根据自身生长状态进行统计，获得各水果生长区域成熟水果数值、未成熟水果数值以及腐烂水果数值，i是指各水果生长区域的标号，其大于等
于1小于等于n。
[0015]在一个优选的实施方式中，数据分析模块根据各水果生长区域成熟水果数值、未成熟水果数值以及腐烂水果数值计算获取坏果占比值、坏果集中度值以及生果占比值，将其分别标定为BPi、BCi以及GPi；并通过公式计算各水果生长区域物流优先系数Pi。
[0016]在一个优选的实施方式中，数据分析模块还根据成熟水果数值计算获取熟果集中度值，并通过公式计算各水果生长区域的采摘评价系数CM：
[0017]数据分析模块将各水果生长区域的采摘评价系数CMi分别与标准采摘阈值进行比较：
[0018]若采摘评价系数CMi大于等于标准采摘阈值，此时数据分析模块生产符合现摘现发要求信号，并发送至显示终端进行显示；
[0019]若采摘评价系数CMi小于标准采摘阈值，此时数据分析模块生产不符合现摘现发要求信号，并发送至显示终端进行显示。
[0020]在一个优选的实施方式中，数据采集模块还用于采集包括温度数据与湿度数据，并通过主控模块发送至数据分析模块；
[0021]数据分析模块还对符合现摘现发要求的水果生长区域进行再次评估，具体过程如下：
[0022]数据分析模块对温度数据与湿度数据进行处理，根据水果生长的最佳温度与湿度，计算温度偏差值与湿度偏差值，通过公式计算环境影响系数E；
[0023]数据分析模块将环境影响系数E与标准环境阈值进行比较：
[0024]若环境影响系数E大于等于标准环境阈值，则此时数据分析模块生成恶劣环境信号，并发送至显示终端进行显示；反之，则生成正常环境信号，并发送至显示终端进行显示。
[0025]在一个优选的实施方式中，各水果生长区域物流优先系数Pi的计算过程如下：
[0026]数据分析模块将坏果占比值、坏果集中度值以及生果占比值分别标定为BPi、BCi以及GPi；各水果生长区域物流优先系数Pi的计算表达式如下：
[0027][0028]式中，a1、a2、a3分别为坏果占比值、坏果集中度值以及生果占比值的预设比例系数。
[0029]在一个优选的实施方式中，各水果生长区域的采摘评价系数CMi的计算过程如下：
[0030]数据分析模块将熟果集中度值标定为FCi，各水果生长区域的采摘评价系数CMi的计算表达式如下：
[0031]CMi＝b1Gpi+b2Fci
[0032]式中，b1、b2分别为生果占比值与熟果集中度值的预设比例系数。
[0033]在一个优选的实施方式中，环境影响系数E的计算过程如下：
[0034]数据分析模块将温度偏差值与湿度偏差值分别将其标定为Tp与Rhp，环境影响系数E的计算表达式如下：
[0035]E＝c1Tp+c2Rhp
[0036]式中，c1、c2分别为温度偏差值与湿度偏差值的预设比例系数。
[0037]本专利技术一种基于深度学习的水果筛选物流系统的技术效果和优点：
[0038]本专利技术是利用目标检测算法对果园各区域水果进行识别检测，确定各个水果的生长状态，并根据各区域水果的状态分布确定物流采摘顺序，最后根据各整体水果生长区域的成熟度与未来环境调节对现摘现发策略进行进一步调整，从而做到最大化实现果园现摘现发的销售策略。
附图说明
[0039]图1为本专利技术一种基于深度学习的水果筛选物流系统的结构示意图。
具体实施方式
[0040]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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他实施例，都属于本专利技术保护的范围。
[0041]实施例1
[0042]本专利技术一种基于深度学习的水果筛选物流系统，是利用目标检测算法对果园各区域水果进行识别检测，确定各个水果的生长状态，并根据各区域水果的状态分布确定物流采摘顺序，最后根据各整体水果生长区域的成熟度与未来环境调节对现摘现发策略进行进一步调整，从而做到最大化实现果园现摘现发的销售策略。
[0043]图1给出了本专利技术一种基于深度学习的水果筛选物流系统的结构示意图，其包括主控模块、数据采集模块、数据分析模块、物流规划模块、数据存储模块以及显示终端。
[0044]主控模块与数据采集模块、数据分析模块、物流规本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的水果筛选物流系统，其特征在于：包括主控模块、数据采集模块、数据分析模块、物流规划模块、数据存储模块以及显示终端；主控模块与数据采集模块、数据分析模块、物流规划模块以及数据存储模块均信号连接，用于发布控制指令并接收相关数据结果；数据存储模块用于存储水果筛选物流系统在整个管理过程中产生的数据；主控模块将果园按水果生长区域划分n个区域，并向数据采集模块发出采集指令，数据采集模块对果园水果状态进行采集；数据采集模块用于获取果园水果的状态数据，将其通过主控模块发送至数据分析模块；数据分析模块接收后处理获得各水果生长区域物流优先系数，并通过主控模块将其发送至物流规划模块；物流规划模块根据对各水果生长区域按照物流优先系数进行从大到小排列，获得各水果生长区域物流采摘发货顺序，同时生产采集顺序信号发送至显示终端进行显示。2.根据权利要求1所述的一种基于深度学习的水果筛选物流系统，其特征在于：水果的状态数据包括成熟水果、未成熟水果以及腐烂水果；数据分析模块获取各个水果为成熟水果、未成熟水果以及腐烂水果三者中的哪个状态后，分别对各水果生长区域的水果根据自身生长状态进行统计，获得各水果生长区域成熟水果数值、未成熟水果数值以及腐烂水果数值，并分别将其标定为Fi、Gi以及Bi；i是指各水果生长区域的标号，其大于等于1小于等于n。3.根据权利要求2所述的一种基于深度学习的水果筛选物流系统，其特征在于：数据分析模块根据各水果生长区域成熟水果数值、未成熟水果数值以及腐烂水果数值计算获取坏果占比值、坏果集中度值以及生果占比值，并通过公式计算各水果生长区域物流优先系数Pi。4.根据权利要求3所述的一种基于深度学习的水果筛选物流系统，其特征在于：数据分析模块还根据成熟水果数值计算获取熟果集中度值，并通过公式计算各水果生长区域的采摘评价系数CMi；数据分析模块将各水果生长区域的采摘评价系数CMi分别与标准采摘阈值进行比较：若采摘评价系数CMi大于等于标准采摘阈值，此时数...

【专利技术属性】
技术研发人员：杨雨彤，陈洪刚，
申请(专利权)人：四川大学，
类型：发明
国别省市：