一种智能筛选绿茶的方法和装置与流程

1.本发明涉及绿茶筛选技术领域，尤其涉及一种智能筛选绿茶的方法和装置。


背景技术：

2.绿茶采取茶树的新叶或芽，未经发酵，经杀青、整形、烘干等工艺而制作的，保留了鲜叶的天然物质，含有的茶多酚、儿茶素、叶绿素、咖啡碱、氨基酸、维生素等营养成分。绿化色泽和茶汤较多保存了鲜茶叶的绿色格调，由此得名。由于茶叶种类众多，用料选择和加工工艺不同，不同的茶叶品种的茶叶，具体的判断优劣方法和标准会有一些差别。
3.但本发明申请人发现现有技术至少存在如下技术问题：
4.现有技术中的绿茶筛选主要依靠人力实现，不仅工作效率低下，并且筛选效果也不够理想，难以准确筛选出优质绿茶。


技术实现要素：

5.本发明实施例提供了一种智能筛选绿茶的方法和装置，解决了现有技术中的绿茶筛选工作效率低下，并且筛选效果也不够理想，导致绿茶质量以及茶叶价值受到影响，难以准确筛选出优质绿茶的技术问题，达到了提高绿茶的筛查效率，提升智能化程度，保障绿茶的质量以及价值的技术效果。
6.鉴于上述问题，提出了本技术实施例以便提供一种智能筛选绿茶的方法和装置。
7.第一方面，本发明提供了一种智能筛选绿茶的方法，应用于一智能筛选系统，所述智能筛选系统具有一x光成像设备、筛分装置和三维识别设备，且所述筛分装置分别与所述x光成像设备、三维识别设备通讯连接，其中，所述方法包括：获得第一待筛选绿茶信息；获得第一筛选指令；根据所述第一筛选指令，通过所述x光成像设备对所述第一待筛选绿茶进行第一检测处理之后，获得第一影像信息；将所述第一影像信息、第一待筛选绿茶信息输入至输入第一筛选模型，并根据所述第一筛选模型获得第一筛选结果；根据所述第一筛选结果，通过所述筛分设备对所述第一待筛选绿茶进行筛分之后，获得第一预筛绿茶信息；通过所述三维识别设备，对所述第一预筛绿茶进行三维视觉识别，获得所述第一预筛绿茶的第一立体图像信息；根据所述第一立体图像信息，判断所述第一预筛绿茶是否满足第一预设条件；如果满足所述第一预设条件，则获得第一烘干指令；根据所述第一烘干指令，对满足所述第一预设条件的所述第一预筛绿茶进行烘干。
8.第二方面，本发明提供了一种智能筛选绿茶的装置，应用于一智能筛选系统，所述智能筛选系统具有一x光成像设备、筛分装置和三维识别设备，且所述筛分装置分别与所述x光成像设备、三维识别设备通讯连接，其中，所述装置包括：
9.第一获得单元，所述第一获得单元用于获得第一待筛选绿茶信息；
10.第二获得单元，所述第二获得单元用于获得第一筛选指令；
11.第三获得单元，所述第三获得单元用于根据所述第一筛选指令，通过所述x光成像设备对所述第一待筛选绿茶进行第一检测处理之后，获得第一影像信息；
12.第一操作单元，所述第一操作单元用于将所述第一影像信息、第一待筛选绿茶信息输入至输入第一筛选模型，并根据所述第一筛选模型获得第一筛选结果；
13.第二操作单元，所述第二操作单元用于根据所述第一筛选结果，通过所述筛分设备对所述第一待筛选绿茶进行筛分之后，获得第一预筛绿茶信息；
14.第三操作单元，所述第三操作单元用于通过所述三维识别设备，对所述第一预筛绿茶进行三维视觉识别，获得所述第一预筛绿茶的第一立体图像信息；
15.第一判断单元，所述第一判断单元用于根据所述第一立体图像信息，判断所述第一预筛绿茶是否满足第一预设条件；
16.第四获得单元，所述第四获得单元用于如果满足所述第一预设条件，则获得第一烘干指令；
17.第一烘干单元，所述第一烘干单元用于根据所述第一烘干指令，对满足所述第一预设条件的所述第一预筛绿茶进行烘干。
18.第三方面，本发明提供了一种智能筛选绿茶的装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现前述第一方面的方法的步骤。
19.本技术实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：
20.本发明实施例提供的一种智能筛选绿茶的方法和装置，应用于一智能筛选系统，所述智能筛选系统具有一x光成像设备、筛分装置和三维识别设备，且所述筛分装置分别与所述x光成像设备、三维识别设备通讯连接，其中，所述方法包括：获得第一待筛选绿茶信息；获得第一筛选指令；根据所述第一筛选指令，通过所述x光成像设备对所述第一待筛选绿茶进行第一检测处理之后，获得第一影像信息；将所述第一影像信息、第一待筛选绿茶信息输入至输入第一筛选模型，并根据所述第一筛选模型获得第一筛选结果；根据所述第一筛选结果，通过所述筛分设备对所述第一待筛选绿茶进行筛分之后，获得第一预筛绿茶信息；通过所述三维识别设备，对所述第一预筛绿茶进行三维视觉识别，获得所述第一预筛绿茶的第一立体图像信息；根据所述第一立体图像信息，判断所述第一预筛绿茶是否满足第一预设条件；如果满足所述第一预设条件，则获得第一烘干指令；根据所述第一烘干指令，对满足所述第一预设条件的所述第一预筛绿茶进行烘干，从而解决了现有技术中的绿茶筛选工作效率低下，并且筛选效果也不够理想，导致绿茶质量以及茶叶价值受到影响，难以准确筛选出优质绿茶的技术问题，达到了提高绿茶的筛查效率，提升智能化程度，保障绿茶的质量以及价值的技术效果。
21.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
22.图1为本发明实施例中一种智能筛选绿茶的方法的流程示意图；
23.图2为本发明实施例中一种智能筛选绿茶的装置的结构示意图；
24.图3为本发明实施例中另一种示例性电子设备的结构示意图。
25.附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第一操作单元14，第二操作单元15，第三操作单元16，第一判断单元17，第四获得单元18，第一烘干单元19，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
26.本发明实施例提供了一种智能筛选绿茶的方法和装置，用于解决现有技术中的绿茶筛选工作效率低下，并且筛选效果也不够理想，导致绿茶质量以及茶叶价值受到影响，难以准确筛选出优质绿茶的技术问题，达到了提高绿茶的筛查效率，提升智能化程度，保障绿茶的质量以及价值的技术效果。
27.下面，将参考附图详细的描述根据本技术的示例实施例。显然，所描述的实施例仅是本技术的一部分实施例，而不是本技术的全部实施例，应理解，本技术不受这里描述的示例实施例的限制。
28.申请概述
29.绿茶采取茶树的新叶或芽，未经发酵，经杀青、整形、烘干等工艺而制作的，保留了鲜叶的天然物质，含有的茶多酚、儿茶素、叶绿素、咖啡碱、氨基酸、维生素等营养成分。绿化色泽和茶汤较多保存了鲜茶叶的绿色格调，由此得名。由于茶叶种类众多，用料选择和加工工艺不同，不同的茶叶品种的茶叶，具体的判断优劣方法和标准会有一些差别。但是，现有技术中的绿茶筛选主要依靠人力实现，不仅工作效率低下，并且筛选效果也不够理想，难以准确筛选出优质绿茶。
30.针对上述技术问题，本发明提供的技术方案总体思路如下：
31.本技术实施例提供了一种智能筛选绿茶的方法，应用于一智能筛选系统，所述智能筛选系统具有一x光成像设备、筛分装置和三维识别设备，且所述筛分装置分别与所述x光成像设备、三维识别设备通讯连接，其中，所述方法包括：获得第一待筛选绿茶信息；获得第一筛选指令；根据所述第一筛选指令，通过所述x光成像设备对所述第一待筛选绿茶进行第一检测处理之后，获得第一影像信息；将所述第一影像信息、第一待筛选绿茶信息输入至输入第一筛选模型，并根据所述第一筛选模型获得第一筛选结果；根据所述第一筛选结果，通过所述筛分设备对所述第一待筛选绿茶进行筛分之后，获得第一预筛绿茶信息；通过所述三维识别设备，对所述第一预筛绿茶进行三维视觉识别，获得所述第一预筛绿茶的第一立体图像信息；根据所述第一立体图像信息，判断所述第一预筛绿茶是否满足第一预设条件；如果满足所述第一预设条件，则获得第一烘干指令；根据所述第一烘干指令，对满足所述第一预设条件的所述第一预筛绿茶进行烘干。
32.在介绍了本技术基本原理后，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本技术实施例以及实施例中的具体特征是对本技术技术方案的详细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本技术实施例以及实施例中的技术特征可以相互组合。
33.实施例一
34.图1为本发明实施例中一种智能筛选绿茶的方法的流程示意图。如图1所示，本发明实施例提供了一种智能筛选绿茶的方法，应用于一智能筛选系统，所述智能筛选系统具有一x光成像设备、筛分装置和三维识别设备，且所述筛分装置分别与所述x光成像设备、三
维识别设备通讯连接，所述方法包括：
35.步骤100：获得第一待筛选绿茶信息；
36.具体而言，本实施例中的智能筛选系统为绿茶筛选的主要操作系统，并且该智能筛选系统具有一x光成像设备、筛分装置和三维识别设备，x光成像设备可实时采集需要筛选的绿茶的相关信息，进而对采集到的数据进行分析处理之后，可以采用筛分装置可以对绿茶进行具体的筛分工作处理，三维识别设备同样为采集绿茶信息的设备，并进一步对绿茶质量进行深入的检测，以便得到质量更好、更加优质的绿茶。进一步的，获得第一待筛选绿茶信息即为得到需要筛选的绿茶信息，该信息包括但不限于需要筛选的绿茶的重量、采摘时间、茶叶类型、种植地区等。
37.步骤200：获得第一筛选指令；
38.步骤300：根据所述第一筛选指令，通过所述x光成像设备对所述第一待筛选绿茶进行第一检测处理之后，获得第一影像信息；
39.具体而言，在得到第一待筛选绿茶信息之后，接着可生成第一筛选指令，然后按照第一筛选指令可以对第一待筛选绿茶进行筛选，具体的：通过x光成像设备对第一待筛选绿茶进行第一检测处理，由于x线的穿透性、荧光效应和感光效应，同时对于不同绿茶组织之间有密度和厚度的差别。当x线透过茶叶不同组织结构时，被吸收的程度不同，所以到达荧屏或胶片上的x线量即有差异。这样，在荧屏或x线片上就形成明暗或黑白对比不同的影像，因此，此时可以得到第一影像信息。
40.步骤400：将所述第一影像信息、第一待筛选绿茶信息输入至输入第一筛选模型，并根据所述第一筛选模型获得第一筛选结果；
41.进一步的，为了能够达到准确的得到第一筛选结果的效果，本技术实施例步骤400还包括：
42.步骤410：将所述第一影像信息、第一待筛选绿茶信息输入至输入第一筛选模型，其中，所述第一筛选模型通过多组训练数据训练获得，所述多组训练数据中的每一组训练数据均包括：所述第一影像信息、第一待筛选绿茶信息和用来标识所述第一筛选结果的标识信息；
43.步骤420：获得所述第一筛选模型的第一输出信息，其中，所述第一输出信息包括所述第一筛选结果，且所述第一筛选结果为标识所述第一待筛选绿茶是否存在第一杂质。
44.具体而言，在得到第一影像信息之后，可将第一影像信息、第一待筛选绿茶信息作为输入信息输入到第一筛选模型之中，进而通过第一筛选模型输出第一筛选结果，此时的第一筛选结果即为在第一待筛选绿茶中是否存在杂质的结果信息，第一杂质为在采摘过程中混杂于绿茶之中的其他不相关物质，例如黄叶、树叶等，进一步的，针对绿茶、杂质的不同，在第一影像信息中所呈现出的颜色、形态不同，例如对于黄叶、夹杂的杂草、枯老的茶叶梗等，可将其与茶叶通过不同颜色进度标注和识别，即可从第一影像信息中识别得到在第一待筛选绿茶是否存在第一杂质，从而达到便于后期更准确的对绿茶进行筛选，提高绿茶筛选质量的目的。
45.进一步的，第一筛选模型为机器学习模型中的神经网络模型，机器学习模型能通过大量数据不断的学习，进而不断地修正模型，最终获得满意的经验来处理其他数据。机器模型通过多组训练数据训练获得，神经网络模型通过训练数据训练的过程本质上为监督学
习的过程。本技术实施例中的第一筛选模型是通过多组训练数据利用机器学习训练得出的，多组中的训练数据中的每一组训练数据均包括：第一影像信息、第一待筛选绿茶信息和用来标识第一筛选结果的标识信息。其中，将第一筛选结果的标识信息作为监督数据。
46.进一步的，将第一筛选结果的标识信息作为监督数据，输入每一组训练数据中，对第一影像信息、第一待筛选绿茶信息进行监督学习，通过第一筛选结果的标识信息与第一筛选模型的输出结果进行对比，当一致时，本组数据监督学习完成，进行下一组数据监督学习；当不一致时，则第一筛选模型进行自我修正，直至其输出结果与标识的第一筛选结果的标识信息一致，本组监督学习完成，进行下一组数据监督学习；通过大量数据的监督学习，使得机器学习模型的输出结果达到收敛状态，则监督学习完成。通过对第一筛选模型进行监督学习的过程，使得第一筛选模型输出的第一筛选结果的标识信息更加准确，达到了准确的得到第一筛选结果，提高工作效率的技术效果。
47.步骤500：根据所述第一筛选结果，通过所述筛分设备对所述第一待筛选绿茶进行筛分之后，获得第一预筛绿茶信息；
48.具体而言，得到第一筛选结果之后，当第一筛选结果为第一待筛选绿茶中存在杂质时，进而可通过筛分设备对第一待筛选绿茶中进行筛分，也就是利用筛分设备对绿茶中存在的杂质等物质进行剔除，然后得到第一预筛绿茶信息，因此，此时的第一预筛绿茶信息即为不包含如黄叶、树叶等杂质的绿茶。
49.步骤600：通过所述三维识别设备，对所述第一预筛绿茶进行三维视觉识别，获得所述第一预筛绿茶的第一立体图像信息；
50.具体而言，当对第一待筛选绿茶进行筛分，然后得到筛分之后的第一预筛绿茶信息之后，接着可以利用三维识别设备对第一预筛绿茶进行三维立体识别，从而得到第一预筛绿茶的第一立体图像信息，第一立体图像信息即为通过三维识别设备对绿茶的相关信息进行采集之后所建立的茶叶的三维模型，通过立体图像信息可以更加准确的得到绿茶的相关质量、成熟度信息。
51.步骤700：根据所述第一立体图像信息，判断所述第一预筛绿茶是否满足第一预设条件；
52.进一步的，为了能够准确的判断第一预筛绿茶是否满足第一预设条件，本技术实施例步骤700还包括：
53.步骤710：根据所述第一立体图像信息，获得所述第一预筛绿茶的第一边缘完整度信息；
54.步骤720：根据所述第一立体图像信息，判断所述第一预筛绿茶是否存在卷曲层；
55.步骤730：如果存在，则获得所述第一预筛绿茶的第一性状信息，其中，所述第一性状信息包括所述卷曲层；
56.步骤740：将所述第一边缘完整度信息作为横坐标；
57.步骤750：将所述第一性状信息作为纵坐标构建二维直角坐标系；
58.步骤760：根据逻辑回归模型在所述二维直角坐标系构建逻辑回归线，获得第一质量检测模型，其中，所述逻辑回归线的一侧代表第一输出结果，所述逻辑回归线的另一侧代表第二输出结果，所述第一输出结果为所述第一预筛绿茶满足所述第一预设条件，所述第二输出结果为所述第一预筛绿茶不满足所述第一预设条件。
59.具体而言，根据第一立体图像信息，判断第一预筛绿茶是否满足第一预设条件，即从茶叶的三维视图中判断绿茶的表面质量、内部质量是否满足使用需求。进一步的，从第一立体图像信息中可以得到第一预筛绿茶的第一边缘完整度信息，第一边缘完整度信息即为立体图像中所显现的茶叶的边缘锯齿形状信息，第一边缘完整度即代表着茶叶的完整度情况；接着，从第一立体图像中还能够判断第一预筛绿茶是否存在卷曲层，即就是判断第一预筛绿茶表面是否平整，是否存在卷曲翘起等特征，如果存在一定的卷翘，则需要进一步获取到第一预筛绿茶的第一性状信息，并且此时的第一性状信息中包含茶叶上的卷曲部分的内部和外部特征。
60.进一步的，逻辑回归模型为反映了自变量和因变量之间的关系的机器学习的模型，将第一边缘完整度信息作为横坐标、第一性状信息作为纵坐标构建二维直角坐标系，并利用逻辑回归模型在二维直角坐标系构建逻辑回归线，获得第一质量检测模型，其中，逻辑回归线的一侧代表第一输出结果，逻辑回归线的另一侧代表第二输出结果，此时的第一输出结果为第一预筛绿茶满足第一预设条件，第二输出结果为第一预筛绿茶不满足第一预设条件。通过逻辑回归模型，更好的反映了茶叶的第一边缘完整度信息和第一性状信息的关系，从而达到能够准确的判断第一预筛绿茶是否满足第一预设条件，以便于后续对绿茶进行更精确的筛选的技术效果。
61.步骤800：如果满足所述第一预设条件，则获得第一烘干指令；
62.步骤900：根据所述第一烘干指令，对满足所述第一预设条件的所述第一预筛绿茶进行烘干。
63.具体而言，如果判断得到满足第一预设条件，也就是说逻辑回归线的输出结果为第一输出结果，则接着需要生成烘干指令，然后按照烘干指令需要进行茶叶的烘干操作，也就是需要对满足第一预设条件的第一预筛绿茶进行烘干，从而达到获得更优质的绿茶，提高绿茶的筛选效率，保障绿茶的质量以及价值的技术效果。
64.进一步的，为了能够准确的获得第一预筛绿茶的第一性状信息，本技术实施例步骤730还包括：
65.步骤731：获得所述第一预筛绿茶的第一种类信息；
66.步骤732：根据所述第一种类信息，基于大数据获得第一预设色泽信息；
67.步骤733：根据所述第一立体图像信息，获得所述第一预筛绿茶的第一颜色信息；
68.步骤734：将所述第一颜色信息与所述第一预设色泽信息进行比对，获得第一色泽比对结果；
69.步骤735：根据所述第一立体图像信息，获得所述第一预筛绿茶的第一表面质量信息以及第一重金属含量信息；
70.步骤736：判断所述第一表面质量信息以及所述第一重金属含量信息是否满足第二预设条件；
71.步骤737：若满足，根据所述第一色泽比对结果、第一表面质量信息以及第一重金属含量信息，获得所述第一预筛绿茶的第一性状信息。
72.具体而言，为了得到第一预筛绿茶的第一性状信息，具体的方法为：首先，需要获得第一预筛绿茶的第一种类信息，第一种类信息即为需要筛选的绿茶所属的品种信息，例如西湖龙井、洞庭碧螺春、黄山毛峰、太平猴魁、双龙银针、信阳毛尖、六安瓜片、都匀毛尖、
安吉白茶、竹叶青茶、安化松针等，进而根据所属的种类情况，可基于大数据得到预筛绿茶的第一预设色泽信息，也就是说，依据前人不断总结分析所得到的经验，可以得到不同品种的茶叶所对应的色泽信息，并且该色泽信息为保证茶叶质量能够满足用户使用需求的优质颜色；进一步的，从第一立体图像信息可以得到第一预筛绿茶的第一颜色信息，第一颜色信息即为预筛绿茶的实际颜色，然后将第一颜色信息与第一预设色泽信息进行比对，得到两者之间色泽比对的第一比对结果；进一步的，从第一立体图像信息中还可以得到第一预筛绿茶的第一表面质量信息以及第一重金属含量信息，然后判断第一表面质量信息以及第一重金属含量信息是否满足第二预设条件，也就是判断第一表面质量是否存在霉变、菌群、腐烂等情况，有的种植地区土壤中会存在一定的重金属、茶叶生长过程中也会施肥、喷洒农药，则可能会存在农药残留，导致茶叶上残留有一定量的重金属，因此，还需要判断第一重金属含量是否超标、是否会对人体产生危害等，如果判断得到满足第二预设条件，说明绿茶的表面质量满足要求、重金属含量满足要求，接着可根据第一色泽比对结果、第一表面质量信息以及第一重金属含量信息，得到第一预筛绿茶的第一性状信息，从而达到准确的得到第一预筛绿茶的第一性状信息，以便于对绿茶的质量进行准确的判断和筛查，为绿茶的筛查提供可靠的证据的目的。
73.进一步的，为了能够依据逻辑回归线的输出结果对绿茶进行精确分级，本技术实施例步骤700还包括：
74.步骤770：当所述逻辑回归线的输出结果为所述第一输出结果时，则获得第二筛选指令；
75.步骤780：根据所述第二筛选指令，按照预设策略，将所述第一预筛绿茶作为第一等级绿茶；
76.步骤790：当所述逻辑回归线的输出结果为所述第二输出结果时，获得第三筛选指令；
77.步骤7100：根据所述第三筛选指令、所述第二输出结果，获得第一偏离程度；
78.步骤7110：根据所述第一偏离程度，获得第一校正系数；
79.步骤7120：按照所述第一校正系数，获得所述第一预筛绿茶的第二分级信息。
80.具体而言，当逻辑回归线的输出结果为第一输出结果时，说明第一预筛绿茶满足第一预设条件，接着可生成第二筛选指令，然后按照第二筛选指令，依据预设策略将第一预筛绿茶作为第一等级绿茶，第一等级绿茶即为优质绿茶；当逻辑回归线的输出结果为第二输出结果时，说明第一预筛绿茶不满足第一预设条件，接着可生成第三筛选指令，然后依据第三筛选指令、第二输出结果，得到第一偏离程度，第一偏离程度即为当前的输出结果与逻辑回归线的一侧代表的第一输出结果之间的偏差程度，也就是不满足第一预设条件的绿茶与优质绿茶之间的偏差范围，然后依据该偏离程度得到第一校正系数，进而按照第一校正系数可以对不满足第一预设条件的第一预筛绿茶进行等级划分，即偏离程度越大，所得到的等级越低，并得到最终的第二分级信息，从而达到依据第一质量检测模型的输出结果，对绿茶筛选之后的质量进行准确的划分，提高绿茶质量等级规划的智能化程度以及工作效率的技术效果。
81.进一步的，所述根据所述第一烘干指令，对满足所述第一预设条件的所述第一预筛绿茶进行烘干，本技术实施例步骤900还包括：
82.步骤910：获得所述第一预筛绿茶在第一时间的第一水分信息；
83.步骤920：当烘干程序启动后，获得所述第一预筛绿茶在第二时间的第二水分信息、第一香味信息；
84.步骤930：根据所述第一水分信息、第二水分信息、第一香味信息，判断所述烘干过程的第一时长信息、第一温度信息是否满足第三预设条件；
85.步骤940：如果不满足所述第三预设条件，则获得第一控制指令；
86.步骤950：根据所述第一控制指令，对所述第一预筛绿茶在第三时间的第二温度信息进行调整。
87.具体而言，为了能够达到对绿茶的烘干过程进行实时监测并及时进行烘干调整的目的，具体的方法为：首先，需要获得第一预筛绿茶在第一时间的第一水分信息，第一水分信息为绿茶在未烘干之前的水分信息，进而烘干工作开始进行之后，可以实时采集第一预筛绿茶在第二时间的第二水分信息、第一香味信息，然后将第一水分信息、第二水分信息、第一香味信息进行综合分析之后，判断烘干过程的第一时长信息、第一温度信息是否满足第三预设条件，此时的第一时长信息即为第二时间与第一时间之间的时间差，第一温度信息即为第一时长范围内的烘干温度信息，第三预设条件即为在第一时长范围内，绿茶的含水量从第一水分信息脱水至第二水分信息所烘干的水分含量是否处于预定范围之内，也就是说，两者之间的水分烘干量在第一时长范围内是否达标，从而可以判断得到是否会对后续烘干过程产生影响，是否需要调整烘干设备的运行参数，如果不满足第三预设条件，说明第一水分信息与第二水分信息之间的水分烘干量在第一时长范围内并未达标，则进一步需要及时调整烘干方案，接着需要生成第一控制指令，然后按照第一控制指令，对第二时间之后的烘干参数进行调整，即及时调整第一预筛绿茶在第三时间的第二温度信息，从而使得烘干过程能够顺利进行，保证绿茶烘干质量，防止烘干时间过长导致绿茶丢失大量水分，同时也避免了烘干水分不达标导致产品易发生霉变，保存期变短的现象出现。
88.进一步的，所述通过所述三维识别设备，对所述第一预筛绿茶进行三维视觉识别，获得所述第一预筛绿茶的第一立体图像信息，本技术实施例步骤600还包括：
89.步骤610：通过所述三维识别设备对所述第一预筛绿茶进行三维视觉识别时，获得第一识别环境信息；
90.步骤620：获得所述第一识别环境信息的第一环境光线强度信息，以及所述三维识别设备的第二识别光线强度信息；
91.步骤630：获得所述三维识别设备与所述第一预筛绿茶之间的不同识别点之间的第一距离；
92.步骤640：根据所述第一距离，获得第二校正系数；
93.步骤650：根据所述第二校正系数，对所述第一环境光线强度信息、第二识别光线强度信息进行校正，以使所述三维识别设备对所述第一预筛绿茶进行识别时的光线强度满足识别需求。
94.具体而言，当采用三维识别设备对第一预筛绿茶进行三维视觉识别时，需要采集得到第一识别环境信息，然后相应的可以得到第一识别环境信息的第一环境光线强度信息，第一环境光线强度信息即为当前筛选环境所处的光照强度，进而还可得到三维识别设备的第二识别光线强度信息，第二识别光线强度信息即为该设备所发出的识别光线强度，
进而还需要计算三维识别设备到达第一预筛绿茶上的不同识别点之间的第一距离，然后根据第一距离，可以生成第二校正系数，也就是说，对于茶叶上的不同识别点与三维识别设备之间的不同距离，所需要进行光照校正的程度不同，因此，在得到第二校正系数之后，可以对第一环境光线强度信息、第二识别光线强度信息进行综合校正，从而达到使得三维识别设备对第一预筛绿茶进行识别时的光线强度满足识别需求，也就是使得三维识别设备在进行识别时，到达茶叶上的任意一个点的光照强度均是相同的，保证了识别参数的一致性，进一步提高识别结果的准确性，防止由于光线不同对茶叶的筛选结果造成影响。
95.实施例二
96.基于与前述实施例中一种智能筛选绿茶的方法同样的发明构思，本发明还提供一种智能筛选绿茶的装置，应用于一智能筛选系统，所述智能筛选系统具有一x光成像设备、筛分装置和三维识别设备，且所述筛分装置分别与所述x光成像设备、三维识别设备通讯连接，如图2所示，所述装置包括：
97.第一获得单元11，所述第一获得单元11用于获得第一待筛选绿茶信息；
98.第二获得单元12，所述第二获得单元12用于获得第一筛选指令；
99.第三获得单元13，所述第三获得单元13用于根据所述第一筛选指令，通过所述x光成像设备对所述第一待筛选绿茶进行第一检测处理之后，获得第一影像信息；
100.第一操作单元14，所述第一操作单元14用于将所述第一影像信息、第一待筛选绿茶信息输入至输入第一筛选模型，并根据所述第一筛选模型获得第一筛选结果；
101.第二操作单元15，所述第二操作单元15用于根据所述第一筛选结果，通过所述筛分设备对所述第一待筛选绿茶进行筛分之后，获得第一预筛绿茶信息；
102.第三操作单元16，所述第三操作单元16用于通过所述三维识别设备，对所述第一预筛绿茶进行三维视觉识别，获得所述第一预筛绿茶的第一立体图像信息；
103.第一判断单元17，所述第一判断单元17用于根据所述第一立体图像信息，判断所述第一预筛绿茶是否满足第一预设条件；
104.第四获得单元18，所述第四获得单元18用于如果满足所述第一预设条件，则获得第一烘干指令；
105.第一烘干单元19，所述第一烘干单元19用于根据所述第一烘干指令，对满足所述第一预设条件的所述第一预筛绿茶进行烘干。
106.进一步的，所述装置还包括：
107.第五获得单元，所述第五获得单元用于根据所述第一立体图像信息，获得所述第一预筛绿茶的第一边缘完整度信息；
108.第二判断单元，所述第二判断单元用于根据所述第一立体图像信息，判断所述第一预筛绿茶是否存在卷曲层；
109.第六获得单元，所述第六获得单元用于如果存在，则获得所述第一预筛绿茶的第一性状信息，其中，所述第一性状信息包括所述卷曲层；
110.第四操作单元，所述第四操作单元用于将所述第一边缘完整度信息作为横坐标；
111.第五操作单元，所述第五操作单元用于将所述第一性状信息作为纵坐标构建二维直角坐标系；
112.第六操作单元，所述第六操作单元用于根据逻辑回归模型在所述二维直角坐标系
构建逻辑回归线，获得第一质量检测模型，其中，所述逻辑回归线的一侧代表第一输出结果，所述逻辑回归线的另一侧代表第二输出结果，所述第一输出结果为所述第一预筛绿茶满足所述第一预设条件，所述第二输出结果为所述第一预筛绿茶不满足所述第一预设条件。
113.进一步的，所述装置还包括：
114.第七获得单元，所述第七获得单元用于获得所述第一预筛绿茶的第一种类信息；
115.第八获得单元，所述第八获得单元用于根据所述第一种类信息，基于大数据获得第一预设色泽信息；
116.第九获得单元，所述第九获得单元用于根据所述第一立体图像信息，获得所述第一预筛绿茶的第一颜色信息；
117.第十获得单元，所述第十获得单元用于将所述第一颜色信息与所述第一预设色泽信息进行比对，获得第一色泽比对结果；
118.第十一获得单元，所述第十一获得单元用于根据所述第一立体图像信息，获得所述第一预筛绿茶的第一表面质量信息以及第一重金属含量信息；
119.第三判断单元，所述第三判断单元用于判断所述第一表面质量信息以及所述第一重金属含量信息是否满足第二预设条件；
120.第十二获得单元，所述第十二获得单元用于若满足，根据所述第一色泽比对结果、第一表面质量信息以及第一重金属含量信息，获得所述第一预筛绿茶的第一性状信息。
121.进一步的，所述装置还包括：
122.第十三获得单元，所述第十三获得单元用于当所述逻辑回归线的输出结果为所述第一输出结果时，则获得第二筛选指令；
123.第七操作单元，所述第七操作单元用于根据所述第二筛选指令，按照预设策略，将所述第一预筛绿茶作为第一等级绿茶；
124.第十四获得单元，所述第十四获得单元用于当所述逻辑回归线的输出结果为所述第二输出结果时，获得第三筛选指令；
125.第十五获得单元，所述第十五获得单元用于根据所述第三筛选指令、所述第二输出结果，获得第一偏离程度；
126.第十六获得单元，所述第十六获得单元用于根据所述第一偏离程度，获得第一校正系数；
127.第十七获得单元，所述第十七获得单元用于按照所述第一校正系数，获得所述第一预筛绿茶的第二分级信息。
128.进一步的，所述装置还包括：
129.第十八获得单元，所述第十八获得单元用于获得所述第一预筛绿茶在第一时间的第一水分信息；
130.第十九获得单元，所述第十九获得单元用于当烘干程序启动后，获得所述第一预筛绿茶在第二时间的第二水分信息、第一香味信息；
131.第四判断单元，所述第四判断单元用于根据所述第一水分信息、第二水分信息、第一香味信息，判断所述烘干过程的第一时长信息、第一温度信息是否满足第三预设条件；
132.第二十获得单元，所述第二十获得单元用于如果不满足所述第三预设条件，则获
得第一控制指令；
133.第一调整单元，所述第一调整单元用于根据所述第一控制指令，对所述第一预筛绿茶在第三时间的第二温度信息进行调整。
134.进一步的，所述装置还包括：
135.第一输入单元，所述第一输入单元用于将所述第一影像信息、第一待筛选绿茶信息输入至输入第一筛选模型，其中，所述第一筛选模型通过多组训练数据训练获得，所述多组训练数据中的每一组训练数据均包括：所述第一影像信息、第一待筛选绿茶信息和用来标识所述第一筛选结果的标识信息；
136.第二十一获得单元，所述第二十一获得单元用于获得所述第一筛选模型的第一输出信息，其中，所述第一输出信息包括所述第一筛选结果，且所述第一筛选结果为标识所述第一待筛选绿茶是否存在第一杂质。
137.进一步的，所述装置还包括：
138.第二十二获得单元，所述第二十二获得单元用于通过所述三维识别设备对所述第一预筛绿茶进行三维视觉识别时，获得第一识别环境信息；
139.第二十三获得单元，所述第二十三获得单元用于获得所述第一识别环境信息的第一环境光线强度信息，以及所述三维识别设备的第二识别光线强度信息；
140.第二十四获得单元，所述第二十四获得单元用于获得所述三维识别设备与所述第一预筛绿茶之间的不同识别点之间的第一距离；
141.第二十五获得单元，所述第二十五获得单元用于根据所述第一距离，获得第二校正系数；
142.第一校正单元，所述第一校正单元用于根据所述第二校正系数，对所述第一环境光线强度信息、第二识别光线强度信息进行校正，以使所述三维识别设备对所述第一预筛绿茶进行识别时的光线强度满足识别需求。
143.前述图1实施例一中的一种智能筛选绿茶的方法的各种变化方式和具体实例同样适用于本实施例的一种智能筛选绿茶的装置，通过前述对一种智能筛选绿茶的方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种智能筛选绿茶的装置的实施方法，所以为了说明书的简洁，在此不再详述。
144.实施例三
145.基于与前述实施例中一种智能筛选绿茶的方法同样的发明构思，本发明还提供一种示例性电子设备，如图3所示，包括存储器304、处理器302及存储在存储器304上并可在处理器302上运行的计算机程序，所述处理器302执行所述程序时实现前文所述基于大数据的云平台电子商务数据处理方法的任一方法的步骤。
146.其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操
作时所使用的数据。
147.本发明实施例提供的一种智能筛选绿茶的方法和装置，应用于一智能筛选系统，所述智能筛选系统具有一x光成像设备、筛分装置和三维识别设备，且所述筛分装置分别与所述x光成像设备、三维识别设备通讯连接，其中，所述方法包括：获得第一待筛选绿茶信息；获得第一筛选指令；根据所述第一筛选指令，通过所述x光成像设备对所述第一待筛选绿茶进行第一检测处理之后，获得第一影像信息；将所述第一影像信息、第一待筛选绿茶信息输入至输入第一筛选模型，并根据所述第一筛选模型获得第一筛选结果；根据所述第一筛选结果，通过所述筛分设备对所述第一待筛选绿茶进行筛分之后，获得第一预筛绿茶信息；通过所述三维识别设备，对所述第一预筛绿茶进行三维视觉识别，获得所述第一预筛绿茶的第一立体图像信息；根据所述第一立体图像信息，判断所述第一预筛绿茶是否满足第一预设条件；如果满足所述第一预设条件，则获得第一烘干指令；根据所述第一烘干指令，对满足所述第一预设条件的所述第一预筛绿茶进行烘干，从而解决了现有技术中的绿茶筛选工作效率低下，并且筛选效果也不够理想，导致绿茶质量以及茶叶价值受到影响，难以准确筛选出优质绿茶的技术问题，达到了提高绿茶的筛查效率，提升智能化程度，保障绿茶的质量以及价值的技术效果。
148.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
149.本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
150.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
151.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
152.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。