一种洁蛋生产全链条信息实时上传方法及系统

1.本发明涉及农业信息技术领域，尤其涉及一种洁蛋生产全链条信息实时上传方法及系统。


背景技术：

2.蛋品作为是中国大部分地区人民的主要食品，其生产出品的产量和质量对国民都至关重要。现有鸡蛋生产的产业链包括养殖、收储、加工、流通四个节点，其中，每个节点都会影响出产蛋品的产量和质量。现有技术中，往往分别对出产蛋品的某个节点或者某个生产因素进行监测，监测形式和监测内容单一，不能完全对整个产业链进行全面的监测和判断。除此之外，现有技术中采用传统的数据处理方式对监测信息进行处理，数据处理过程缺乏高效性和快速性。因而，如何对蛋品生产的产业链进行高效全面的监测是亟待解决的问题。


技术实现要素：

3.有鉴于此，有必要提供一种洁蛋生产全链条信息实时上传方法及系统，用以解决如何对洁蛋生产的产业链进行高效全面的监测的问题。
4.本发明提供一种洁蛋生产全链条信息实时上传方法，包括：
5.采集多个节点参数，其中，所述节点参数包括在洁蛋生产过程中每个生产节点设置的传感器对应监测的参数；
6.根据每个所述节点参数对应的数据量，生成上传任务，并对每个所述上传任务设定对应的优先度，根据每个所述上传任务和对应的所述优先度，确定对应的分配权重，并根据所述分配权重和数据传输的总带宽，分配对应的分配带宽和传输时延，基于所述分配带宽和所述传输时延，对每个所述上传任务进行排序上传至所述云平台；
7.根据所述上传任务中的每个所述节点参数进行数据处理，生成对应的溯源信息，用于记录洁蛋生产全链条信息，并根据所述节点参数，确定存在风险的所述生产节点，并生成对应的预警信息下发至所述生产节点。
8.进一步地，所述根据每个所述节点参数对应的数据量，生成上传任务，并对每个所述上传任务设定对应的优先度包括：
9.根据每个所述生产节点的传感器每次采集上传的所述节点参数对应的数据量，生成对应的所述上传任务；
10.根据不同传感器的任务上传后的反馈时长，针对对应的所述上传任务设置所述优先度，其中，随着传感器的所述反馈时长的依次递减，对应的所述优先度依次递增。
11.进一步地，所述根据每个所述上传任务和对应的所述优先度，确定对应的分配权重，并根据所述分配权重和数据传输的总带宽，分配对应的分配带宽和传输时延包括：
12.根据每个所述上传任务的数据量和所有所述上传任务的数据量之和的比值，确定对应的第一比例量；
13.根据每个所述上传任务的优先度和所有所述上传任务的优先度之和的比值，确定对应的第二比例量；
14.将所述第一比例量和预设的第一影响因子相乘，确定第一乘积值，将所述第二比例量和预设的第二影响因子相乘，确定第二乘积值；
15.根据所述第一乘积值和所述第二乘积值之和，确定对应的所述分配权重；
16.将所述分配权重分别和传输数据的总带宽、边缘服务器的计算总资源相乘，确定每个所述上传任务对应的所述分配带宽和分配资源；
17.根据每个所述上传任务的数据量和所述分配资源，确定对应的所述传输时延。
18.进一步地，所述第一影响因子和所述第二影响因子之和为预定的预设值。
19.进一步地，所述节点参数包括各个生产节点的操作图像，所述操作图像通过在操作视频流中截取，所述操作视频流的数据处理过程包括：
20.将所述操作视频流中划分为多个视频帧序列组，调用api算法，统计所述多个视频帧序列组对应的目标识别数；
21.根据边缘节点上传到云平台的时延、带宽以及所述目标识别数，确定帧过滤模型，并根据所述帧过滤模型，去除多余的视频帧序列组，确定第一帧序列组；
22.根据所述第一帧序列组的图像信息熵，提取出所述第一帧序列组中的关键帧，确定第二帧序列组；
23.根据多个所述第二帧序列组的所述目标识别数以及数据量进行分配虚拟机资源，确定所述第二帧序列组上传至所述云平台的上传顺序；
24.对所述第二帧序列组中的每帧图像进行人体姿态估计，确定多个关节点的位置坐标；
25.根据所述第二帧序列组中相邻两帧图像之间的相同关节点的位置坐标变化量，确定关节点距离变化量矩阵；
26.对所述第二帧序列组进行平均划分，将每一段视频中相邻两帧产生的所述关节点距离变化量进行矩阵相加，得到各段累计距离变化量矩阵作为所述第二帧序列组的特征向量；
27.将所述特征向量输入至训练完备的深度学习模型中进行分类，确定对应的操作规范指数；
28.将所述操作规范指数与对应的预存指标库进行对比，并根据对比结果，针对对应的加工节点进行预警。
29.本发明提供一种洁蛋生产全链条信息实时上传系统，包括：
30.节点参数采集装置，用于采集多个节点参数，其中，所述节点参数包括在洁蛋生产过程中每个生产节点设置的传感器对应监测的参数；
31.边缘服务器，用于根据每个所述节点参数对应的数据量，生成上传任务，并对每个所述上传任务设定对应的优先度；还用于根据每个所述上传任务和对应的所述优先度，确定对应的分配权重；还用于根据所述分配权重和数据传输的总带宽，确定对应的分配带宽和传输时延；还用于根据所述分配带宽和所述传输时延，对每个所述上传任务进行排序上传至所述云平台；
32.云平台，用于根据所述边缘服务器上传的所述上传任务中的每个所述节点参数进
行数据处理，生成对应的溯源信息，用于记录洁蛋生产全链条信息；还用于根据所述节点参数，确定存在风险的所述生产节点，并生成对应的预警信息下发至所述生产节点。
33.进一步地，所述节点参数包括养殖主节点参数，所述养殖节点参数依次包括以下子节点参数：种蛋参数、孵化参数、养殖参数以及产蛋参数，对应的养殖主节点监测设备包括：
34.种蛋监测设备，用于监测所述种蛋验收时参数，以反馈种蛋验收过程中的品质情况，其中，所述种蛋验收时参数包括种蛋验收时的蛋品质量、养殖场环境质量、污染物含量中的至少一种；
35.孵化监测设备，用于监测所述孵化参数，以反馈孵化过程中的养殖情况，其中，所述孵化参数包括孵化时的蛋品质量、孵化图像孵化场环境质量中的至少一种；
36.养殖监测设备，用于监测所述养殖参数，以反馈饲养情况，其中，所述养殖参数包括养殖时鸡的健康状况、水质质量、饲料质量、养殖场环境质量中的至少一种；
37.产蛋监测设备，用于监测所述产蛋参数，以反馈产蛋情况及蛋壳破损情况，其中，所述产蛋参数包括产蛋时的生产蛋品图像、蛋品污染物含量、蛋品营养含量中的至少一种。
38.进一步地，所述节点参数包括收储主节点参数，所述收储主节点参数依次包括以下子节点参数：入库参数、存储参数、出库参数，对应的收储主节点监测设备包括：
39.入库监测设备，用于监测所述入库参数，以反馈入库过程中的出产蛋品的品质，其中，所述入库参数包括入库时的蛋品质量、蛋品污染物含量、蛋品营养含量中的至少一种；
40.存储监测设备，用于监测存储参数，以反馈存储过程中的环境情况，其中，所述存储参数包括仓库温湿度、仓库洁净度、仓库二氧化碳含量中的至少一种；
41.出库监测设备，用于监测出库参数，以反馈出库过程中的出产蛋品的品质，其中，所述出库参数包括出库时的蛋品质量、蛋品污染物含量、蛋品营养含量中的至少一种。
42.进一步地，所述节点参数包括加工主节点参数，所述加工节点参数依次包括以下子节点参数：接收参数、清洗参数、消毒参数、干燥参数、涂膜参数、分级参数以及包装参数，对应的加工主节点监测设备包括：
43.接收监测设备，用于监测所述接收参数，以反馈加工过程中接收时的出产蛋品的质量和接收时的操作规范，其中，所述接收参数包括加工过程中接收时的蛋品质量、蛋品污染物含量、蛋品营养含量、接收操作图像中的至少一种；
44.清洗监测设备，用于监测所述清洗参数，以反馈清洗时的出产蛋品的清洁程度和清洗时的操作规范，其中，所述清洗参数包括清洗时的蛋品清洁度、清洗操作图像中的至少一种；
45.消毒监测设备，用于监测所述消毒参数，以反馈消毒时的出产蛋品的微生物含量情况和消毒时的操作规范，其中，所述消毒参数包括消毒时的蛋品微生物含量、消毒操作图像中的至少一种；
46.干燥监测设备，用于监测所述干燥参数，以反馈干燥时的出产蛋品的干燥程度和干燥时的操作规范，其中，所述干燥参数包括干燥时的蛋品表面水分含量、干燥操作图像中的至少一种：
47.涂膜监测设备，用于监测所述涂膜参数，以反馈涂膜时的出产蛋品的成膜程度和涂膜时的操作规范，其中，所述涂膜参数包括覆膜时的覆膜速度、蛋品覆膜面积、覆膜操作
图像中的至少一种：
48.分级监测设备，用于监测所述分级参数，以反馈分级时的出产蛋品的分级等级和分级时的操作规范，其中，所述分级参数包括蛋品大小等级、分级操作图像中的至少一种：
49.包装监测设备，用于监测所述包装参数，以反馈包装时的出产蛋品的包装情况和包装时的操作规范，其中，所述包装参数包括蛋品喷码速率、蛋品包装速率、包装操作图像中的至少一种。
50.进一步地，所述节点参数包括流通主节点参数，所述流通主节点参数包括以下子节点参数：接收参数、运输参数、下货参数，对应的流通节点监测设备包括：
51.接收监测设备，用于监测所述接收参数，以反馈流通过程中接收时的出产蛋品的质量和接收时的操作规范，其中，所述接收参数包括流通过程中接收时的蛋品质量、蛋品污染物含量、蛋品营养含量、接收操作图像中的至少一种；
52.运输监测设备，用于监测所述运输参数，以反馈运输时的轨迹情况，其中，所述运输参数包括运输路线、运输轨迹和运输时间中的至少一种；
53.下货检测设备，用于监测所述下货参数，以反馈下货时的蛋品的质量和下货时的操作规范，其中，所述下货参数包括流通过程中下货时的蛋品质量、蛋品污染物含量、蛋品营养含量、下货操作图像中的至少一种。
54.与现有技术相比，本发明的有益效果包括：首先，对洁蛋生产过程中每个生产主节点和子节点的节点参数进行全面有效的采集；然后，将每个待上传的节点参数转换为上传任务，并根据实际需求，对每个节点参数设置对应的优先度，结合待上传的上传任务的数据量和优先度，共同确定对应的分配权重，再基于分配权重对数据传输的总带宽和边缘服务器的总计算资源进行分配，从而充分考虑优先度(即实际传输要求)和数据量对网络资源分配的影响，进行有效的虚拟机资源分配，实时高效地上传至云平台；最后，云平台根据上传的节点参数进行数据处理，生成对应的溯源信息和预警信息，以此达到对整个生产链全面高效的监控。综上，本发明全面采集节点产业链上每个节点的信息，利用节点参数的数据量和优先度进行权重分配，从而进行资源分配，通过边缘管理器对每个节点参数的上传进行有效排序，并将多种节点参数通过云平台进行数据处理，达到有效的信息管理和信息溯源，保障了洁蛋生产的安全性，保证对监控过程中的各个节点参数的快速处理，进一步实现了洁蛋生产监控的高效性和准确性，有助于进行及时的反馈和预警，提高了洁蛋生产的安全性，除此之外，使所有任务传输时延接近平均时延，传输时延均方差较小，能够同时快速传输所有任务，具有良好的同步性。
附图说明
55.图1为本发明提供的洁蛋生产全链条信息实时上传方法的流程示意图；
56.图2为本发明提供的步骤s2的流程示意图一；
57.图3为本发明提供的步骤s2的流程示意图二；
58.图4为本发明提供的洁蛋生产全链条信息实时上传系统的结构示意图。
具体实施方式
59.下面结合附图来具体描述本发明的优选实施例，其中，附图构成本技术一部分，并
与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
60.实施例1
61.本发明实施例提供了一种洁蛋生产全链条信息实时上传方法，结合图1来看，图1为本发明提供的洁蛋生产全链条信息实时上传方法的流程示意图，上述洁蛋生产全链条信息实时上传方法包括步骤s1至步骤s3，其中：
62.在步骤s1中，采集多个节点参数，其中，所述节点参数包括在洁蛋生产过程中每个生产节点设置的传感器对应监测的参数；
63.在步骤s2中，根据每个所述节点参数对应的数据量，生成上传任务，并对每个所述上传任务设定对应的优先度，根据每个所述上传任务和对应的所述优先度，确定对应的分配权重，并根据所述分配权重和数据传输的总带宽，分配对应的分配带宽和传输时延，基于所述分配带宽和所述传输时延，对每个所述上传任务进行排序上传至所述云平台；
64.在步骤s3中，根据所述边缘服务器上传的所述上传任务中的每个所述节点参数进行数据处理，生成对应的溯源信息，用于记录洁蛋生产全链条信息，并根据所述节点参数，确定存在风险的所述生产节点，并生成对应的预警信息下发至所述生产节点。
65.在本发明实施例中，首先，对洁蛋生产过程中每个生产节点的节点参数进行全面有效的采集；然后，将每个待上传的节点参数转换为上传任务，并根据实际需求，对每个节点参数设置对应的优先度，结合待上传的上传任务的数据量和优先度，共同确定对应的分配权重，再基于分配权重对数据传输的总带宽和边缘服务器的总计算资源进行分配，从而充分考虑优先度(即实际传输要求)和数据量对网络资源分配的影响，进行有效的虚拟机资源分配，实时高效地上传至云平台；最后，云平台根据上传的节点参数进行数据处理，生成对应的溯源信息和预警信息，以此达到对整个生产链全面高校的监控。
66.优选地，结合图2来看，图2为本发明提供的步骤s2的流程示意图一，上述步骤s2包括步骤s21至步骤s22，其中：
67.在步骤s21中，根据每个所述生产节点的传感器每次采集上传的所述节点参数对应的数据量，生成对应的所述上传任务；
68.在步骤s22中，根据不同传感器的任务上传后的反馈时长，针对对应的所述上传任务设置所述优先度，其中，随着传感器的所述反馈时长的依次递减，对应的所述优先度依次递增。
69.作为具体实施例，本发明实施例设置合理的优先度，满足不同的数据传输需求。
70.在本发明一个具体的实施例中，根据每个任务响应需求，给每个任务设置不同的优先度，优先度分为5级，具体如下：
71.r
i
∈{1，2，...，5}，i＝1，2，...，20
72.其中，r＝1为优先度最低，r＝5为优先度最高，由r＝1至r＝5，优先度依次递增。优先度设置原则为，对于需要进行快速反馈的传感器任务设置较高的优先级进行处理，及时反馈通知进行保护抢救，设定优先度r＝5。
73.优选地，结合图3来看，图3为本发明提供的步骤s2的流程示意图二，上述步骤s2包括步骤s23至步骤s28，其中：
74.在步骤s23中，根据每个所述上传任务的数据量和所有所述上传任务的数据量之和的比值，确定对应的第一比例量；
75.在步骤s24中，根据每个所述上传任务的优先度和所有所述上传任务的优先度之和的比值，确定对应的第二比例量；
76.在步骤s25中，将所述第一比例量和预设的第一影响因子相乘，确定第一乘积值，将所述第二比例量和预设的第二影响因子相乘，确定第二乘积值；
77.在步骤s26中，根据所述第一乘积值和所述第二乘积值之和，确定对应的所述分配权重；
78.在步骤s27中，将所述分配权重分别和传输数据的总带宽、边缘服务器的计算总资源相乘，确定每个所述上传任务对应的所述分配带宽和分配资源；
79.在步骤s28中，根据每个所述上传任务的数据量和所述分配资源，确定对应的所述传输时延。
80.作为具体实施例，本发明实施例结合待上传的上传任务的数据量和优先度，共同确定对应的分配权重，再基于分配权重对数据传输的总带宽和边缘服务器的总计算资源进行分配，从而充分考虑优先度(即实际传输要求)和数据量对网络资源分配的影响。
81.优选地，所述第一影响因子和所述第二影响因子之和为预定的预设值。作为具体实施例，本发明实施例所述的预设值优选为1。
82.在本发明一个具体的实施例中，计算带宽及计算资源分配权重，如下式所示：
[0083][0084]
其中，d
i
为任务i的数据量，σd为总任务数据量，α数据量占比对分配权重参数的影响系数，r
i
为任务i的优先度，∑r为任务优先度的总数，1
‑
α优先度占比对分配权重参数的影响系数。
[0085]
根据分配权重，即可计算带宽以及计算资源的分配方案
[0086]
b
i
＝q
i
b
[0087][0088]
其中，b
i
为任务i在传输过程中所获取的通信带宽，b无线通信链路传输数据的总带宽，为边缘服务器分配的计算能力，f
e
边缘服务器的计算能力。
[0089]
下面以带宽优化为例详细说明权重分配的计算方法，根据数据量、带宽可以计算出传输时延，如下表1所示：
[0090]
表1
[0091]
数据量(mb)＜11～1010～2020～30带宽(mb)44070100传输时延(s)＜0.83＜0.83＜0.949＜0.997
[0092]
传输数据量的计算：任务1为养殖场温度传感器所采集的数据，每个数据大小为2byte，每秒采集一次，一小时采集的数据量为7200byte，约等于7kb，即d1＝7kb，其余19个任务，设定任务2至任务5数据量为15kb，任务6至任务15数据量为20kb，任务16至任务20数据量为25kb，任务数据总量为392kb，小于1mb，根据表3，传输带宽选为4mb。各任务传输数据量具体见下表2：
[0093]
表2
[0094]
任务编号数据量(kb)任务编号数据量(kb)1711202151220315132041514205151520620162572017258201825920192510202025
[0095]
分别采用两种不同方法分配带宽，具体如下：
[0096]
本发明所述方法：设定任务1优先度为1，任务2至任务5优先度为2，任务6至任务15优先度为3，任务16至任务20优先度为5。设数据量占比对分配权重参数的影响系数α为0.7，则优先度占比对分配权重参数的影响系数1
‑
α为0.3，根据上式可以计算出带宽分配及传输时延，如表3所示。
[0097]
平均分配法：二十个任务数据总量为392kb，分配的带宽为4m，将带宽按照任务数量进行平均分配，每个任务分配到的带宽为0.2m，各任务带宽分配及传输时延如表3所示。
[0098]
两种不同的带宽分配方法的结果比较如下：
[0099]
表3
[0100]
[0101][0102]
由上表可知，任务1～5，数据量小、优先度较低，采用权重优化法的传输时延大于平均分配法，任务6～15，权重优化法传输时延与平均分配法近似相等，任务16～20，数据量大、优先度较高，采用权重优化法的传输时延较平均分配法减小了0.1073s。采用权重优化法和平均分配发的平均传输时延分别为0.3211s和0.3179s，近似相等，传输时延均方差分别为0.0142和0.0736，权重优化法的传输时延均方差小于平均分配法，说明权重优化法性能更优。综上，权重优化法根据传输数据量及优先度分配带宽，数据量小、优先度低的任务，分配的带宽小，时延增大，但时延仍旧能够满足其响应需求，数据量大、优先度高的任务，分配的带宽多，使得其传输时延较小，满足其快速传输的需求，从而使所有任务传输时延接近平均时延，传输时延均方差较小，能够同时快速传输所有任务，具有良好的同步性。
[0103]
优选地，上述方法还包括：将多个养殖节点参数、多个收储节点参数、多个加工节点参数以及多个运输节点参数分别与对应的预存参数指标库进行对比，并根据参数对比结果对对应节点进行预警。由此，通过有效的数据比对进行预警。
[0104]
优选地，上述基于物联网的洁蛋全链条质量信息智能检测方法还包括：将出产洁蛋的生产信息转换为对应的rfid标签。由此，通过rfid标签的设置便于消费者的直接的信息溯源。
[0105]
在本发明一个具体的实施例中，多个加工节点参数包括加工过程中的操作视频流，其中：
[0106]
加工节点参数对应的边缘节点，具体用于将操作视频流中划分为多个视频帧序列组，调用api算法，统计多个视频帧序列组对应的目标识别数；还用于根据边缘节点上传到云平台的时延、带宽以及目标识别数，确定帧过滤模型，并根据帧过滤模型，去除多余的视频帧序列组，确定第一帧序列组；还用于根据第一帧序列组的图像信息熵，提取出第一帧序列组中的关键帧，确定第二帧序列组；
[0107]
边缘节点管理器，具体用于与多个边缘节点通信连接，用于根据多个第二帧序列组的目标识别数以及数据量进行分配虚拟机资源，确定第二帧序列组上传至云平台的上传顺序；
[0108]
云平台，具体用于对第二帧序列组中的每帧图像进行人体姿态估计，确定多个关节点的位置坐标；还用于根据第二帧序列组中相邻两帧图像之间的相同关节点的位置坐标变化量，确定关节点距离变化量矩阵；还用于对第二帧序列组进行平均划分，将每一段视频中相邻两帧产生的关节点距离变化量进行矩阵相加，得到各段累计距离变化量矩阵作为第二帧序列组的特征向量；还用于将特征向量输入至训练完备的深度学习模型中进行分类，确定对应的操作规范指数。
[0109]
在本发明一个具体的实施例中，在加工节点中，具体分为多个子节点，分别设立4路摄像机，一共24路摄像机。其中，24路摄像机进行加工过程全视频监测所需要的带宽与存储空间，包括摄像机向边缘节点传输视频数据的上行带宽，以及边缘节点接收视频数据的下行带宽，摄像机本地存储一个月的视频数据的存储空间，摄像机一个月清理一次视频数据，边缘节点的存储空间。
[0110]
其中，使用边缘计算的方法上传24路摄像机的视频图像，流程如下：
[0111]
第一步：在操作视频流中检测运动目标物体，对操作视频流的视频数据进行识别，判断是否存在运动目标，提取存在运动目标的提取视频片段，然后对提取到的提取视频数据进行下一步处理；
[0112]
其中，采用三帧差分法，提取存在运动目标的视频片段，具体公式描述如下：
[0113][0114]
其中g(x，y)是g1(x，y)与g2(x，y)进行逻辑相与的结果，判断连续三帧图像发生变化，则说明存在运动目标，提取存在运动目标的视频片段。由此，在进行操作行为规范的识别前，需要识别是否存在运动目标，即操作人员，存在操作人员才有进一步进行操作行为规范识别的意义，通过帧差法，提取存在运动目标的视频片段，去除冗余的视频片段，将存在运动目标的视频片段进行下一步处理。
[0115]
第二步：利用帧过滤模型进行预处理，其中帧过滤模型的公式如下：
[0116][0117]
[0118]
其中，o
i，s
为视频流s中的第i帧的目标识别数，d
up
为ecn上传视频帧数据量，d
max
为网络单位时间内允许传输最大数据量，t
d
为任务完成时间，τ
d
为完成该任务允许的最大处理时间，t
e
为s发送到云计算中心的总时延，t
c
为直传云平台的时延。由此，在当前网络传输能力和总时延均满足条件后，ecn controller分配上传通道，开始任务调度。其中，帧过滤主要是多路视频流数据冗余问题，在使用多路摄像机采集数据时，如果对所有视频数据进行处理，处理的时间会较长，且浪费资源，对于重复的视频内容，即不同的摄像机采集的同个场景内容，通过帧过滤，选取识别目标对象最多的视频，对该视频进行识别分析，以此减少数据处理的时间，解决视频数据冗余问题；
[0119]
第三步：进行关键帧的提取，具体流程如下：
[0120]
联合直方图表示两幅大小相同的图像i
i
和i
j
间其对应位置上像素对的灰度组合出现的频率。对于同为m
×
n的图像i
i
(x，y)、i
j
(x，y)，对应的像素值对(p,q)的联合概率表示为:
[0121][0122]
其中，
[0123]
根据上式可知，对所有可能的像素值对(p,q)求f(p，q)值，可得到图像i
i
(x，y)和i
j
(x，y)的联合直方图.联合直方图对称性定义为
[0124][0125]
其中，α是联合直方图对角线上的权值，在此为小于的正常量，而β＝(p
‑
q)
n
则表示远离对角线元素的权重,公式中n为整数,δ更直观地表示出了两帧之间的相似性，当δ越趋近于1，则表示联合直方图越对称，即说明两图像相似越大，当目标快速出现、亮度等视频内容发生较为明显变化时，帧间相似性也发生相应变化，一般相邻帧间的相似性δ∈[0，1]，为避免关键帧的遗漏，设阈值t
′
＝0.9。
[0126]
根据监控视频连续的特性，在一段连续变化的视频序列中，连续的前后视频帧存在的特征值是渐变的，即相邻帧的图像信息值变化不大。图像的熵信息体现了图像包含的信息量，而关键帧则是一段视频主要内容的代表，因此关键帧所含的信息量也相对较大.为减少数据的冗余，本文提出在间隔较近的视频序列中选取图像的信息熵值最大的一帧作为关键帧.图像信息嫡的计算公式为：
[0127][0128]
式中：n指图像的灰度级数，x
i
表示像素(x,y)的灰度值，p(x
i
)为各灰度级出现的概率。为防止提取的关键帧中由于光照变化等原因造成关键帧存在冗余，在相邻较近的候选帧中选取信息熵最大的一帧作为关键帧。间隔为20帧的非相邻帧间熵差则可明显地区分出来。由此，基于联合直方图将关键帧提取，关键候选帧序列间隔小于20时，选取信息熵最大的一帧作为关键帧.这样得到的关键帧即可有效地反映连续视频序列的主要内容，又减少
了数据的冗余。
[0129]
第四步：进行任务调度，具体流程如下：
[0130]
在ecn controller分配上传通道后，ecn反馈上传视频帧的队列信息。不同网络环境下，ecn集群动态调整后上传的视频流参数各不相同，为了方便ecn controller统一调度管理，将视频帧组的数据量表示为d
e，i
。ecn平均识别目标数可以表示为：
[0131][0132]
其中，为ecn平均识别目标数，d
e，i
为视频帧组的数据量，b
c
为链路容量，o
i
为第i帧的识别目标数。由此，ecn controller对于每个上传任务的调度分配有了统一度量标准
[0133]
在t时刻，集群中有n个ecn任务等待被调度，每个任务在r轮调度后的完成时间记为t
i
，在截止期之前调度完成才能达到ecn上传任务的有效性，完成时间满足t
i
＜τ
i
，，其中τ
i
是第i个ecn上传任务的最晚完成时间。任务调度需考虑系统有限的可用资源，不能超过阈值，有
[0134][0135]
其中，r为调度的轮数，为第i帧数据量，m
t
为任务调度资源的上限阈值；
[0136]
在考虑系统资源的分配情况和ecn上传符合截止期的条件下，任务调度时间模型为：
[0137][0138][0139]
其中，t
i
为调度后的完成时间，r为调度的轮数，d
i
为第i帧数据量，m
t
为任务调度资源的上限阈值，τ
i
为第i个ecn上传任务的最晚完成时间，由此，多路摄像机采集的视频流数据不能一起上传，需要分配好上传的资源与顺序，实现高效地传输。
[0140]
第五步：进行操作行为识别，具体流程如下：
[0141]
首先，提取视频中每帧人体关节点位置坐标：利用open
‑
pose方法对视频中每帧人体进行姿态估计，得到人体脖子、胸部、头部、右肩、左肩、右臀部、左臀部、右手肘、左手肘、右膝盖、左膝盖、右手腕、左手腕、右脚踝和左脚踝这15个关节点的位置坐标，其中第k个关节点的坐标表示为l
k
＝(x
k
，y
k
)，k从1到15；
[0142]
然后，对每个关节点的位置坐标进行归一化,用归一化之后的15个关节点位置坐标构成坐标矩阵p，其中(x
k
，y
k
)表示第k个关节点归一化之后的坐标；
[0143]
进而，计算相邻两帧人体关节点距离变化量矩阵：根据相邻两帧的坐标矩阵p
n
和
p
n
‑1，计算相邻两帧关节点位置坐标变化量矩阵,根据关节点位置坐标变化量矩阵计算关节点距离变化量矩阵d；
[0144]
进而，生成视频特征，按照视频的时间长度将视频平均分成4段，将每一段视频中相邻两帧产生的距离变化量矩阵d相加，得到各段累计距离变化量矩阵di，i从1到4，对di进行l2归一化，得到归一化之后的di'，将累计距离变化量矩阵di'串联起来作为整个视频的特征：f＝[d1',d2',d3',d4']；
[0145]
然后，使用神经网络对视频进行分类：将视频数据分成训练集和测试集两部分，将训练集视频的特征输入到神经网络中进行训练，得到训练好的神经网络分类模型，把测试集视频的特征输入到训练好的神经网络分类模型中得到分类结果。
[0146]
优选地，对运动目标进行检测，当摄像机采集到运动物体的视频数据时，根据算法检测分析，判断是否存在运动目标，将存在运动目标的视频数据进行上传，而不用上传所有视频数据，仅上传存在运动目标物体的视频数据，以此减少传输的数据量和数据传输的时间，节省带宽。可在目标检测阶段，使用帧间差分法进行运动目标检测，由此，通过帧间的图像差分判断是否存在运动目标，运动目标检测提取存在运动目标的视频片段，不处理无用视频片段。
[0147]
实施例2
[0148]
本发明实施例提供了一种洁蛋生产全链条信息实时上传系统，结合图4来看，图4为本发明提供的洁蛋生产全链条信息实时上传系统的结构示意图，上述洁蛋生产全链条信息实时上传系统包括：
[0149]
节点参数采集装置1，用于采集多个节点参数，其中，所述节点参数包括在洁蛋生产过程中每个生产节点设置的传感器对应监测的参数；
[0150]
边缘服务器2，用于根据每个所述节点参数对应的数据量，生成上传任务，并对每个所述上传任务设定对应的优先度；还用于根据每个所述上传任务和对应的所述优先度，确定对应的分配权重；还用于根据所述分配权重和数据传输的总带宽，确定对应的分配带宽和传输时延；还用于根据所述分配带宽和所述传输时延，对每个所述上传任务进行排序上传至所述云平台；
[0151]
云平台3，用于根据所述边缘服务器上传的所述上传任务中的每个所述节点参数进行数据处理，生成对应的溯源信息，用于记录洁蛋生产全链条信息；还用于根据所述节点参数，确定存在风险的所述生产节点，并生成对应的预警信息下发至所述生产节点。
[0152]
在本发明实施例中，通过设置节点参数采集装置对洁蛋生产过程中每个生产节点的节点参数进行全面有效的采集；通过设置边缘服务，将每个待上传的节点参数转换为上传任务，并根据实际需求，对每个节点参数设置对应的优先度，结合待上传的上传任务的数据量和优先度，共同确定对应的分配权重，再基于分配权重对数据传输的总带宽和边缘服务器的总计算资源进行分配，从而充分考虑优先度(即实际传输要求)和数据量对网络资源分配的影响，进行有效的虚拟机资源分配，实时高效地上传至云平台；通过设置云平台，根据上传的节点参数进行数据处理，生成对应的溯源信息和预警信息，以此达到对整个生产链全面高校的监控。
[0153]
优选地，所述节点参数包括养殖主节点参数，所述养殖节点参数依次包括以下子节点参数：种蛋参数、孵化参数、养殖参数以及产蛋参数，对应的养殖主节点监测设备包括：
种蛋监测设备，用于监测所述种蛋参数，以反馈种蛋验收过程中的品质情况，其中，所述种蛋参数包括种蛋验收时的蛋品质量、养殖场环境质量、污染物含量中的至少一种；孵化监测设备，用于监测所述孵化参数，以反馈孵化过程中的养殖情况，其中，所述孵化参数包括孵化时的蛋品质量、孵化图像、孵化场环境质量中的至少一种；养殖监测设备，用于监测所述养殖参数，以反馈饲养情况，其中，所述养殖参数包括养殖时的蛋品质量、鸡的健康状况、水质质量、饲料质量、养殖场环境质量中的至少一种；产蛋监测设备，用于监测所述产蛋参数，以反馈产蛋情况及蛋壳破损情况，其中，所述产蛋参数包括产蛋时的生产蛋品图像、蛋品污染物含量、蛋品营养含量中的至少一种。作为具体实施例，本发明实施例设置养殖主节点及其对应的子节点，保证养殖过程中的有效监控。
[0154]
需要说明的是，养殖主节点包括种蛋、孵化、养殖和产蛋等子节点。种蛋子节点使用全自动多功能蛋品检测仪器对种蛋质量进行检测，测量种蛋的蛋黄高度、种蛋重量、蛋白高度、蛋黄颜色、种蛋质量，并使用微生物快速检测系统检测种蛋表面的微生物数量，pcr方法检测禽流感病毒，使用环境监测设备监测车间的温度，湿度，光照等。孵化子节点使用视频监测仪监测孵化情况，如孵化率、死亡率，用环境监测系统检测孵化过程中孵化情况，测量温度、湿度、风速、日照等。养殖子节点使用视频监测仪监测饲养情况，如生长速度、疾病情况等，用环境监测系统检测养殖过程中环境因素如温度、湿度、风速、日照等，用水质监测系统测量水体bod5、codcr、悬浮物、水温、ph值、温度，用饲料监测系统检测饲料抗生素、重金属、农药残留等。产蛋子节点使用视频监测仪检测产蛋情况及蛋壳破损情况，使用重金属快速检测系统检测重金属污染物(如镉)，使用真菌毒素快检系统检测毒素(如金霉素)，使用农药残留快速检测仪检测农残(如六六六)，使用在线式近红外光谱分析仪检测蛋白质、水分以及脂肪等。
[0155]
优选地，所述节点参数包括收储主节点参数，所述收储主节点参数依次包括以下子节点参数：入库参数、存储参数、出库参数，对应的收储节点监测设备包括：入库监测设备，用于监测所述入库参数，以反馈入库过程中的出产蛋品的品质，其中，所述入库参数包括入库时的蛋品质量、蛋品污染物含量、蛋品营养含量中的至少一种；存储监测设备，用于监测存储参数，以反馈存储过程中的环境情况，其中，所述存储参数包括仓库温湿度、仓库洁净度和仓库二氧化碳含量中的至少一种；出库监测设备，用于监测出库参数，以反馈出库过程中的出产蛋品的品质，其中，所述出库参数包括出库时的蛋品质量、蛋品污染物含量、蛋品营养含量中的至少一种。作为具体实施例，本发明实施例设置收储节点及其对应的子节点，保证收储过程中的有效监控。
[0156]
需要说明的是，收储主节点包括入库、存储和出库等子节点。入库子节点使用全自动多功能蛋品检测仪器检测种蛋重量、蛋白高度、蛋黄颜色、蛋黄高度、种蛋质量，检测蛋品的品质，使用重金属快速检测系统检测重金属污染物(如镉)，使用真菌毒素快检系统检测毒素(如金霉素)，使用农药残留快速检测仪检测农残(如六六六)，使用在线式近红外光谱分析仪检测蛋白质、水分以及脂肪等。存储子节点使用视频监测仪监测仓库内存放情况，是否有其他生物(如老鼠、虫子)，使用pm2.5监测仓库内灰尘含量，使用电子鼻监测库内霉味和气体(co2、ph3)，使用温湿度传感器监测仓库温湿度，保证仓储环境适宜。出库子节点使用全自动多功能蛋品检测仪器检测种蛋重量、蛋白高度、蛋黄颜色、蛋黄高度、种蛋质量，检测蛋品的品质，使用重金属快速检测系统检测重金属污染物(如镉)，使用真菌毒素快检系
统检测毒素(如金霉素)，使用农药残留快速检测仪检测农残(如六六六)，使用在线式近红外光谱分析仪检测蛋白质、水分以及脂肪等。
[0157]
优选地，所述节点参数包括加工主节点参数，所述加工节点参数依次包括以下子节点参数：接收参数、清洗参数、消毒参数、干燥参数、涂膜参数、分级参数以及包装参数，对应的加工节点监测设备包括：接收监测设备，用于监测所述接收参数，以反馈加工过程中接收时的出产蛋品的质量和接收时的操作规范，其中，所述接收参数包括加工过程中接收时的蛋品质量、蛋品污染物含量、蛋品营养含量、接收操作图像中的至少一种；清洗监测设备，用于监测所述清洗参数，以反馈清洗时的出产蛋品的清洁程度和清洗时的操作规范，其中，所述清洗参数包括清洗时的蛋品清洁度、清洗操作图像中的至少一种；消毒监测设备，用于监测所述消毒参数，以反馈消毒时的出产蛋品的微生物含量情况和消毒时的操作规范，其中，所述消毒参数包括消毒时的蛋品微生物含量、消毒操作图像中的至少一种；干燥监测设备，用于监测所述干燥参数，以反馈干燥时的出产蛋品的干燥程度和干燥时的操作规范，其中，所述干燥参数包括干燥时的蛋品表面水分含量、干燥操作图像中的至少一种：涂膜监测设备，用于监测所述涂膜参数，以反馈涂膜时的出产蛋品的成膜程度和涂膜时的操作规范，其中，所述涂膜参数包括覆膜时的覆膜速度、蛋品覆膜面积、覆膜操作图像中的至少一种：分级监测设备，用于监测所述分级参数，以反馈分级时的出产蛋品的分级等级和分级时的操作规范，其中，所述分级参数包括蛋品大小等级、分级操作图像中的至少一种：包装监测设备，用于监测所述包装参数，以反馈包装时的出产蛋品的包装情况和包装时的操作规范，其中，所述包装参数包括蛋品喷码速率、蛋品包装速率、包装操作图像中的至少一种。作为具体实施例，本发明实施例设置加工节点及其对应的子节点，保证加工过程中的有效监控。
[0158]
需要说明的是，加工主节点包括接收，清洗，消毒，干燥，涂膜，分级，包装等子节点。接收子节点使用全自动多功能蛋品检测仪器检测种蛋重量、蛋白高度、蛋黄颜色、蛋黄高度、种蛋质量，检测蛋品的品质，使用重金属快速检测系统检测重金属污染物(如镉)，使用真菌毒素快检系统检测毒素(如金霉素)，使用农药残留快速检测仪检测农残(如六六六)，使用在线式近红外光谱分析仪检测蛋白质、水分以及脂肪等。清洗子节点使用全自动洗蛋机去除蛋品表面的杂质，检测杂质总量，使用视频监测仪监测操作人员操作规范。消毒子节点使用紫外线杀菌机检测杀菌率，除去蛋壳表面的大肠杆菌，沙门氏菌等有害菌种，使用视频监测仪监测操作人员操作规范。干燥子节点使用烘干机检测蛋壳表面的水分含量，使用视频监测仪监测操作人员操作规范。涂膜子节点使用自动涂膜机进行涂膜，使用视频监测仪监测操作人员操作规范。分级子节点使用全自动蛋品分选机对不同大小，质量的蛋品进行分级，使用视频监测仪监测操作人员操作规范。包装子节点使用视频监测仪监测操作人员操作规范和包装效果。
[0159]
优选地，所述节点参数包括流通主节点参数，所述流通主节点参数包括以下子节点参数：流通接收参数、运输参数、下货参数，对应的流通节点监测设备包括：流通接收监测设备，用于监测所述流通接收参数，以反馈流通过程中接收时的出产蛋品的质量和接收时的操作规范，其中，所述接收参数包括流通过程中接收时的蛋品质量、蛋品污染物含量、蛋品营养含量、接收操作图像中的至少一种；运输监测设备，用于监测所述运输参数，以反馈运输时的轨迹情况，其中，所述运输参数包括运输路线、运输轨迹和运输时间中的至少一种；下货监测设备，用于监测下货参数，以反馈下货时的蛋品的质量和下货时的操作规范，
其中，所述下货参数包括流通过程中下货时的蛋品质量、蛋品污染物含量、蛋品营养含量、下货操作图像中的至少一种。作为具体实施例，本发明实施例设置流通节点及其对应的子节点，保证流通过程中的有效监控。
[0160]
需要说明的是，流通主节点包括接收、运输和下货子节点。接收子节点使用rfid记录节点代码及洁蛋生产全链条食品安全数据，使用全自动多功能蛋品检测仪器检测洁蛋杂质含量、洁蛋重量、蛋白高度、蛋黄颜色、蛋黄高度、洁蛋质量，使用重金属快速检测系统检测重金属污染物(如镉)，使用真菌毒素快检系统检测毒素(金霉素)，使用农药残留快速检测仪检测农残(如六六六)，使用在线式近红外光谱分析仪检测蛋白质、水分以及脂肪，保证成品的品质，并上传到食品安全大数据平台，与加工成品子节点数据以及国家标准数据对比，如果产品符合质量与食品安全要求，即可进入下一个运输子节点。运输子节点使用北斗导航记录运输路线和轨迹以及运输的时间，实现对运输过程的跟踪定位。下货子节点使用全自动多功能蛋品检测仪器检测洁蛋杂质含量、洁蛋重量、蛋白高度、蛋黄颜色、蛋黄高度、洁蛋质量，使用重金属快速检测系统检测重金属污染物(如镉)，使用真菌毒素快检系统检测毒素(如金霉素)，使用农药残留快速检测仪检测农残(如六六六)，使用在线式近红外光谱分析仪检测蛋白质、水分以及脂肪，保证运输过后洁蛋的品质。
[0161]
需要说明的是，运输子节点监测系统包括视频监测仪，北斗导航仪。使用北斗导航监测系统对整个运输的路线、轨迹以及时间进行记录，使用视频监测仪监测运输全过程的状态。将上述监测信号实时上传到视频安全大数据平台，管理人员能够实时地通过设备对洁蛋的运输状况进行查看，能够查看到洁蛋运输的起点、运输的终点、运输的规划路线、运输的实际路线、计划运输时间、目前运输时间、运输人员信息，洁蛋的节点代码，实现对洁蛋运输过程全透明化追踪，能够保证洁蛋运输效率，防止运输人员偷换洁蛋，谋取私利，做到有效监督。
[0162]
具体地，上述节点监测过程中的监测设备包括视频监测仪，视频监测仪将采集到的视频数据传输到边缘服务器，边缘服务器通过ai智能分析，分析操作人员的穿戴是否符合规范要求，如果不符合要求，发出报警信号，同时，还会实时监控操作人员的动作规范性，与相应的操作规范进行对比，发现存在不符合规范要求的动作行为，将会发送警报给管理人员，管理人员及时查看与处理。如操作人员在车间是否有吃东西、抽烟、打电话等不符合规范要求的动作。
[0163]
优选地，在上述加工节点中的成品子节点，进行成品验收时，符合要求洁蛋产品，在包装上贴上rfid标签，并将产品代码、生产企业、产地、生产日期、上述全链条检测的数据等写入rfid标签，备查。
[0164]
优选地，云平台3包括大数据采集模块、大数据汇集模块、大数据整理模块、大数据分析模块、大数据展示模块、大数据应用模块、大数据服务模块。作为具体实施例，本发明实施例设置云平台，采取多种大数据处理的方式，对各个节点的监测数据进行处理，分析每个环节的状态，以便对各个环节进行有效的预警。
[0165]
优选地，大数据应用模块包括风险分析单元，其中：风险分析单元，用于将多个养殖节点参数、多个收储节点参数、多个加工节点参数以及多个运输节点参数分别与对应的预存参数指标库进行对比，并根据参数对比结果进行预警。作为具体实施例，本发明实施例设置风险分析单元，对监测参数进行有效的比对处理，以此快速定位异常状态，进行有效的
预警，保证洁蛋生产每个环节的安全性。
[0166]
优选地，多个加工节点参数包括操作图像，风险分析单元具体用于将操作图像与对应的预存操作图像标准库进行匹配，若不匹配，则进行预警。作为具体实施例，本发明实施例采用图像识别的方式，利用深度学习、模式识别等数据处理方式，识别操作不规范的场景，防止操作人员的误操作对洁蛋品质带来的损害。
[0167]
本发明公开了一种洁蛋生产全链条信息实时上传方法及系统，首先，对洁蛋生产过程中每个生产节点的节点参数进行全面有效的采集；然后，将每个待上传的节点参数转换为上传任务，并根据实际需求，对每个节点参数设置对应的优先度，结合待上传的上传任务的数据量和优先度，共同确定对应的分配权重，再基于分配权重对数据传输的总带宽和边缘服务器的总计算资源进行分配，从而充分考虑优先度(即实际传输要求)和数据量对网络资源分配的影响，进行有效的虚拟机资源分配，实时高效地上传至云平台；最后，云平台根据上传的节点参数进行数据处理，生成对应的溯源信息和预警信息，以此达到对整个生产链全面高效的监控。
[0168]
本发明技术方案，全面采集节点产业链上每个节点的信息，利用节点参数的数据量和优先度进行权重分配，从而进行资源分配，通过边缘管理器对每个节点参数的上传进行有效排序，并将多种节点参数通过云平台进行数据处理，达到有效的信息管理和信息溯源，保障了洁蛋生产的安全性，保证对监控过程中的各个节点参数的快速处理，进一步实现了洁蛋生产监控的高效性和准确性，有助于进行及时的反馈和预警，提高了洁蛋生产的安全性，除此之外，使所有任务传输时延接近平均时延，传输时延均方差较小，能够同时快速传输所有任务，具有良好的同步性。
[0169]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。