T_GDFCA 042-2019 农产品种类智能识别管理系统技术规范 谷物.docx

《T_GDFCA 042-2019 农产品种类智能识别管理系统技术规范 谷物.docx》由会员分享，可在线阅读，更多相关《T_GDFCA 042-2019 农产品种类智能识别管理系统技术规范 谷物.docx（11页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、T/GDFCA0422019目次前言.II1范围.12规范性引用文件.13术语与定义.14系统组成架构.25系统设备要求.46系统性能要求.57通用要求.68谷物种类识别准确率的确定.69识别速度的确定.610系统验收.611系统运行维护保养.8附录A（资料性附录）识别准确率和速率的基本程序.9IT/GDFCA0422019农产品种类智能识别管理系统技术规范谷物1范围本标准规定谷物类种类智能识别系统的术语和定义、系统组成架构、系统设备要求、系统性能要求、通用要求、谷物种类识别准确率的确定、识别速度的确定、系统验收、系统运行维护保养。本标准适用于超市、菜市场、农贸市场、农场等场所的谷物种类识别。

2、2规范性引用文件下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅所注日期的版本适用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。DB44/T595-2009农产品质量监测技术规范DB44/T181-2004广东省优质籼稻谷DB31/281-2002玉米品种DB32/T2213-2012镇稻14号品种DB32/T2080-2012玉米品种审定规范DB22/978-2002绿豆品种522DB63/T1326-2014豆类品种审定规范DB32/T1391-2009小麦品种扬麦15DB32/T2486-2013水稻品种扬籼优68DB51/T1397-201

3、1水稻品种描述规范DB51/T1351-2011玉米品种描述规范3术语与定义下列术语和定义适用于本文件。3.1识别准确率Recognitionaccuracy识别准确率是就正确识别出谷物的数量占总谷物量的百分比。3.2识别速度Recognitionspeed计算机视觉识别谷物所需要的时间。3.3摄像头角度和高度CameraAngleandHeight识别谷物摄像头的高度和摄像头的角度需要合理。1T/GDFCA04220193.4物体识别区域ObjectRecognitionArea谷物识别在此区域识别准确率会最高，此区域从图像上看包含了物体的全部像素。3.5农产品市场经营者Agricultur

4、alProductMarket0perator自主经营或接受委托经营谷物市场的单位、组织。3.6农产品市场FarmProduceMart农产品交易或买卖的场所。3.7谷物种类智能识别管理系统AgriculturalProductsIntelligentManagementSystem谷物种类智能识别管理系统是通过电子秤、智能识别服务器群、管理平台对谷物种类进行自动识别、信息展示的平台。3.8智能电子秤IntelligentElectronicScale智能电子秤具有称重、图像采集、计费、小票打印等多功能设备。3.9智能分析服务器IntelligentAnalysisServer对采集过来的物体

5、图像进行建模，分析，比对，从而识别出该物体种类的服务器设备。3.10重力传感器GravitySensor采用弹性敏感元件制成悬臂式位移器，与采用弹性敏感元件制成的储能弹簧来驱动电触点，完成从重力变化到电信号的转换。4系统组成架构谷物种类智能识别管理系统应包括智能电子秤子系统、谷物识别子系统、平台管理子系统。谷物种类智能识别管理系统组成构架见图4。2T/GDFCA0422019图4谷物种类智能识别管理系统组成架构图4.1智能电子秤子系统智能电子秤子系统，应是通过传感器技术、电子技术和图像转换技术，主要通过谷物识别摄像头，称重传感器对谷物的的图像、重量进行采集，并且进行重要、产品名称显示和打印。系

6、统组成4.1。系统主要由输入部分（秤盘、称体，摄像头），转换部分（重力传感器，图像传感器），输出部分（电子显示仪表，打印机）三部分组成。输入部分配备秤盘、称体，摄像头对谷物的重量和图像进行采集，然后通过传感器对非电信号(质量、图像)转换成电信号的转换元件，最后在输出部分的显示仪表上进行显示，对数据进行打印。图4.1智能电子秤子系统组成架构图4.2谷物识别子系统谷物识别子系统，应是通过图像采集技术，物体识别技术，计算机技术等，对前端采集到的图像进行分析，并识别出谷物的种类的智能化识别系统。系统主要主要由前端图像采集部分摄像头，局域网及互联网和智能分析服务器群和数据库服务器等组成。注：表示必选表示

7、可选3T/GDFCA0422019图4.2智能电子秤子系统组成架构图4.3平台管理子系统平台管理子系统，应通过计算机软件技术，数据加密技术、网络通信技术等计算机技术，对谷物相关识别信息进行汇总、展示。系统主要由前端的智能电子秤，WEB服务器，数据库服务器，及电脑、手机等相关客户端。注：表示必选表示可选图4.1平台管理子系统组成架构图5系统设备要求5.1谷物种类智能识别管理系统要求a）识别率：全天候的谷物品种识别率不应小于97%；b）识别时间：识别时间50毫秒；c）识别最小像素：32*32像素；d）可实现产品信息，销售数据，分类汇总等多项功能；e）全面兼容国内主流厂商IP-Camera，而且通过

8、设备厂商提供稳定的SDK，可以兼容几乎所有前端接入设备；f）操作系统：主要架构基于WINDOWS操作平台，各模块可独立运行并与现有系统完美结合；g）数据库兼容性：可以兼容多种数据库，包括SQLServer、MYSQL、Oracle等，多数平台只能支持一种数据库；h）对操作系统平台的兼容能力：兼容PC、服务器和小型机上的各类操作系统。i）系统应提供数据查询、统计及生成报表等功能。j）系统应支持用户权限配置管理,不同级别的用户可设定不同操作权限k）应具有对采集的原始数据进行存储备份和对采集的数据实现断点续传的功能。由于传输网络故障等因素，采集的数据未能及时上传，待传输网络恢复正常后应能实现历史数据

9、的断点续传；5.2谷物种类智能识别管理系统的设备要求a）设备电源供电长时间待电，能耗低；b）摄像头应支持根据环境亮度自动调节参数、自动补光同步，夜间增强技术；c）全视角数字显示，清晰，明亮；d）网络连接支持有线网络、WIFI网络；4系统类型响应要求响应时间谷物种类智能识别管理系统从谷物放稳到电子秤显示屏显示的响应时间1s谷物种类智能识别后到系统可查询信息的时间间隔15s系统类型白天识别准确率晚上识别准确率谷物种类智能识别管理系统99.7%98%T/GDFCA0422019e）智能电子秤操作简单、易懂；f）电子秤拥有图像采集，智能识别功能；g）电子电路板覆盖专用防水涂层，防水，防蟑螂等，防水等级

10、IP41；h）打印机设计防水，专业打印头使用寿命50KM以上。i）应配置稳定可靠且性价比高的设备，确保系统全天候、24小时的正常运行；j）设备面板上的商标、名称、型号、文字说明等应清晰准确，易于辨识；k）设备应具有产品合格证，并能提供型式检验报告；l）设备应配套说明书，说明书应包括下列文件：使用说明书，安装说明书，维护说明书，其他有关说明资料。6系统性能要求6.1谷物种类智能识别管理系统环境适应性应符合以下要求：a）电子秤、摄像头等室外设备的工作温度应为-3070；b）智能分析服务器、管理计算机等室内机房设备的工作温度应为050；c）谷物智能识别管理系统设备的相对湿度应为10%90%。6.2谷

11、物种类智能识别管理系统供电、防雷接地设计要求应符合国家现行标准安全防范工程技术规范GB50348中3.9节防雷与接地设计的有关规定。6.3谷物种类智能识别管理系统机房防火要求应符合国家现行标准电子信息系统机房设计规范GB50174中6.3节防火与疏散的有关规定。6.4谷物种类智能识别管理系统识别准确率应符合表6.4的要求。表6.4谷物种类智能识别管理系统数据准确率6.5谷物种类智能识别管理系统响应时间应符合表6.5的要求。表6.5谷物种类智能识别管理系统响应时间6.6谷物种类智能识别管理系统图像应采用JPEG、JPG格式，图像完整度、清晰度应能满足人工对农产品品种判定的要求。谷物种类智能识别管

12、理系统图像分辨率应符合表6.6的要求。5子系统类型设备名称图像分辨率谷物种类智能识别管理系统电子秤摄像头640*480T/GDFCA0422019表6.5谷物种类智能识别管理系统图像分辨率6.7谷物种类智能识别管理系统自动存储能力应满足以下要求a）谷物种类智能识别管理系统服务器数据信息存储时间不应少于1年；b）谷物种类智能识别管理系统图片存储时间不应少于90天。7通用要求7.1谷物根据它生物特性来进行种类分类。7.2谷物种类识别应建立谷物种类确定程序，科学确定谷物的种类分类，并对谷物的种类进行验证。7.3谷物种类的确定和验证应有记录，记录内容宜包括种类名称、来源信息等基本信息，谷物确定和验证的

13、方法，判定标准，试验情况，相关数据和分析过程以及结论等信息。8谷物种类识别准确率的确定8.1谷物种类识别准确率的确定的基本程序包括确定方案、设计试验方法、方案实施、结果分析、确定农产品种类识别准确率的确定验证六个步骤（参见附录）。8.2实施方案：根据农产品的生物特征去识别到具体得种类，通过谷物图像预处理增加网络的鲁棒性应对负责的场景可以准确的识别谷物的种类。8.3结果分析：将训练好的模型移植到对应得系统或者实物进行测试，输出结果判断属于哪种农产品。9识别速度的确定9.1保证谷物的识别响应速度。9.2实施方案：将谷物数据图像导入神经网络结构中进行训练，以达到快速识别的效果。10系统验收10.1系

14、统验收10.1.1谷物种类智能识别管理系统验收除符合本标准规定外，尚应按国家现行标准安全防范工程技术规范GB50348中第8章安全防范工程验收的有关规定。10.1.2谷物种类智能识别管理系统系统检验项目、检验方法及指标要求应符合表10.1.2的规定。6序号检验项目检验方法指标要求主控项目1智能电子秤子系统功能系统试运行一个月，充分观察及考核系统功能是否满足本标准6.2要求全部符合要求2谷物识别子系统功能系统试运行一个月，充分观察及考核系统功能是否满足本标准6.1要求全部符合要求3平台管理子系统功能系统试运行一个月，充分观察及考核系统功能是否满足本标准6.1要求全部符合要求一般项目4设备外观现场

15、随机抽查5%-10%系统设备，通过目测和手感进行检查是否符合6.2要求95%以上符合要求5设备外壳防护等现场随机抽查5%-10%系统设备，按外壳防护等级（IP代码）GB/T4208规定方法进行检验是否符合6.2要求95%以上符合要求6产品合格证现场随机抽查5%-10%系统设备，检查是否具有相应合格证全部符合要求7设备说明书现场随机抽查5%-10%系统设备，检查是否具有相应设备说明书全部符合要求主控项目8系统环境适应性按本标准7.1的规定全部符合要求9系统供电按本标准7.2的规定全部符合要求10系统防雷接地按国家标准GB50348第7章7.7的规定全部符合要求11系统数据准确率按本标准7.4的规

16、定全部符合要求12系统响应时间按本标准7.5的规定全部符合要求13系统图像分辨率按本标准7.6的规定全部符合要求14系统自动存储能力按本标准7.7的规定全部符合要求T/GDFCA0422019表10.1.2系统检验项目、检验方法及指标要求10.1.3谷物种类智能识别管理系统建设后，应按表10.1.2系统检验项目、检验方法及指标要求对系统进行合格判定，若有一项检验项目无法满足指标要求，则判定系统不合格。10.1.4谷物种类智能识别管理系统验收不合格时，应整改后重新验收。7T/GDFCA042201911系统运行维护保养11.1管理要求a)农产品市场经营者应取得行业主管部门认可的合法有效的经营资质

17、证明。b)农产品市场管理者应建立巡查制度、人员管理制度、安全规范等管理制度。制度应明确责任人、主要工作程序和岗位职责。c)农产品市场的管理者应对菜场经营者进行相关培训，培训内容应包括经营的相关法律、法规、政策、管理制度、安全规范、消防知识、诚信经营、收费管理、纠纷处理、应急预案等。11.2日常维护保养a)每三个月对谷物种类智能识别管理系统进行设备保养和线路检护，保持良好的运行状态。b)每三个月对硬件设施进行维护清理，对各种设施要定期监测。c)应每月检查各部件间的通信接头是否连接牢固，发现松动立即加固或重新连接，并做防护处理。d)应每月对服务器或电脑客户端要及时检查线路是否正常，软件连接是否正常

18、，不要轻易安装不相关的软件。e)应每月检查服务器、管理计算机系统软件运行状况，并清理系统中的垃圾文件。8序号步骤要素1确定方案（1）识别准确率；（2）识别依据；（3）识别的速率；2设计试验方法（1）确定实验项目和相应的检验方法；（2）确定试验识别的样品；（3）确定检测时间点、所需设备、安装情况以及测试人员等内容3方案实施1）数据预处理及增强；2）深层卷积神经网络的训练；3）网络训练策略；4）损失函数设计；5）对测试集进行测试4结果分析试验法应根据试验的结果和数据经计算得出谷物识别的准确率和速度。5确定谷物种类识别准确率和速率应根据上一步骤的结论，结合谷物的性质，以及谷物在生物特征，可能遇到的状

19、况和条件，确定谷物种类的识别准确率和速率。6准确率和速率验证包括以方式和内容（1）可使用留样谷物通过长期稳定性试验进行验证，也可在实际贮存、运输等条件下对已经上市的谷物进行跟踪验证；（2）收集检测数据；（3）得出验证结论。T/GDFCA0422019AA附录A（资料性附录）识别准确率和速率的基本程序A.1步骤本附录给出了谷物种类识别准确率和速率的基本程序涵盖了六个步骤，每个步骤又有不同的要素（参加表A.1）,相关步骤在用于确定谷物种类的准确率时，可根据实际情况进行调整。表A.1谷物种类识别准备率和速率确定步骤A.2确定方案A.2.1确定方案是谷物种类识别的基础，宜从多个方案中优选出适于实施的方

20、案，并应尽可能祥实。A.2.2确定方案的步骤包括：明确谷物种类确定的目的；论证现有的依据和资料等研究基础；多角度设计方案；方案优选和明确谷物种类确定的具体方法。A.2.31）对现有的技术方案1进行全面评估：人工识别谷物或者人工贴上条形码识别，2）对现有的技术方案2进行全面评估：通过颜色纹理形状等特征识别谷物；3）通过以上现有的技术综合分析得到相应方案的缺点，并提出对应的解决方案。9T/GDFCA0422019A.3设计试验方法应在充分分析谷物的生物特性，对谷物的种类特性等基础上，确定实验室检测对象等试验内容。A.4方案实施A.4.1数据预处理及增强：数据预处理的方法要结合实际情况提高谷物的识别

21、率，主要采用图像旋转、加椒盐噪声、调节亮度和饱和度、图像模糊、直方图均衡化等方法A.4.2深层卷积神经网络的训练；查阅了大量的卷积神经网络的资料和做了大量的比对实验设计出来的，识别准确率高并识别速度快，A.4.3网络训练策略；网络损失函数收敛时，将训练得到的模型在验证集上进行测试，对于谷物识别错误的结果进行分析，根据错误的图像的类型在辅助训练集中找到一些对应类型的图像添加到训练集中，对网络继续进行训练。A.4.4损失函数设计；直至网络损失函数收敛或在验证集上的检测结果稳定，这里的网络参数即为训练好的具有检测谷物图像功能的深层卷积神经网络的参数。A.4.5对测试集进行测试：由于训练时网络的输入指定尺寸，因此检测未知图片时的输入也应调整到相应尺寸，将固定尺寸后的图片作为本发明所涉及深层卷积神经网络的输入，判断是否为谷物的类别。A.5结果由于训练时网络的输入的尺寸是设置好的最优尺寸，因此检测未知图片时的输入也应为相应的尺寸，将固定尺寸后的图片作为本发明所涉及深层卷积神经网络的输入，判断谷物种类的类别。10