共查询到20条相似文献，搜索用时 187 毫秒
1.
基于条码溯源电子秤的社区菜店交易管理与追溯系统 总被引：1，自引：0，他引：1
以自主研发的条码溯源电子秤为信息采集基础、以交易信息数据库为管理核心、以手机扫描二维条码为追溯手段,构建了社区菜店交易管理与追溯系统框架。条码溯源电子秤在集成相关模块的基础上,实现了产品称量、身份验证、标签打印和数据上传等功能。在突破电子秤数据传输与解析技术、改进包含多条信息的手机扫描二维条码追溯识别技术的基础上,实现了社区菜店交易管理与追溯系统。通过搭建模拟环境,对连接多台电子秤的数据传输稳定性、手机扫描二维条码追溯进行了测试。结果表明,无论是实时传输方式还是集中传输方式,其传输成功率均在99%以上;随着标签中产品数量的增加,不同像素的手机识别速度和识别成功率均存在不同程度的下降趋势,其中800万像素的手机在识别速度上具有明显优势。 相似文献
2.
建立农产品追溯体系是提高农产品质量与安全的必然趋势。为此,针对农产品溯源体系要求,采用ISO18000-6 C标准,设计了农产品超高频RFID阅读器系统。试验结果表明:阅读器识读距离小于1.0 m,能够正确识读RFID标签数据;识读距离为0.8m,读取成功率为100%;识读距离为0.8~1.0m,读取成功率为95%以上;有障碍物(纸盒、木板、水、墙等)阻挡的环境下,识读距离为0.6m,读取成功率可达95%以上;能够识别距离为0.6 m,速度小于10 m/s的移动物体。该系统解决了农产品生产、物流及销售各环节中的农产品的示踪与信息记录问题。 相似文献
3.
当前技术构架下可追溯系统面临感知数据采集能力欠缺、追溯数据粒度输出单一、追溯平台体系结构薄弱等瓶颈。为解决这些问题,以上位机农产品流通追溯系统为业务支撑,结合WSN和物联网技术,设计一种新的基于Linux嵌入式技术的农产品质量安全物流智能追溯系统。该系统采用基于SPC的可追溯感知数据时域压缩粒子群优化算法,提高感知数据采集效率,并延长监测网络寿命。通过测试发现,该系统无线覆盖距离大、丢包率低,集RFID身份识别、混合标签打印、无线数据上传于一体,并通过网络实现智能查询追溯服务,具有良好的推广应用前景。 相似文献
4.
农产品追溯标识双向转换设备研究 总被引：2，自引：0，他引：2
条码、RFID等已成为追溯系统中产品标识的重要手段,实现不同标识间的快速转换已成为追溯环节无缝衔接的基础。在分析现有追溯系统标识特点的基础上,设计了集成工业控制器、RFID读写模块、嵌入式打印模块、条码扫描模块的农产品追溯标识双向转换设备,突破了RFID-条码转换中的二维条码动态加密技术,构建了条码-RFID转换中的控制流程,实现了标识读取、双向转换、标识打印、状态监测等功能。利用设计的设备进行了不同转换内容和转换数量下的双向测试,结果表明在RFID-条码的转换中转换成功率均达到了100%;在条码-RFID的转换中随着转换数量的增加、转换内容的增多,转换成功率存在下降趋势。2种转换方式下,转换时间均随转换数量和转换内容增多存在增加趋势。设备可满足加工包装过程中不同包装载体标识跟踪与信息记录的需求。 相似文献
5.
6.
基于CNN的小麦籽粒完整性图像检测系统 总被引：3，自引：0，他引：3
为了快速、准确识别小麦籽粒的完整粒和破损粒,设计了基于卷积神经网络(CNN)的小麦籽粒完整性图像检测系统,并成功应用于实际检测中。采集完整粒和破损粒两类小麦籽粒图像,对图像进行分割、滤波等处理后,建立单粒小麦的图像数据库和形态特征数据库。采用LeNet-5、AlexNet、VGG-16和ResNet-34等4种典型卷积神经网络建立小麦籽粒完整性识别模型,并与SVM和BP神经网络所建模型进行对比。结果表明,SVM和BP神经网络所建模型的验证集识别准确率最高为92. 25%; 4种卷积神经网络模型明显优于两种传统模型,其中,识别性能最佳的AlexNet的测试集识别准确率为98. 02%,识别速率为0. 827 ms/粒。基于AlexNet模型设计了小麦籽粒完整性图像检测系统,检测结果显示,100粒小麦的检测时间为26. 3 s,其中,图像采集过程平均用时21. 2 s,图像处理与识别过程平均用时为5. 1 s,平均识别准确率为96. 67%。 相似文献
7.
为解决传统的玉米病害识别方法中特征提取主观性强及误识率高的问题,提出利用卷积神经网络对玉米病害进行识别。以玉米病害图像和健康图像共5种类别的玉米图像为研究对象,并采用LeNet模型进行试验。首先,按照8∶2的比例为每种玉米病害图像选择训练集和测试集。然后,通过试验组合和对比分析的方法比较不同卷积神经网络结构设置对准确率的影响,选出最佳参数。另外,选用Adam算法代替SGD算法来优化模型,通过指数衰减法调整学习率,将L2正则项添加到交叉熵函数中,并选择Dropout策略和ReLU激励函数。最后,确定了一个10层CNN网络结构。试验结果显示,玉米花叶病、灰斑病、锈病、叶斑病和玉米健康识别率分别为95.83%、90.57%、100%、93.75%、100%,平均识别率达96%,平均计算时间为0.15 s。经试验结果比较,该模型识别效果明显高于传统方法,为玉米病害的防治提供技术支持。 相似文献
8.
面向植物病害识别的卷积神经网络精简结构Distilled-MobileNet模型 总被引：1，自引：0，他引：1
卷积神经网络（CNN）的发展带来了大量的网络参数和庞大的模型体积，极大地限制了其在小规模计算资源设备上的应用。为将CNN应用在各种小型设备上，研究了一种基于知识蒸馏的结构化模型压缩方法。该方法首先利用VGG16训练了一个识别率较高的教师模型，再将该模型中的知识通过蒸馏的方法迁移到MobileNet，从而大幅减少了模型的参数量。将知识蒸馏后的Distilled-MobileNet模型应用在14种作物的38种常见病害分类中。进行了知识蒸馏在VGG16、AlexNet、GoogleNet和ResNet 4种不同网络结构上的表现测试，结果表明，当VGG16作为教师模型时，模型准确率提升了97.54%；使用单个病害识别率、平均准确率、模型内存、平均识别时间4个指标对训练好的Distilled-MobileNet模型进行真实环境下准确性评估，经测试，模型的平均准确率达到了97.62%，平均识别时间缩短至0.218 s，仅占VGG16模型的13.20%，模型大小压缩仅为19.83 MB，相比于VGG16缩小了93.60%，使其具备了较高的准确性和实时性要求。本方法模型在压缩内存体积和缩短识别时间上较传统神经网络有了明显提高，为内存和计算资源受限设备上的病害识别提供了新的思路。 相似文献
9.
基于多特征降维的植物叶片识别方法 总被引：1，自引：0，他引：1
植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。针对低维特征不能全面描述叶片信息,识别准确率低的问题,提出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理,获得去除颜色、虫洞、叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征,对灰度图像提取Hu不变矩特征、灰度共生矩阵特征、局部二值模式特征和Gabor特征,对纹理图像提取分形维数,共得到2 183维特征参数。再采用主成分分析与线性评判分析相结合的方法对叶片多特征进行特征降维,将叶片高维特征数据降到低维空间。降维后的训练样本特征数据使用支持向量机分类器进行训练。试验结果表明:使用训练后的支持向量机分类器对Flavia数据库和ICL数据库的测试叶片样本进行分类识别,平均正确识别率分别为92.52%、89.97%,有效提高了植物叶片识别的正确率。 相似文献
10.
为提高采摘设备的执行效率,采用六自由度机械臂、树莓派、Android手机端和服务器设计了一种智能果实采摘系统,该系统可自动识别不同种类的水果,并实现自动采摘,可通过手机端远程控制采摘设备的起始和停止,并远程查看实时采摘视频。提出通过降低自由度和使用二维坐标系来实现三维坐标系中机械臂逆运动学的求解过程,从而避免了大量的矩阵运算,使机械臂逆运动学求解过程更加简捷。利用Matlab中的Robotic Toolbox进行机械臂三维建模仿真,验证了降维求解的可行性。在果实采摘流程中,为了使机械臂运动轨迹更加稳定与协调,采用五项式插值法对机械臂进行运动轨迹规划控制。基于Darknet深度学习框架的YOLO v4目标检测识别算法进行果实目标检测和像素定位,在Ubuntu 19.10操作系统中使用2000幅图像作为训练集,分别对不同种类的果实进行识别模型训练,在GPU环境下进行测试,结果表明,每种果实识别的准确率均在94%以上,单次果实采摘的时间约为17s。经过实际测试,该系统具有良好的稳定性、实时性以及对果实采摘的准确性。 相似文献
11.
针对“三品一标”企业的特点,应用二维码、GIS、XML、JSON、WMS和WFS等信息技术,设计基于多终端数据交互技术的“三品一标”企业农产品质量安全追溯管理系统。该系统采用SOA面向体系的架构设计,应用移动端和桌面端交互设计方式,通过设置专家辅助支持信息库、农资采购管理、质量检测管理和追溯信息管理等功能模块控制关键环节,保证追溯信息的真实性、准确性和完整性,从而保证农产品质量安全。在郑州市的应用表明,该系统可实现农产品从种植、检测、采收、加工、包装和配送等全程质量安全控制和跟踪溯源。 相似文献
12.
13.
为了实现复杂环境下农业机器人对番茄果实的快速准确识别,提出了一种基于注意力机制与改进YOLO v5s的温室番茄目标快速检测方法。根据YOLO v5s模型小、速度快等特点,在骨干网络中加入卷积注意力模块(CBAM),通过串联空间注意力模块和通道注意力模块,对绿色番茄目标特征给予更多的关注,提高识别精度,解决绿色番茄在相似颜色背景中难识别问题;通过将CIoU Loss替换GIoU Loss作为算法的损失函数,在提高边界框回归速率的同时提高果实目标定位精度。试验结果表明,CB-YOLO网络模型对温室环境下红色番茄检测精度、绿色番茄检测精度、平均精度均值分别为99.88%、99.18%和99.53%,果实检测精度和平均精度均值高于Faster R-CNN模型、YOLO v4-tiny模型和YOLO v5模型。将CB-YOLO模型部署到安卓手机端,通过不同型号手机测试,验证了模型在移动终端设备上运行的稳定性,可为设施环境下基于移动边缘计算的机器人目标识别及采收作业提供技术支持。 相似文献
14.
我国农产品质量安全追溯体系建设中存在的问题与对策 总被引：12，自引：0，他引：12
分析了国外农产品质量追溯体系建没的成功经验,简单介绍了我国农产品质量追溯体系建设的现状,重点分析了我国在农产品质量安全追溯试点工作中遇到的问题以及其潜在的深层次原因.在此基础上,提出了解决我国农产品质量安全追溯体系建设中存在问题的对策. 相似文献
15.
针对现有果蔬农产品供应链中存在的上下游区块链间追溯数据差异化、细粒度共享困难以及数据隐私保护等问题,通过分析果蔬农产品供应链各环节业务流程,在果蔬农产品质量安全追溯场景下,提出了一种支持异构多链的基于属性的果蔬跨链追溯访问控制模型。该模型利用基于中继链的跨链技术将跨链信息标准化从而实现异构多链之间的跨链通信,并结合果蔬跨链追溯需求,采用基于ABAC(Attribute-based access control)的访问控制模型实现对数据资源灵活、细粒度访问控制。为验证模型有效性,利用BitXHub中继链技术在Hyperledger Fabric和Ethereum构成的异构链中实现跨链数据访问,在跨链合约中实现基于属性的访问控制流程,构建出果蔬追溯跨链访问控制模型的原型系统。系统测试结果表明,中继链处理跨链交易的发送率平均最高值分别约为600笔/s和400笔/s,策略判定时间不会随着策略数目的增加而有较大波动,基本稳定在2 000 ms左右,能够满足果蔬供应链在异构区块链之间跨链数据差异化、细粒度共享的需求,也保证了数据共享过程中的数据隐私性。 相似文献
16.
加快农产品质量安全追溯体系建设,是深入开展农产品质量安全县创建,提升全省农产品质量安全监管水平,保障农产品质量安全的有效手段,对现代农业发展有强大的推动力。介绍了山西省农产品质量安全追溯管理的发展现状及发展规划,阐述了农产品质量安全追溯体系建设中遇到的问题,并提出了建设性意见。 相似文献
17.
18.
19.