一种猕猴桃的产销全流程智能化管理系统的制作方法

本发明涉及猕猴桃产销流程管理，具体为一种猕猴桃的产销全流程智能化管理系统。

背景技术：

1、在猕猴桃的产销过程中，运输环节至关重要；传统运输管理方式存在诸多弊端，难以满足产业发展需求，促使智能化管理系统的研发成为必然；从运输安全与监管角度看，猕猴桃运输常面临非法卸料风险；不法分子受利益驱使，可能在运输途中私自卸下货物转卖，给果农和经销商带来严重经济损失；以往缺乏有效监控手段，难以实时察觉此类行为，往往在货物大量缺失后才发现问题，追溯困难，损失难以挽回；运输路线管理方面，依靠人工规划和司机经验的传统模式易出现偏差；复杂路况、司机疏忽等因素常导致车辆偏离预定路线，不仅延误运输时间，影响猕猴桃新鲜度和上市时间，还可能因进入路况不佳或限制通行区域增加运输风险，如车辆损坏、货物受损等，同时也增加了运输成本；数据采集与处理上，车厢内猕猴桃状态数据：温度、湿度、气体浓度、净度以及车辆行驶数据：位置、速度，对保障运输质量十分关键；早期依靠人工定期检查和简单记录，数据采集频率低、准确性差，无法及时反映运输过程中的异常变化；且在网络信号不佳区域，如偏远山区运输路线上，数据传输中断，导致信息缺失，使运输处于“黑箱”状态，一旦出现问题难以快速定位和解决。

技术实现思路

1、为解决上述技术问题，本发明通过以下技术方案予以实现：一种猕猴桃的产销全流程智能化管理系统，包括：

2、定位监控模块，用于实时获取运输车辆的位置信息和行驶轨迹；

3、卸料检测模块，具有车载传感器，车载传感器用于监测车厢内猕猴桃的动态状态，动态状态包括温度、湿度、气体浓度、净度数据，卸料检测模块用于识别是否发生非法卸料行为；

4、路段信号增强与边缘计算模块，用于在信号不稳定或无网络覆盖的区域，通过边缘计算进行数据处理和本地存储，并在信号恢复时将数据上传至云平台；

5、车载视频监控与图像识别模块，用于实时监控车厢内外情况，并结合图像识别技术分析卸料行为；

6、大数据分析与行为识别模块，用于汇总分析运输车辆的数据，识别潜在的非法卸料行为并发出预警；

7、报警与应急响应模块，用于在识别到非法卸料行为时，发出警报并通知相关人员进行及时处理。

8、优选的，所述定位监控模块包括全球定位系统gps与地理信息系统gis，用于实时跟踪运输车辆的行驶轨迹，并与预定路线进行比对，确保运输车辆按预定路线行驶，比对过程包括：首先通过运输车辆配备gps接收器，实时获取运输车辆的位置信息，位置信息包括gps坐标、车辆id、速度、方向信息，运输公司通过地理信息系统gis设定猕猴桃运输的预定路线，预定路线由管理人员根据运输任务需求设置，包括起始点、目的地、中途停靠点；将预定路线在地图标定，并将预定路线存储在云平台或本地数据库中；其中，预定路线包括路径坐标、道路名称、路线参数；然后先设置路径容忍区间，而后通过轨迹匹配算法将实时采集到的位置信息与预定路线进行比对，自动识别出运输车辆轨迹异常与否；基于识别出的运输车辆轨迹异常，通过直线距离比对方法，将实时采集到的位置信息与预定路线进行再次比对，通过计算运输车辆当前位置信息与预定路线点的直线距离，判断车辆是否偏离预定路线，从而得出检测结果。

9、优选的，通过直线距离比对方法，将实时采集到的位置信息与预定路线进行再次比对，通过计算运输车辆当前位置信息与预定路线点的直线距离，判断车辆是否偏离预定路线，从而得出检测结果，过程包括：首先对允许运输车辆偏离预定路线10米或50米以内的区间设定为容忍区间，用于避免因微小误差产生的误报；然后采用轨迹匹配算法，通过使用动态时间规整dtw算法，将运输车辆的实时位置与路线的每一个点进行匹配，自动识别出运输车辆轨迹异常；最后基于轨迹匹配算法识别出的运输车辆轨迹异常，采用直线距离比对的方法，通过计算运输车辆当前位置信息与预定路线点的直线距离，判断车辆是否偏离预定路线，得出检测结果。

10、优选的，然后采用轨迹匹配算法，通过使用动态时间规整dtw算法，将运输车辆的实时位置与路线的每一个点进行匹配，自动识别出运输车辆轨迹异常，过程包括：由运输车辆的gps系统实时采集实时轨迹，实时轨迹包括每个时间点的经度、纬度以及时间戳；设运输车辆的实时轨迹为：

11、；

12、其中为每个时间点的时间戳，和为该时刻运输车辆的经纬度坐标；

13、基于gis系统生成的预定路线由若干路径点构成，包括经纬度坐标及其对应的时间戳；设预定路线为：

14、；

15、其中，每个是路径点的经纬度，是与该路径点相关联的时间戳；

16、设dtw距离计算公式如下：

17、；

18、其中：d（i,j）表示实时轨迹点i和预定路线点j之间的动态时间规整距离；

19、是两点之间的距离；

20、其中，dtw距离计算公式中的最小操作是为了保证即使时间轴不同步，dtw也能找到最佳匹配路径；经由dtw通过动态规划算法递归地计算出两条轨迹之间的最短距离；

21、初始化距离矩阵d，矩阵大小为m×n，其中，m为实时轨迹的点数，n为预定路线的点数；填充d（0,0）为0，表示初始状态；计算矩阵d（i,j）中每个元素的值，根据实际距离度量方法计算路径点之间的距离；最后从矩阵d（m,n）中找到最小的对齐路径，即为两条轨迹的最佳匹配；

22、dtw距离矩阵最终的计算结果为两条路径之间的整体相似度，如果dtw距离大于设定的阈值，则表示运输车辆轨迹与预定路线之间的相似度低，判定为运输车辆轨迹异常。

23、优选的，基于轨迹匹配算法识别出的运输车辆轨迹异常，采用直线距离比对的方法，通过计算运输车辆当前位置信息与预定路线点的直线距离，判断车辆是否偏离预定路线，得出检测结果；

24、通过车辆配备的gps接收器实时获取车辆的当前位置信息，得到经度、纬度以及时间戳；设运输车辆当前位置为：

25、；

26、其中，是运输车辆当前的纬度，是运输车辆当前的经度；

27、基于预定路线由若干路径点组成，每个路径点代表预定路线上的一个位置坐标，设预定路线点为：

28、；其中，和是预定路线点的纬度和经度；

29、通过haversine公式计算运输车辆当前位置a与预定路线点b之间的地理直线距离，计算公式为：

30、；

31、其中：d是两点之间的直线距离；r是地球的平均半径；

32、是ab两点的纬度差；是ab两点的经度差；,分别是ab两点的纬度，,分别是ab两点的经度；

33、如果运输车辆当前位置a与预定路线点b的直线距离小于容忍区间，则运输车辆仍在预定路线上；如果计算得到的直线距离d大于容忍区间，则运输车辆偏离预定路线；

34、如果运输车辆的当前位置与预定路线的距离超出了设定的容忍区间，则判断运输车辆已经偏离了预定路线，生成偏离路线的检测结果；根据偏离路线的检测结果，触发警报；警报信息通过车载终端显示，或通过短信、电子邮件实时通知运输公司的运输车辆管理人员。

35、优选的，所述车载传感器包括温度传感器、湿度传感器、气体浓度传感器和净度传感器，车载传感器用于采集监测车厢内的动态数据，通过对动态数据的平滑滤波处理之后再通过时间戳同步，得到数据同步后的时间同步数据；通过设定标定阈值，结合时间同步数据中的突变特征的出现，判定发生异常事件；基于异常事件，如果温度超出适宜猕猴桃储存的温度阈值范围、湿度超出适宜范围且伴随气体浓度异常变化以及净度降低超过设定净度阈值，则判断为非法卸料行为，通过车载终端、短信、邮件发出报警，报警内容包括异常发生的时间、地点、异常类型；

36、其中，标定阈值包括温度阈值、湿度阈值、气体浓度阈值和净度阈值，动态数据包括猕猴桃周围的温度数据、湿度数据、气体浓度数据以及猕猴桃的净度数据。

37、优选的，所述车载视频监控与图像识别模块包括高分辨率摄像头和深度学习算法，用于对车厢内外环境进行实时监控，并通过图像识别技术检测猕猴桃是否被卸载，检测过程为：选择红外摄像头、低光摄像头，确保在不同光照条件下能够进行有效图像采集，安装在运输车辆的车厢上方或侧面，确保车厢内部的图像可以清晰捕捉，然后设置图像采集频率为每秒1至10张图像，以保证系统能够实时监控猕猴桃状态；随后通过车载通信模块4g/5g网络、wi-fi，将实时图像数据传输至远程监控平台或中央处理单元；随后使用高斯滤波、均值滤波或中值滤波的方法去除图像数据中的噪声，并根据白天、夜间、阴影的变化，对图像的亮度、对比度、饱和度进行调整，确保猕猴桃区域与车厢的细节清晰可见；其中，如果摄像头的视野范围较大，对图像进行裁剪，只保留车厢内与猕猴桃相关的区域，以减少计算量；通过训练yolo模型检测猕猴桃的特征，定位猕猴桃区域并标记为猕猴桃；随后基于车厢中原本均匀的猕猴桃堆积，如果变得不均匀，则表明发生了卸料行为；然后对比连续图像中的猕猴桃数量变化，若时刻e内猕猴桃区域的数量减少超过设定阈值10%或20%，则发生了非法卸料，触发卸料报警并通过车载终端、远程监控平台、短信、邮件发出报警。

38、优选的，所述路段信号增强与边缘计算模块包括卫星通信模块，用于增强偏远地区的信号覆盖，确保即使在信号不稳定或无法连接网络时，系统仍能正常工作；并且在无网络连接时，用于本地存储数据，待网络恢复后上传至云平台。

39、优选的，所述大数据分析与行为识别模块基于机器学习和数据挖掘技术，对历史运输数据和实时数据进行分析，识别运输过程中出现的异常行为，并根据历史运输数据和行为模式预测潜在的非法卸料风险，过程包括：利用综合评分模型，对监测指标中的猕猴桃温度变化、湿度变化、气体浓度变化、净度变化、车速偏离、gps轨迹偏差进行加权，生成一个“异常风险评分”，该评分代表运输过程中发生非法卸料行为的可能性；如果异常风险评分超过设定的评分阈值，则判断为潜在的非法卸料风险，并触发报警。

40、优选的，综合评分模型用于生成“异常风险评分”的过程为：

41、收集与猕猴桃运输过程相关的实时监测数据，包括以下几个监测指标：基于车厢的温度传感器监测猕猴桃的实时温度变化，即猕猴桃温度变化；通过湿度传感器监测车厢内的湿度变化，即湿度变化；通过气体浓度传感器监测车厢内的气体浓度变化，即气体浓度变化；通过净度传感器监测猕猴桃的净度变化，即净度变化；通过gps或车载测速仪器监测车辆的实时速度，判断其是否偏离预定行驶速度范围，即车速偏离；通过gps跟踪车辆位置，判断是否存在明显偏离预定路线的行为，即gps轨迹偏差；

42、随后对采集的实时监测数据，通过滤波、平滑减少数据中的随机噪声，提升数据质量，以保证各个指标的可比性；随后进行标准化处理：将不同监测指标转换为相同的标准尺度，使得各个指标对最终评分的影响程度一致；包含：对于车速偏离、气体浓度变化等数值型数据，将其标准化为0到1的区间；为每个监测指标分配权重，权重反映了该指标在异常行为识别中的重要程度；权重值的确定通过专家经验、历史数据分析或机器学习模型的训练来进行；

43、最后将每个监测指标经过标准化后，乘以相应的权重，然后将各项加权结果相加，生成综合评分；具体计算公式如下：

44、；

45、其中，标准化后的指标i表示第i个监测指标的标准化结果；权重i是相应指标的权重，n是指标的总数；

46、根据历史数据和实际应用场景，设定评分阈值；当综合评分超过这个评分阈值时，系统判定为高风险，即可能发生非法卸料行为；如果评分大于评分阈值，系统会触发报警，提示管理人员注意潜在的异常行为；如果评分低于评分阈值，则表示当前运输过程未发生显著异常，继续监控。

47、本发明提供了一种猕猴桃的产销全流程智能化管理系统，具备以下有益效果：

48、该猕猴桃的产销全流程智能化管理系统，在运输规范与管理强化方面，通过定位监控模块凭借gps与gis技术，精确跟踪运输车辆轨迹；通过轨迹匹配算法与直线距离比对，有效识别车辆偏离预定路线情况，并利用容忍区间设置避免了微小误差误报，确保运输按规划路径进行，防止运输过程中的路线偏离作弊行为，保障运输秩序与计划执行的精准性。