一种基于大数据的中草药购销管理系统及方法与流程

1.本发明涉及数据分析管理技术领域，具体为一种基于大数据的中草药购销管理系统及方法。


背景技术：

2.随着互联网技术的快速发展，人们对互联网技术的运用越来越广泛，在中草药购销管理的应用方面，人们摆脱了过去的面对面采购销售的方式，通过互联网平台就能够快速对中草药进行采购及销售，使得人们对中草药的购销管理更加方便简单，节省了人力资源。但是当前的中草药购销管理系统对中草药的识别精度较差，容易出现识别错误的情况，进而对中草药的购销产生影响，使得无法准确匹配该中草药对应的价格，耽误交易的顺利进行，甚至需要专门的人员对中草药进行识别，系统的自主判断能力较差，造成了人力资源的浪费。
3.针对上述情况，我们需要一种基于大数据的中草药购销管理系统及方法。


技术实现要素：

4.本发明的目的在于提供一种基于大数据的中草药购销管理系统及方法，以解决上述背景技术中提出的问题。
5.为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的中草药购销管理系统及方法，包括：中草药种类识别模块、中草药收购模块及中草药销售模块，所述中草药种类识别模块包括：颜色特征提取模块、纹理特征提取模块、特征汇总模块、特征匹配模块，
6.所述中草药种类识别模块用于对收购或销售的中草药种类进行识别；
7.所述中草药收购模块用于对不同种类的中草药进行收购；
8.所述中草药销售模块用于对不同种类的中草药进行售卖；
9.所述颜色特征提取模块用于对中草药的颜色信息c3进行提取；
10.所述纹理特征提取模块用于对中草药的纹理信息e进行提取；
11.所述特征汇总模块用于将颜色特征提取模块提取的结果及纹理特征提取模块提取的结果进行汇总，得到该中草药的总特征信息g(c3，e)；
12.所述特征匹配模块将特征汇总模块得到的该中草药的总特征信息与数据库中预制的特征信息进行匹配，得到该中草药的识别结果。
13.本发明公国各个模块的协同合作，共同实现对中草药种类的识别，进而保证对中草药购销功能的实现，在对中草药的识别过程中，通过对中草药的颜色及中草药的纹理进行区分，即从多个角度对中草药的种类进行识别，确保了对中草药种类识别的准确性。
14.进一步的，所述颜色特征提取模块在对药草的颜色特征进行提取前，需要对中草药图片中的背景内容进行删除，得到中草药图片中的中草药信息，记为图a，
15.得到中草药图片中的中草药信息的方法包括以下步骤：
16.s1.1、获取中草药图片，记为图a1；
17.s1.2、对图a1进行灰度处理，并将处理后得到的图片记为图a2；
18.s1.3、分别提取图a2中边缘四个角像素点的灰度值，并将提取的灰度值进行累加并求取平均值，得到背景灰度值b1；
19.s1.4、设置背景筛选阈值b2，得到背景筛选灰度值范围[b1-m1，b1 m2]，所述b1-m1为背景筛选灰度值范围的下限值，所述b1 m1为背景筛选灰度值范围的上限值，所述m1 m2＝b2，所述m1、m2均为正数；
[0020]
s1.5、根据背景筛选灰度值范围对图a2中的像素点进行筛选，并将图a2中灰度值在背景筛选灰度值范围内的像素点采用第一标记方式进行标记；
[0021]
s1.6、将s1.5中标记的像素点在图a1中对应的像素点进行删除，得到的剩余像素点构成的图像即为图a。
[0022]
本发明先获取中草药图片中的中草药信息是因为正长图片中不是全部内容均为中草药的信息图片，通常拍摄图片的过程中，会使用背景模板使得拍摄出来的中草药图片更加清晰，但是在对颜色特征提取模块中提取的颜色为中草药信息中对应像素点的rgb值的平均值，若不对中草药图片中的背景像素点进行筛选清除，则会导致对中草药颜色特征的提取结果出现较大的偏差，进而对中草药种类的识别结果造成影响。
[0023]
进一步的，所述颜色特征提取模块对药草的颜色特征进行提取包括以下步骤：
[0024]
s2.1、获取中草药图片中的中草药信息，即图a；
[0025]
s2.2、统计图a中的像素点的个数c1及各个像素点对应的rgb值c2[m3，m4，m5]，所述m3为红光通道对应的值，m4为绿光通道对应的值，m5为蓝光通道对应的值；
[0026]
s2.3、获取图a各个像素点rgb值中对应各通道的平均值c3，
[0027]
即得到
[0028]
所述m3i为第i个像素点对应的rgb中红光通道对应的值，所述m4i为第i个像素点对应的rgb中绿光通道对应的值，所述m5i为第i个像素点对应的rgb中蓝光通道对应的值，
[0029]
所述c3即为该中草药的颜色特征。
[0030]
本发明颜色特征提取模块在对中草药的颜色特征进行提取时，计算图a中各个像素点rgb值中对应各通道的平均值c3是因为通过c3能够确定该中草药种类的整体色调，正常情况下，不同种类的中草药的色调可能存在不同，通过得到的该中草药的颜色特征能够使得本发明对中草药种类识别的范围进一步缩小，即通过颜色特征先识别出该颜色特征对应的所有中草药种类，进而再通过中草药的纹理特征进一步确定该中草药的种类。
[0031]
进一步的，所述纹理特征提取模块对中草药的纹理信息进行提取包括以下步骤：
[0032]
s3.1、获取中草药图片中的中草药信息，即图a，并对图a进行灰度处理，得到图a3；
[0033]
s3.2、统计图a3中各个像素点的灰度值，并计算相邻像素点的灰度值之差d1；
[0034]
s3.3、根据各个d1对图a3进行灰度分层，即对图a3中的像素点进行划分成多个类别内，将每一类别内的像素点记为同一层像素点；
[0035]
s3.4、对同一层内像素点的分布情况进行判断，
[0036]
当同一层内像素点的分布情况为n个不相接的部分时，分别对每部分的像素点所构成的形状进行判断，判断其为环形，还是长条形，并分别求出该部分的像素点对应的中心
线，并对中心线上的像素点采用第二标记方式进行标记，所述环形还包括不规则环形，所述n为正整数；
[0037]
s3.5、将图a3中采用第二标记方式进行标记的像素点的灰度值记为1，其余像素点均记为0，得到该中草药的纹理特征值e，所述e为一个矩阵。
[0038]
本发明纹理特征提取模块中计算相邻像素点的灰度值之差d1是为了确定该中草药不同纹理对应的范围区域，正常情况下，中草药的纹理所处的区域与周边区域的颜色差别较大，因为在对图片进行会对处理后，中草药的纹理所处的区域像素点的灰度值与周边区域像素点的灰度值也存在较大的差异，因此计算d1能够确定中草药的纹理所处区域，即实现灰度分层。将中草药的纹理特征e表示成一个矩阵是因为矩阵中数据的排列方式与图a3中像素点的排列方式相似，通过矩阵e就能够较为直观的显示出该中草药的纹理信息，即该中草药的纹理在图a3中对应的像素点的位置。
[0039]
进一步的，所述根据各个d1对图a3进行灰度分层的方法包括以下步骤：
[0040]
s4.1、对s3.2中的各个d1的值进行判断，
[0041]
当d1大于等于第一预设值时，则将该d1对应的两个灰度值进行提取，
[0042]
当d1小于第一预设值时，则不对d1对应的两个灰度值进行提取；
[0043]
s4.2、将s4.1中提取的灰度值进行汇总，并将汇总的灰度值进行去重，即将汇总的灰度值中出现两次及两次以上的相同灰度值只保留一个，重复的灰度值删除；
[0044]
s4.3、将s4.2中去重后剩余的灰度值分别作为一个类别的中心值，设置类别的误差值b3，将类别的中心值与b3的差作为该类别的下限值，将类别的中心值与b3的和作为该类别的上限值，进而分别得到别类对应的灰度值范围；
[0045]
s4.4、在图a3中按s4.3中得到的类别对各像素点所属类别进行划分，
[0046]
当图a3中某像素点所属的类别两个及两个以上时，对该像素点对应的多个类别进行融合，将该多个类别对应的类别中心值相加，并求取平均值，所得平均值为融合后的类别的中心值，进而根据b3得到融合后的类别，并重新对图a3中各像素点所属类别进行划分，直至图a3中每一像素点所属的类别唯一，
[0047]
s4.5、当图a3中每一像素点所属的类别唯一时，则记录此时的划分结果，即根据各个d1对图a3进行灰度分层成功。
[0048]
本发明对划分的类别进行融合是为了确保每个像素点对应的类别具有唯一性，避免出现一个像素点对应多个类别，进而出现无法对像素点进行明确划分的情况，进而导致影响纹理特征提取模块对中草药纹理特征的提取。
[0049]
进一步的，判断每部分的像素点对应的中心线的方法包括以下步骤：
[0050]
s5.1、提取同一层内像素点所构成的形状的轮廓；
[0051]
s5.2、判断轮廓上的所有的像素点是否连贯，即是否能够通过同一条线进行连接，
[0052]
当轮廓上的所有的像素点连贯时，则判定该部分为长条形，反之，则判定该部分轮廓为环形；
[0053]
s5.3、当该部分形状为环形时，则该部分的轮廓为两个环，分别记为内环和外环，以内环的中心点为起点分别向四周作射线，每条射线交于内环的点记为f1，每条射线交于外环的点记为f2，将f1与f2的中点对应的像素点作为该部分的中心线上的一个像素点，进而得到形状为环形时，该部分的像素点对应的中心线；
[0054]
s5.4、当该部分形状为长条形时，则该部分的轮廓为一个闭合的长条，进而沿长条的长分别获取长条各处对应的宽，并将各处的宽的中点对应的像素点作为该部分的中心线上的一个像素点，进而得到形状为环形时，该部分的像素点对应的中心线。
[0055]
本发明在求取每部分的像素点对应的中心线时对该部分的形状进行判断，是因为不同的形状对应的中心线的求取方式不同，先进行形状判断，再通过该形状对应的中心线求取方式进行求取，能够提高得到的该部分的像素点对应的中心线的准确度，进而提高对中草药种类的识别精度。
[0056]
进一步的，所述特征匹配模块将特征汇总模块得到的该中草药的总特征信息g(c3，e)与数据库中预制的特征信息g1(c31，e1)进行匹配，
[0057]
所述g(c3，e)与g1(c31，e1)的匹配方法包括以下步骤：
[0058]
s6.1、比较g(c3，e)与g1(c31，e1)中的颜色，判断两者的颜色是否匹配成功；
[0059]
s6.2、求取g(c3，e)与g1(c31，e1)中纹理的匹配度h2；
[0060]
s6.3、根据s6.1中颜色的匹配结果及s6.2中的h2，判断g(c3，e)与g1(c31，e1)是否匹配成功，
[0061]
当颜色匹配成功且h2大于等于第三预设值时，判定g(c3，e)与g1(c31，e1)是否匹配成功，此时数据库中g1(c31，e1)对应的中草药即为g(c3，e)对应的中草药，
[0062]
反之，则判定g(c3，e)与g1(c31，e1)是否匹配失败。
[0063]
进一步的，所述s6.1中两者的颜色是否匹配成功的方法包括以下步骤：
[0064]
s6.1.1、分别计算c3与c31中红光、绿光、蓝光三通道对应的值的差值的绝对值，将c3与c31中红光通道对应的值的差值的绝对值记为k1，将c3与c31中绿光通道对应的值的差值的绝对值记为k2，将c3与c31中蓝光通道对应的值的差值的绝对值记为k3；
[0065]
s6.1.2、分别将k1、k2、k3与第四预设值进行比较，
[0066]
当k1《第四预设值且k2《第四预设值且k3《第四预设值时，则判定g(c3，e)与g1(c31，e1)中的颜色匹配成功，
[0067]
反之，则判定g(c3，e)与g1(c31，e1)中的颜色匹配失败。
[0068]
本发明通过计算c3与c31中红光、绿光、蓝光三通道对应的值的差值的绝对值来确定各个通道对应值的差异，当差异均小于第四预设值时，则说明c3与c31之间的差异在误差范围之内，可以视为匹配成功。设置误差范围是因为同一种类的中草药因为人员对处理工艺掌握的熟练度不同，可能会导致处理后的中草药的颜色发生些微差异。
[0069]
进一步的，所述s6.2中求取g(c3，e)与g1(c31，e1)中纹理的匹配度h2的方法包括以下步骤：
[0070]
s6.2.1、将e与e1相加，得到e2；
[0071]
s6.2.2、统计e2中2的个数，记为p1，统计e中1的个数，记为p2；
[0072]
s6.2.3、将p1除以p2，得到纹理的匹配度h2，即h2＝p1/p2。
[0073]
本发明统计e2中2的个数是因为e与e1均为只含有0、1的矩阵，e与e1相加的结果中出现2，则说明e与e1中存在相同位置的数据均为1的情况，即e与e1中该处对应的纹理位置相同，统计统计e2中2的个数即为获取e与e1中对应的纹理位置相同的个数。
[0074]
一种基于大数据的中草药购销管理方法，该方法包括以下步骤：
[0075]
s1、通过颜色特征提取模块对中草药的颜色信息c3进行提取；
[0076]
s2、通过纹理特征提取模块对中草药的纹理信息e进行提取；
[0077]
s3、通过特征汇总模块将颜色特征提取模块提取的结果及纹理特征提取模块提取的结果进行汇总，得到该中草药的总特征信息g(c3，e)；
[0078]
s4、通过特征匹配模块将特征汇总模块得到的该中草药的总特征信息与数据库中预制的特征信息进行匹配，得到该中草药的识别结果。
[0079]
与现有技术相比，本发明所达到的有益效果是：本发明从颜色及纹理方面对中草药的种类进行识别，使得本发明对中草药的识别精度大大提高，同时由于采用的是大数据技术，通过将中草药图片中的特征信息与预制数据直接进行匹配，能够实现对数据的快速处理，进而相较于人工识别，提高了对中草药种类的识别效率，同时还节省了人力资源。
附图说明
[0080]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0081]
图1是本发明一种基于大数据的中草药购销管理系统的结构示意图；
[0082]
图2是本发明一种基于大数据的中草药购销管理系统得到中草药图片中的中草药信息的方法的流程示意图；
[0083]
图3是本发明一种基于大数据的中草药购销管理系统中颜色特征提取模块对药草的颜色特征进行提取的流程示意图；
[0084]
图4是本发明一种基于大数据的中草药购销管理系统中纹理特征提取模块对中草药的纹理信息进行提取的流程示意图。
具体实施方式
[0085]
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，所描述的实施例仅仅是本发明一部分实施例，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。
[0086]
请参阅图1-4，本发明提供技术方案：一种基于大数据的中草药购销管理系统及方法，包括：中草药种类识别模块、中草药收购模块及中草药销售模块，所述中草药种类识别模块包括：颜色特征提取模块、纹理特征提取模块、特征汇总模块、特征匹配模块，
[0087]
所述中草药种类识别模块用于对收购或销售的中草药种类进行识别；
[0088]
所述中草药收购模块用于对不同种类的中草药进行收购；
[0089]
所述中草药销售模块用于对不同种类的中草药进行售卖；
[0090]
所述颜色特征提取模块用于对中草药的颜色信息c3进行提取；
[0091]
所述纹理特征提取模块用于对中草药的纹理信息e进行提取；
[0092]
所述特征汇总模块用于将颜色特征提取模块提取的结果及纹理特征提取模块提取的结果进行汇总，得到该中草药的总特征信息g(c3，e)；
[0093]
所述特征匹配模块将特征汇总模块得到的该中草药的总特征信息与数据库中预制的特征信息进行匹配，得到该中草药的识别结果。
[0094]
本发明公国各个模块的协同合作，共同实现对中草药种类的识别，进而保证对中
草药购销功能的实现，在对中草药的识别过程中，通过对中草药的颜色及中草药的纹理进行区分，即从多个角度对中草药的种类进行识别，确保了对中草药种类识别的准确性。
[0095]
所述颜色特征提取模块在对药草的颜色特征进行提取前，需要对中草药图片中的背景内容进行删除，得到中草药图片中的中草药信息，记为图a，
[0096]
得到中草药图片中的中草药信息的方法包括以下步骤：
[0097]
s1.1、获取中草药图片，记为图a1；
[0098]
s1.2、对图a1进行灰度处理，并将处理后得到的图片记为图a2；
[0099]
s1.3、分别提取图a2中边缘四个角像素点的灰度值，并将提取的灰度值进行累加并求取平均值，得到背景灰度值b1；
[0100]
s1.4、设置背景筛选阈值b2，得到背景筛选灰度值范围[b1-m1，b1 m2]，所述b1-m1为背景筛选灰度值范围的下限值，所述b1 m1为背景筛选灰度值范围的上限值，所述m1 m2＝b2，所述m1、m2均为正数；
[0101]
s1.5、根据背景筛选灰度值范围对图a2中的像素点进行筛选，并将图a2中灰度值在背景筛选灰度值范围内的像素点采用第一标记方式进行标记；
[0102]
s1.6、将s1.5中标记的像素点在图a1中对应的像素点进行删除，得到的剩余像素点构成的图像即为图a。
[0103]
本发明先获取中草药图片中的中草药信息是因为正长图片中不是全部内容均为中草药的信息图片，通常拍摄图片的过程中，会使用背景模板使得拍摄出来的中草药图片更加清晰，但是在对颜色特征提取模块中提取的颜色为中草药信息中对应像素点的rgb值的平均值，若不对中草药图片中的背景像素点进行筛选清除，则会导致对中草药颜色特征的提取结果出现较大的偏差，进而对中草药种类的识别结果造成影响。
[0104]
所述颜色特征提取模块对药草的颜色特征进行提取包括以下步骤：
[0105]
s2.1、获取中草药图片中的中草药信息，即图a；
[0106]
s2.2、统计图a中的像素点的个数c1及各个像素点对应的rgb值c2[m3，m4，m5]，所述m3为红光通道对应的值，m4为绿光通道对应的值，m5为蓝光通道对应的值；
[0107]
s2.3、获取图a各个像素点rgb值中对应各通道的平均值c3，
[0108]
即得到
[0109]
所述m3i为第i个像素点对应的rgb中红光通道对应的值，所述m4i为第i个像素点对应的rgb中绿光通道对应的值，所述m5i为第i个像素点对应的rgb中蓝光通道对应的值，
[0110]
所述c3即为该中草药的颜色特征。
[0111]
本发明颜色特征提取模块在对中草药的颜色特征进行提取时，计算图a中各个像素点rgb值中对应各通道的平均值c3是因为通过c3能够确定该中草药种类的整体色调，正常情况下，不同种类的中草药的色调可能存在不同，通过得到的该中草药的颜色特征能够使得本发明对中草药种类识别的范围进一步缩小，即通过颜色特征先识别出该颜色特征对应的所有中草药种类，进而再通过中草药的纹理特征进一步确定该中草药的种类。
[0112]
所述纹理特征提取模块对中草药的纹理信息进行提取包括以下步骤：
[0113]
s3.1、获取中草药图片中的中草药信息，即图a，并对图a进行灰度处理，得到图a3；
[0114]
s3.2、统计图a3中各个像素点的灰度值，并计算相邻像素点的灰度值之差d1；
[0115]
s3.3、根据各个d1对图a3进行灰度分层，即对图a3中的像素点进行划分成多个类别内，将每一类别内的像素点记为同一层像素点；
[0116]
s3.4、对同一层内像素点的分布情况进行判断，
[0117]
当同一层内像素点的分布情况为n个不相接的部分时，分别对每部分的像素点所构成的形状进行判断，判断其为环形，还是长条形，并分别求出该部分的像素点对应的中心线，并对中心线上的像素点采用第二标记方式进行标记，所述环形还包括不规则环形，所述n为正整数；
[0118]
s3.5、将图a3中采用第二标记方式进行标记的像素点的灰度值记为1，其余像素点均记为0，得到该中草药的纹理特征值e，所述e为一个矩阵。
[0119]
本发明纹理特征提取模块中计算相邻像素点的灰度值之差d1是为了确定该中草药不同纹理对应的范围区域，正常情况下，中草药的纹理所处的区域与周边区域的颜色差别较大，因为在对图片进行会对处理后，中草药的纹理所处的区域像素点的灰度值与周边区域像素点的灰度值也存在较大的差异，因此计算d1能够确定中草药的纹理所处区域，即实现灰度分层。将中草药的纹理特征e表示成一个矩阵是因为矩阵中数据的排列方式与图a3中像素点的排列方式相似，通过矩阵e就能够较为直观的显示出该中草药的纹理信息，即该中草药的纹理在图a3中对应的像素点的位置。
[0120]
所述根据各个d1对图a3进行灰度分层的方法包括以下步骤：
[0121]
s4.1、对s3.2中的各个d1的值进行判断，
[0122]
当d1大于等于第一预设值时，则将该d1对应的两个灰度值进行提取，
[0123]
当d1小于第一预设值时，则不对d1对应的两个灰度值进行提取；
[0124]
s4.2、将s4.1中提取的灰度值进行汇总，并将汇总的灰度值进行去重，即将汇总的灰度值中出现两次及两次以上的相同灰度值只保留一个，重复的灰度值删除；
[0125]
s4.3、将s4.2中去重后剩余的灰度值分别作为一个类别的中心值，设置类别的误差值b3，将类别的中心值与b3的差作为该类别的下限值，将类别的中心值与b3的和作为该类别的上限值，进而分别得到别类对应的灰度值范围；
[0126]
s4.4、在图a3中按s4.3中得到的类别对各像素点所属类别进行划分，
[0127]
当图a3中某像素点所属的类别两个及两个以上时，对该像素点对应的多个类别进行融合，将该多个类别对应的类别中心值相加，并求取平均值，所得平均值为融合后的类别的中心值，进而根据b3得到融合后的类别，并重新对图a3中各像素点所属类别进行划分，直至图a3中每一像素点所属的类别唯一，
[0128]
s4.5、当图a3中每一像素点所属的类别唯一时，则记录此时的划分结果，即根据各个d1对图a3进行灰度分层成功。
[0129]
本发明对划分的类别进行融合是为了确保每个像素点对应的类别具有唯一性，避免出现一个像素点对应多个类别，进而出现无法对像素点进行明确划分的情况，进而导致影响纹理特征提取模块对中草药纹理特征的提取。
[0130]
判断每部分的像素点对应的中心线的方法包括以下步骤：
[0131]
s5.1、提取同一层内像素点所构成的形状的轮廓；
[0132]
s5.2、判断轮廓上的所有的像素点是否连贯，即是否能够通过同一条线进行连接，
[0133]
当轮廓上的所有的像素点连贯时，则判定该部分为长条形，反之，则判定该部分轮
廓为环形；
[0134]
s5.3、当该部分形状为环形时，则该部分的轮廓为两个环，分别记为内环和外环，以内环的中心点为起点分别向四周作射线，每条射线交于内环的点记为f1，每条射线交于外环的点记为f2，将f1与f2的中点对应的像素点作为该部分的中心线上的一个像素点，进而得到形状为环形时，该部分的像素点对应的中心线；
[0135]
s5.4、当该部分形状为长条形时，则该部分的轮廓为一个闭合的长条，进而沿长条的长分别获取长条各处对应的宽，并将各处的宽的中点对应的像素点作为该部分的中心线上的一个像素点，进而得到形状为环形时，该部分的像素点对应的中心线。
[0136]
本发明在求取每部分的像素点对应的中心线时对该部分的形状进行判断，是因为不同的形状对应的中心线的求取方式不同，先进行形状判断，再通过该形状对应的中心线求取方式进行求取，能够提高得到的该部分的像素点对应的中心线的准确度，进而提高对中草药种类的识别精度。
[0137]
所述特征匹配模块将特征汇总模块得到的该中草药的总特征信息g(c3，e)与数据库中预制的特征信息g1(c31，e1)进行匹配，
[0138]
所述g(c3，e)与g1(c31，e1)的匹配方法包括以下步骤：
[0139]
s6.1、比较g(c3，e)与g1(c31，e1)中的颜色，判断两者的颜色是否匹配成功；
[0140]
s6.2、求取g(c3，e)与g1(c31，e1)中纹理的匹配度h2；
[0141]
s6.3、根据s6.1中颜色的匹配结果及s6.2中的h2，判断g(c3，e)与g1(c31，e1)是否匹配成功，
[0142]
当颜色匹配成功且h2大于等于第三预设值时，判定g(c3，e)与g1(c31，e1)是否匹配成功，此时数据库中g1(c31，e1)对应的中草药即为g(c3，e)对应的中草药，
[0143]
反之，则判定g(c3，e)与g1(c31，e1)是否匹配失败。
[0144]
所述s6.1中两者的颜色是否匹配成功的方法包括以下步骤：
[0145]
s6.1.1、分别计算c3与c31中红光、绿光、蓝光三通道对应的值的差值的绝对值，将c3与c31中红光通道对应的值的差值的绝对值记为k1，将c3与c31中绿光通道对应的值的差值的绝对值记为k2，将c3与c31中蓝光通道对应的值的差值的绝对值记为k3；
[0146]
s6.1.2、分别将k1、k2、k3与第四预设值进行比较，
[0147]
当k1《第四预设值且k2《第四预设值且k3《第四预设值时，则判定g(c3，e)与g1(c31，e1)中的颜色匹配成功，
[0148]
反之，则判定g(c3，e)与g1(c31，e1)中的颜色匹配失败。
[0149]
本发明通过计算c3与c31中红光、绿光、蓝光三通道对应的值的差值的绝对值来确定各个通道对应值的差异，当差异均小于第四预设值时，则说明c3与c31之间的差异在误差范围之内，可以视为匹配成功。设置误差范围是因为同一种类的中草药因为人员对处理工艺掌握的熟练度不同，可能会导致处理后的中草药的颜色发生些微差异。
[0150]
所述s6.2中求取g(c3，e)与g1(c31，e1)中纹理的匹配度h2的方法包括以下步骤：
[0151]
s6.2.1、将e与e1相加，得到e2；
[0152]
s6.2.2、统计e2中2的个数，记为p1，统计e中1的个数，记为p2；
[0153]
s6.2.3、将p1除以p2，得到纹理的匹配度h2，即h2＝p1/p2。
[0154]
本发明统计e2中2的个数是因为e与e1均为只含有0、1的矩阵，e与e1相加的结果中
出现2，则说明e与e1中存在相同位置的数据均为1的情况，即e与e1中该处对应的纹理位置相同，统计统计e2中2的个数即为获取e与e1中对应的纹理位置相同的个数。
[0155]
一种基于大数据的中草药购销管理方法，该方法包括以下步骤：
[0156]
s1、通过颜色特征提取模块对中草药的颜色信息c3进行提取；
[0157]
s2、通过纹理特征提取模块对中草药的纹理信息e进行提取；
[0158]
s3、通过特征汇总模块将颜色特征提取模块提取的结果及纹理特征提取模块提取的结果进行汇总，得到该中草药的总特征信息g(c3，e)；
[0159]
s4、通过特征匹配模块将特征汇总模块得到的该中草药的总特征信息与数据库中预制的特征信息进行匹配，得到该中草药的识别结果。
[0160]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0161]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。