一种基于图像识别的蔬菜打包质检方法及系统与流程

1.本发明涉及智能农业技术领域，具体而言，涉及一种基于图像识别的蔬菜打包质检方法、系统、电子设备及计算机存储介质。


背景技术：

2.随着智能农业的不断发展，越来越多的智能农业经营者开始在生产现场对蔬菜进行处理打包，尤其是对于那些精品蔬菜，经营者可以将精品蔬菜打包后直接与相关商家对接，提高了蔬菜打包的效率。
3.现有的蔬菜打包一般都是人工操作，即由工人对蔬菜进行挑选、择菜等处理，再使用纸质或塑料材质的包装材料将优质蔬菜打包处理，为避免打包不合格导致蔬菜运输过程中损坏，还需要配备打包质检设备进行打包质量的质检。
4.现有技术中的蔬菜打包质检都是采用单一的质检分析模型，这类模型一般是预先使用多种不同蔬菜的多种不合格打包情况对应的图像进行训练，进而可以对多种不合格打包进行识别。然而，为了提升不合格的识别准确性、全面覆盖性，经过训练的质检分析模型包含了过多的函数关系，在每次打包质检时都需要“全面”分析，导致质检分析模型的分析效率不高，尤其不能适应大批量、短质检时间的场景需求。


技术实现要素：

5.为了至少解决上述背景技术中存在的技术问题，本发明提供了一种基于图像识别的蔬菜打包质检方法、系统、电子设备及计算机存储介质。
6.本发明的第一方面提供了一种基于图像识别的蔬菜打包质检方法，包括如下步骤：
7.获取第一图像数据，根据所述第一图像数据确定打包人员的第一属性数据；
8.获取第二图像数据，根据所述第二图像数据确定与所述打包人员对应的打包蔬菜的第二属性数据；
9.根据所述第一属性数据和所述第二属性数据确定打包质检分析模型；
10.使用所述打包质检分析模型对所述打包蔬菜进行打包质检。
11.可选地，所述第一图像数据与所述第二图像数据相同或不同。
12.可选地，确定所述第一属性数据的数量，若所述数量为一，则设置所述第一图像数据与所述第二图像数据不同；若所述数量不为一，则设置所述第一图像数据与所述第二图像数据相同。
13.可选地，所述根据所述第一属性数据和所述第二属性数据确定打包质检分析模型，包括：
14.根据所述第二属性数据确定若干分析模型；
15.根据所述第一属性数据确定所述打包人员的第三属性数据，根据所述第三属性数据进行匹配计算以从若干所述分析模型中筛选得出所述打包质检分析模型。
16.可选地，所述第三属性数据为与所述打包人员对应的第一历史打包数据；
17.则所述根据所述第三属性数据进行匹配计算以从若干所述分析模型中筛选得出所述打包质检分析模型，包括：
18.根据所述第一历历史打包数据确定所述打包人员的历史不合格数据，根据所述历史不合格数据确定第四属性数据和第五属性数据；
19.根据所述第四属性数据和所述第五属性数据与若干所述分析模型一一进行匹配计算，以获得第一分析模型；
20.根据所述第一分析模型确定所述打包质检分析模型。
21.可选地，所述方法还包括：
22.获取第三图像数据，根据所述第三图像数据确定所述打包人员的熟练度值；
23.则所述根据所述第四属性数据和所述第五属性数据与若干所述第一分析模型一一进行匹配计算，以筛选得出所述打包质检分析模型，还包括：
24.根据所述熟练度值获取其他打包人员的第二历史数据，根据所述第二历史数据确定第六属性数据和第七属性数据；
25.根据所述第六属性数据和所述第七属性数据与若干所述第一分析模型一一进行匹配计算，以获得第二分析模型；
26.根据所述第二分析模型确定所述打包质检分析模型。
27.可选地，所述熟练度值与所述其他打包人员的数量/范围负相关，即所述熟练度值越大，则所述数量/范围越少/小即第二历史数据的量越小，反之则所述数量/范围越多/大即第二历史数据的量越大。
28.本发明的第二方面提供了一种基于图像识别的蔬菜打包质检系统，处理模块、存储模块、获取模块，所述处理模块与所述存储模块和所述获取模块连接；其中，
29.所述存储模块，用于存储可执行的计算机程序代码；
30.所述获取模块，用于获取蔬菜打包现场的图像数据并传输给所述处理模块；
31.所述处理模块，用于通过调用所述存储模块中的所述可执行的计算机程序代码，执行如前任一项所述的方法。
32.本发明的第三方面提供了一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行如前任一项所述的方法。
33.本发明的第四方面提供了一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上任一项所述的方法。
34.本发明的方案，相比于背景技术中所述的采用单一质检分析模型以“全面”质检分析的方法，本发明根据打包人员和对应蔬菜的属性数据来确定最佳的打包质检分析模型，进而基于该最佳模型对对应的已打包蔬菜的打包质量进行针对性分析，从而可以避免每次质检都“全面”分析的弊端，极大地提高了质检分析效率。
附图说明
35.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对
范围的限定，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相关的附图。
36.图1是本发明实施例公开的一种基于图像识别的蔬菜打包质检方法的流程示意图；
37.图2是本发明实施例公开的一种基于图像识别的蔬菜打包质检系统的结构示意图；
38.图3是本发明实施例公开一种电子设备的结构示意图。
具体实施方式
39.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作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。
40.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
41.在本发明的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的系统或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
42.本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同的对象，而不是用于描述对象的特定顺序。例如，第一输入、第二输入、第三输入和第四输入等是用于区别不同的输入，而不是用于描述输入的特定顺序。
43.在本发明实施例中，“示例性地”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性地”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性地”或者“例如”等词旨在以具体方式呈现相关概念。
44.在本发明实施例的描述中，除非另有说明，“多个”的含义是指两个或者两个以上，例如，多个处理单元是指两个或者两个以上的处理单元；多个元件是指两个或者两个以上的元件等。
45.需要说明的是，在不冲突的情况下，本发明的实施例中的特征可以相互结合。
46.请参阅图1，图1是本发明实施例公开的一种基于图像识别的蔬菜打包质检方法的流程示意图。如图1所示，本发明实施例的一种基于图像识别的蔬菜打包质检方法，包括如下步骤：
47.获取第一图像数据，根据所述第一图像数据确定打包人员的第一属性数据；
48.获取第二图像数据，根据所述第二图像数据确定与所述打包人员对应的打包蔬菜的第二属性数据；
49.根据所述第一属性数据和所述第二属性数据确定打包质检分析模型；
50.使用所述打包质检分析模型对所述打包蔬菜进行打包质检。
51.在本发明实施例中，相比于背景技术中所述的采用单一质检分析模型以“全面”质
检分析的方法，本发明根据打包人员和对应蔬菜的属性数据来确定最佳的打包质检分析模型，进而基于该最佳模型对对应的已打包蔬菜的打包质量进行针对性分析，从而可以避免每次质检都“全面”分析的弊端，极大地提高了质检分析效率。
52.本发明的上述及后续方案既可以由专门的处理设备实施，也可以由远程端的服务器实施。专门的处理设备可以是智能手机、平板电脑、笔记本电脑、掌上电脑、个人电脑、智能电视、智能手表等，但并不局限于此。涉及的服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本发明在此不做限制。服务器和终端设备的数量也不做限制。
53.可选地，所述第一图像数据与所述第二图像数据相同或不同。
54.可选地，确定所述第一属性数据的数量，若所述数量为一，则设置所述第一图像数据与所述第二图像数据不同；若所述数量不为一，则设置所述第一图像数据与所述第二图像数据相同。
55.在本发明实施例中，实际打包场景中可能有多个打包人员，也有可能仅有一个打包人员。针对该实际情况，本发明先根据第一图像数据确定打包人员的数量，如果仅有一人，则单一周期内仅需要获取一次第一图像数据及第一属性数据，后续再间隔获取不同的第二图像数据及第二属性数据；而如果不止一人，打包人员的位置也可能会发生变化，所以需要从每次拍摄的图像数据中同时提取第一属性数据和第二属性数据。当然，对于仅有一人的情况，首次获取第一/二属性数据时第一图像数据与第二图像数据也可以为相同。
56.可选地，所述根据所述第一属性数据和所述第二属性数据确定打包质检分析模型，包括：
57.根据所述第二属性数据确定若干分析模型；
58.根据所述第一属性数据确定所述打包人员的第三属性数据，根据所述第三属性数据进行匹配计算以从若干所述分析模型中筛选得出所述打包质检分析模型。
59.在本发明实施例中，本发明预先训练了多个分析模型，主要可以按照蔬菜类别、不合格类别划分，即每种蔬菜都对应着若干分析模型，其中的每个分析模型又分别对应着至少一个不合格类别。于是，通过打包蔬菜的第二属性数据就可以确定出具体的分析模型的大类，然后再根据打包人员的第三属性数据确定出具体的分析模型小类，从而实现了对最佳分析模型的筛选。
60.可选地，所述第三属性数据为与所述打包人员对应的第一历史打包数据；
61.则所述根据所述第三属性数据进行匹配计算以从若干所述分析模型中筛选得出所述打包质检分析模型，包括：
62.根据所述第一历史打包数据确定所述打包人员的历史不合格数据，根据所述历史不合格数据确定第四属性数据和第五属性数据；
63.根据所述第四属性数据和所述第五属性数据与若干所述分析模型一一进行匹配计算，以获得第一分析模型；
64.根据所述第一分析模型确定所述打包质检分析模型。
65.在本发明实施例中，本发明对各打包人员的历史数据进行调取，从中可以分析得出该打包人员的第四属性数据和第五属性数据，其中，第四属性数据是与第二属性数据对应即涉及蔬菜大类，第五属性数据与第一属性数据对应即涉及具体的不合格小类。同时，各分析模型也包括对应的第四属性数据和第五属性数据，于是，通过匹配计算即可确定出匹配的分析模型以作为打包质检分析模型。
66.可选地，所述方法还包括：
67.获取第三图像数据，根据所述第三图像数据确定所述打包人员的熟练度值；
68.则所述根据所述第四属性数据和所述第五属性数据与若干所述第一分析模型一一进行匹配计算，以筛选得出所述打包质检分析模型，还包括：
69.根据所述熟练度值获取其他打包人员的第二历史数据，根据所述第二历史数据确定第六属性数据和第七属性数据；
70.根据所述第六属性数据和所述第七属性数据与若干所述第一分析模型一一进行匹配计算，以获得第二分析模型；
71.根据所述第二分析模型确定所述打包质检分析模型。
72.在本发明实施例中，前述实施例匹配出的第一分析模型可能会有多个，针对该情况，本发明进一步获取其他打包人员的第六属性数据和第七属性数据(与前述特定打包人员的第四属性数据和第五属性数据的确定方式相同)，这些数据反映了其他打包人员的高发不合格类型，即同设备或同车间等的工友们所经常出现的不合格类型。据此可以实现对第一分析模型的进一步筛选，如此筛选出的第二分析模型涵盖了特定打包人员所涉及的不合格类型与其他打包人员的高发不合格类型的并集，能够更好的进行打包质检。
73.可选地，所述熟练度值与所述其他打包人员的数量/范围负相关，即所述熟练度值越大，则所述数量/范围越少/小即第二历史数据的量越小，反之则所述数量/范围越多/大即第二历史数据的量越大。
74.在本发明实施例中，基于特定打包人员的打包操作的熟练度值来决定对其他打包人员的第二历史数据获取范围，如此设置的原因在于，打包人员操作越熟练，则其出现不合格打包的概率越小，而且其出错的类型也比较稳定，即很少会出现其他人的错误，所以可以适当缩小第二历史数据的量/范围，以获得更为精准的第二分析模型。其中所涉及的其他打包人员的范围可以是同机器、同区域、同车间等这样逐一扩展的物理区域。
75.其中，打包人员的熟练度值可以根据单捆蔬菜的打包耗时、单位时间内打包完成数量等因素来确定，具体不赘述。
76.请参阅图2，图2是本发明实施例公开的一种基于图像识别的蔬菜打包质检系统的结构示意图。如图2所示，本发明实施例的一种基于图像识别的蔬菜打包质检系统，包括处理模块(101)、存储模块(102)、获取模块(103)，所述处理模块(101)与所述存储模块(102)和所述获取模块(103)连接；其中，
77.所述存储模块(102)，用于存储可执行的计算机程序代码；
78.所述获取模块(103)，用于获取蔬菜打包现场的图像数据并传输给所述处理模块(101)；
79.所述处理模块(101)，用于通过调用所述存储模块(102)中的所述可执行的计算机程序代码，以执行如实施例一所述的方法。
80.该实施例中的一种基于图像识别的蔬菜打包质检系统的具体功能参照上述实施例，由于本实施例中的系统采用了上述实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
81.请参阅图3，图3是本发明实施例公开的一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行如前述实施例所述的方法。
82.本发明实施例还公开了一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如前述实施例所述的方法。
83.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入系统、和至少一个输出系统接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入系统、和该至少一个输出系统。
84.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理系统的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
85.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、系统或设备使用或与指令执行系统、系统或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、系统或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
86.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示系统(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向系统(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向系统来将输入提供给计算机。其它种类的系统还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
87.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部
件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
88.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
89.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
90.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。