一种利用卫星定位匹配猕猴桃糖度预测模型的方法及装置与流程

1.本技术涉及猕猴桃糖度检测技术领域，尤其涉及一种利用卫星定位匹配猕猴桃糖度预测模型的方法及装置。


背景技术：

2.猕猴桃的糖度目前多是通过红外光谱红进行检测，近红外光谱红外光是指波长为760nm～2500nm的红外不可见光波段，该波段光线近距离照射猕猴桃时，可被猕猴桃内特定的可溶性固形物(主要是果糖、果酸等有机物质)吸收，分析吸收后的透射光、反射光的光谱特征，可以快速准确检测可溶性固形物含量，进而推算出糖度、酸度等有机质含量。
3.一般猕猴桃为了保存，通常是早熟时采摘，采摘后需要一个后熟的时间过程，整个过程在常温下为15天左右，在冷藏条件下，可以达到2个月以上。在这个过程中，含糖量会持续提高，对这个时期的猕猴桃进行检测，获得准确的含糖量数据，对保证品质十分重要。但是存在的问题是，近红外光谱特征与实际糖度对应关系是非线性的，目前所有的光谱检测仪器与系统，使用的预测算法是唯一的，这导致预测模型与真实值间的曲线拟合，在某些时间存在较大的误差。另外由于产地气候条件不同，存储温度不同，猕猴桃成熟的时间期也不相同。因此，为了提高预测的精准度，需要发明一种能够根据地区和时间，细化预测模型，根据猕猴桃产地和实际熟化需要的时间过程，选择更准确的预测模型进行匹配。


技术实现要素：

4.本技术实施例通过提供一种利用卫星定位匹配猕猴桃糖度预测模型的方法及装置，解决了现有红外光谱技术中无法准确检测不同地区猕猴桃含糖量或成熟度的问题，实现了不同区域猕猴桃成熟度的红外光谱精准预测。
5.本发明实施例提供了一种利用卫星定位匹配猕猴桃糖度预测模型的方法，包括如下步骤：
6.建立不同区域、不同时间段的猕猴桃对应的红外光谱糖度预测算法的模型库；
7.获取实际猕猴桃区域内北斗定位的经纬度和时间；
8.根据实际猕猴桃区域北斗定位的经纬度和时间选择模型库中的相对应的红外光谱糖度预测算法。
9.更进一步地，所述建立不同区域、不同时间段的猕猴桃对应的红外光谱糖度预测算法的模型库包括：
10.从不同大区域分别采集样本，建立不同大区域内不同时间段的猕猴桃对应的红外光谱糖度预测算法的模型库。
11.更进一步地，所述从不同大区域分别采集样本，建立不同大区域内不同时间段的猕猴桃对应的红外光谱糖度预测算法的模型库之后还包括：
12.从特定小区域分别采集样本，建立所述特定小区域内不同时间段的猕猴桃对应的红外光谱糖度预测算法的模型库。
13.更进一步地，所述根据实际猕猴桃区域北斗定位的经纬度和时间选择模型库中的相对应的红外光谱糖度预测算法包括：
14.根据实际猕猴桃区域北斗定位的经纬度和时间，检索模型库中对应的有效小区域相对应的红外光谱糖度预测算法。
15.更进一步地，所述根据实际猕猴桃区域北斗定位的经纬度和时间选择模型库中的相对应的红外光谱糖度预测算法还包括：
16.根据实际猕猴桃区域北斗定位的经纬度和时间，当未检索到有效小区域的索引标记时，检索模型库中对应的大区域相对应的红外光谱糖度预测算法。
17.一种利用卫星定位匹配猕猴桃糖度预测模型的装置，包括安装于无损检测仪内的红外光谱糖度预测算法模型库和北斗定位模块；
18.所述红外光谱糖度预测算法模型库内包括不同区域、不同时间段的猕猴桃对应的红外光谱糖度预测算法；
19.所述北斗定位模块的定位结果能够调取所述糖度预测算法模型库中对应的糖度预测算法。
20.更进一步地，所述红外光谱糖度预测算法模型库中对应的不同区域包括大区域和小区域；
21.所述大区域为县级及以上的猕猴桃产地区域，所述小区域为县级以下的猕猴桃产地区域。
22.更进一步地，所述县级以下的猕猴桃产地区域经纬度的范围为：小区域的中心经纬度
±
小区域半径以内对应的经纬度值。
23.更进一步地，所述红外光谱糖度预测算法模型库中的算法分别对应的不同时间段包括：标准采摘时间至标准采摘后15天、标准采摘后15天至标准采摘后30天、标准采摘后30天之后的3个时间段。
24.本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
25.本发明实施例提供的一种利用卫星定位匹配猕猴桃糖度预测模型的方法，首先，建立不同区域、不同时间段的猕猴桃对应的红外光谱糖度预测算法的模型库，然后，再利用北斗卫星定位获取实际猕猴桃区域的经纬度和时间，最后根据实际猕猴桃区域的经纬度和时间选择模型库中与该经纬度和时间相匹配的红外光谱糖度预测算法，从而自动检索出最匹配的糖度预测算模型，实现对猕猴桃糖度的精准预测。通过采用本发明的利用卫星定位匹配猕猴桃糖度预测模型的方法，解决了现有红外光谱技术中由于不同地区不同成熟时间猕猴桃成熟差异化，单一预测算法无法准确检测猕猴桃含糖量的问题，实现了依靠时间、空间的不同，对不同区域猕猴桃含糖量以及成熟度的更精准预测。
26.本发明实施例提供的一种利用卫星定位匹配猕猴桃糖度预测模型的装置，将包括有不同区域、不同时间段的猕猴桃对应不同的红外光谱糖度预测算法的红外光谱糖度预测算法模型库和北斗定位模块安装于无损检测仪内，当需要对猕猴桃进行现场检测时，只需手持无损检测仪对检测地进行北斗定位，获得检测时的位置和时间，然后无损检测仪能够根据位置，自动匹配红外光谱糖度预测算法模型库中对应的具体红外光谱糖度预测算法模型，实现对猕猴桃糖度的精准预测。通过采用本发明的利用卫星定位匹配猕猴桃糖度预测模型的装置，解决了现有红外光谱技术中无法准确检测不同地区猕猴桃含糖量或成熟度的
问题，实现了不同区域猕猴桃成熟度的红外光谱精准预测。
附图说明
27.为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
28.图1为本技术实施例提供的利用卫星定位匹配猕猴桃糖度预测模型的方法的流程图；
29.图2为本技术实施例提供的利用卫星定位匹配猕猴桃糖度预测模型的装置的结构图。
30.附图标记：1、无损检测仪；2、红外光谱糖度预测算法模型库；3、北斗定位模块。
具体实施方式
31.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，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他实施例，都属于本发明保护的范围。
32.结合图1，本发明实施例提供了一种利用卫星定位匹配猕猴桃糖度预测模型的方法，包括如下步骤：
33.s101：建立不同区域、不同时间段的猕猴桃对应的红外光谱糖度预测算法的模型库。
34.具体的，采集不同区域的猕猴桃样本，并对不同区域内不同时间段的猕猴桃样本进行采集，根据采集的样本建立不同区域、不同时间段的猕猴桃对应的糖度预测算法模型的集合数据库。并可以对采集的样本对应的糖度预测算法模型进行训练，得到更加完善的集合数据库即红外光谱糖度预测算法的模型库。
35.s102：获取实际猕猴桃区域内北斗定位的经纬度和时间。
36.具体通过测量仪器对实际检测地的猕猴桃区域进行定位，以获取实际猕猴桃区域北斗定位的经纬度和采摘时间。
37.s103：根据实际猕猴桃区域北斗定位的经纬度和时间选择模型库中的相对应的红外光谱糖度预测算法。
38.具体的，将测得的实际检测地的猕猴桃区域地经纬度和时间与模型库中对应的经纬度范围和时间段进行匹配，选择出最匹配的红外光谱糖度预测算法对该猕猴桃的成熟度或糖度值进行预测。
39.本发明实施例提供的一种利用卫星定位匹配猕猴桃糖度预测模型的方法，首先，建立不同区域、不同时间段的猕猴桃对应的红外光谱糖度预测算法的模型库，然后，再利用北斗卫星定位获取实际猕猴桃区域的经纬度和时间，最后根据实际猕猴桃区域的经纬度和时间选择模型库中与该经纬度和时间相匹配的红外光谱糖度预测算法，从而自动检索出最匹配的糖度预测算模型，实现对猕猴桃糖度的精准预测。通过采用本发明的利用卫星定位
33.50，覆盖陕南主要产区；区域3：四川地区，东经102.00-108.00，北纬27.00-32.00，覆盖四川主要产区；其他区域依此类推，可以增加其他产区。未能检索到有效产区，赋予默认的大区产区标记。大区域检索按矩形周界对比方法进行计算，例如设备的北斗定位经纬度为108.54.00和34.14.12，与区域1对比，106.00《108.54.00《111.00，并且33.50《34.14.12《35.00，该位置经对比符合区域1要求，结果为大区区域1。然后，根据北斗的定位时间，检索时间符合范围，例如，模型库中对应的区域1的时间段分为：9月15日-9月30日、10月1日-10月15日以及10月15日之后的共3个时间段，则可以根据实际现场检测的时间自动检索模型库中对应的区域1的时间段，然后与之相匹配，得到最准确的红外光谱糖度预测算法模型，进而获得最准确的糖度预测或成熟度预测。
48.此外，当实际猕猴桃检测地均不在模型库中对应的大区域和小区域范围内时，则会自动选择模型库中默认的预测算法模型进行预测。且以上实施例中提到的红外光谱糖度预测算法也可称为红外光谱糖度预测算法模型。
49.如图2所示，一种利用卫星定位匹配猕猴桃糖度预测模型的装置，包括安装于无损检测仪1内的红外光谱糖度预测算法模型库2和北斗定位模块3；所述红外光谱糖度预测算法模型库2内包括不同区域、不同时间段的猕猴桃对应的红外光谱糖度预测算法；所述北斗定位模块3的定位结果能够调取所述糖度预测算法模型库中对应的糖度预测算法。
50.本发明实施例提供的一种利用卫星定位匹配猕猴桃糖度预测模型的装置，将包括有不同区域、不同时间段的猕猴桃对应不同的红外光谱糖度预测算法的红外光谱糖度预测算法模型库2和北斗定位模块3安装于无损检测仪1内，当需要对猕猴桃进行现场检测时，只需手持无损检测仪1通过北斗定位模块3对检测地进行北斗定位，获得检测时的位置和时间，然后无损检测仪1能够根据位置，自动匹配红外光谱糖度预测算法模型库2中对应的具体红外光谱糖度预测算法模型，实现对猕猴桃糖度的精准预测。通过采用本发明的利用卫星定位匹配猕猴桃糖度预测模型的装置，解决了现有红外光谱技术中无法准确检测不同地区猕猴桃含糖量或成熟度的问题，实现了不同区域猕猴桃成熟度的红外光谱精准预测。
51.更优化地，所述红外光谱糖度预测算法模型库2中对应的不同区域包括大区域和小区域；所述大区域为县级及以上的猕猴桃产地区域，所述小区域为县级以下的猕猴桃产地区域。
52.本实施例中，具体的，大区域为县级及以上的猕猴桃产地区域，例如，陕西秦岭北、陕西秦岭南、四川、河南、湖北等的猕猴桃主要集中产区。而小区域为县级以下的猕猴桃产地区域，主要是指某一个大区域中的某些特定小区域，例如种植园、冷藏仓库等愿意提供样本的区域。
53.更进一步地，所述县级以下的猕猴桃产地区域经纬度的范围为：小区域的中心经纬度
±
小区域半径对应的经纬度值。
54.本实施例中，模型库中的小区域的经纬度范围通过如下方式进行计算：小区域的中心经纬度
±
小区域半径以内对应的经纬度值，具体的，按小区域列表中的每个小区的中心经纬度 半径，检索对应的有效小区，例如小区中心经纬度为108.53.00、34.12.00，有效范围为18520米，则18520米为0.1度，设备定位在108.53.00
±
0.1和北纬34.12.00
±
0.1内时，则获得有效小区的索引标记。当实际采摘现场猕猴桃的经纬度定位位置处于上述模型中的经纬度范围内时，则就会调取该经纬度所对应的红外光谱糖度预测算法模型。
55.更进一步地，所述红外光谱糖度预测算法模型库2中的算法分别对应的不同时间段包括：标准采摘时间至标准采摘后15天、标准采摘后15天至标准采摘后30天、标准采摘后30天之后的3个时间段。
56.本实施例中，标准采摘时间主要是依据采摘地猕猴桃自授粉之日起到140天之后的时间，由于不同区域环境、温度、气候等会存在差异，所以不同区域的标准采摘时间各不相同。而模型库中会根据不同区域分别录入一个每个区域公认的时间作为标准采摘时间，然后依据标准采摘时间至标准采摘后15天、标准采摘后15天至标准采摘后30天、标准采摘后30天之后的3个时间段作为不同区域的不同时间段判断标准。
57.上述存储介质包括但不限于随机存取存储器(英文：random access memory；简称：ram)、只读存储器(英文：read-only memory；简称：rom)、缓存(英文：cache)、硬盘(英文：hard disk drive；简称：hdd)或者存储卡(英文：memory card)。所述存储器可以用于存储计算机程序指令。
58.虽然本技术提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。本实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照本实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
59.上述实施例阐明的装置或模块，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。在实施本技术时可以把各模块的功能在同一个或多个软件和/或硬件中实现。当然，也可以将实现某功能的模块由多个子模块或子单元组合实现。
60.本技术中所述的方法、装置或模块可以以计算机可读程序代码方式实现控制器按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(英文：application specific integrated circuit；简称：asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc 625d、atmel at91sam、microchip pic18f26k20以及silicone labs c8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
61.本技术所述装置中的部分模块可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
62.通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本技术可
借助软件加必需的硬件的方式来实现。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，也可以通过数据迁移的实施过程中体现出来。该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，移动终端，服务器，或者网络设备等)执行本技术各个实施例或者实施例的某些部分所述的方法。
63.本说明书中的各个实施方式采用递进的方式描述，各个实施方式之间相同或相似的部分互相参见即可，每个实施方式重点说明的都是与其他实施方式的不同之处。本技术的全部或者部分可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、移动通信终端、多处理器系统、基于微处理器的系统、可编程的电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
64.以上实施例仅用以说明本技术的技术方案，而非对本技术限制；尽管参照前述实施例对本技术进行了详细的说明，本领域普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术技术方案的范围。