一种水果质量识别方法及系统与流程

本发明涉及水果质量识别领域，特别是涉及一种水果质量识别方法及系统。

背景技术：

随着人类生活质量的提高，对于食物质量的要求也越来越高，而水果作为多种维生素的营养来源，水果质量更受重视，在水果成箱装配时，通常情况下，会按照水果大小以及水果成熟情况进行分类装配，水果个头大且成熟度高为质量优的水果，水果个头大但成熟度低的水果或水果个头小但成熟度高的水果为质量中等的水果，水果个头小且成熟度低的水果为质量差的水果；根据水果质量的区别确定水果质量不同的水果价格。

目前，采用人工方式，根据水果质量对水果进行分类装配，但是这种人工分类装配方式费时费力，且由于人的主观意识强烈以及人眼无法直接确定水果的成熟情况，无法精确识别水果质量，分类精度低。

技术实现要素：

本发明的目的是提供一种水果质量识别方法及系统，以解决水果质量无法精确识别的问题。

为实现上述目的，本发明提供了如下方案：

一种水果质量识别方法，包括：

获取多种水果的历史水果参数以及历史水果质量；所述历史水果参数包括水果类型、水果体积、气味、硬度、颜色以及敲打回声；所述历史水果质量包括优质质量、中等质量以及低质量；

以所述历史水果参数为输入，以所述历史水果质量为输出，建立水果质量识别模型；

获取被测水果的被测水果参数；

将所述被测水果参数输入至所述水果质量识别模型，确定所述被测水果的第一水果质量。

可选的，所述以所述历史水果参数为输入，以所述历史水果质量为输出，建立水果质量识别模型，具体包括：

以所述历史水果参数为输入，以所述历史水果质量为输出，利用卷积神经网络建立水果质量识别模型。

可选的，所述将所述被测水果参数输入至所述水果质量识别模型，确定所述被测水果的第一水果质量之前，还包括：

判断所述被测水果参数内的水果类型是否与所述历史水果参数中的水果类型相同，得到第一判断结果；

若所述第一判断结果表示为所述被测水果参数内的水果类型与所述历史水果参数中的水果类型相同，根据所述水果质量识别模型确定所述被测水果的第一水果质量；

若所述第一判断结果表示为所述被测水果参数内的水果类型不与所述历史水果参数中的水果类型相同，获取所述被测水果的含糖量；

根据所述被测水果的含糖量确定所述被测水果的成熟程度；

判断所述成熟程度是否在成熟程度阈值范围内，得到第二判断结果；

若所述第二判断结果表示为所述成熟程度在成熟程度阈值范围内，根据所述被测水果参数内的水果体积确定第二水果质量。

可选的，所述根据所述被测水果参数内的水果体积确定第二水果质量之后，还包括：

向所述历史水果参数添加不与所述历史水果参数中的水果类型相同的水果类型，得到更新后的历史水果参数；

向所述历史水果质量添加所述第二水果质量，得到更新后的历史水果质量；

将所述更新后的历史水果参数作为输入，以所述更新后的历史水果质量作为输出，重新建立水果质量识别模型。

一种水果质量识别系统，包括：

历史水果参数以及历史水果质量获取模块，用于获取多种水果的历史水果参数以及历史水果质量；所述历史水果参数包括水果类型、水果体积、气味、硬度、颜色以及敲打回声；所述历史水果质量包括优质质量、中等质量以及低质量；

水果质量识别模型建立模块，用于以所述历史水果参数为输入，以所述历史水果质量为输出，建立水果质量识别模型；

被测水果参数获取模块，用于获取被测水果的被测水果参数；

第一水果质量第一确定模块，用于将所述被测水果参数输入至所述水果质量识别模型，确定所述被测水果的第一水果质量。

可选的，所述水果质量识别模型建立模块具体包括：

水果质量识别模型建立单元，用于以所述历史水果参数为输入，以所述历史水果质量为输出，利用卷积神经网络建立水果质量识别模型。

可选的，还包括：

第一判断模块，用于判断所述被测水果参数内的水果类型是否与所述历史水果参数中的水果类型相同，得到第一判断结果；

第一水果质量第二确定模块，用于若所述第一判断结果表示为所述被测水果参数内的水果类型与所述历史水果参数中的水果类型相同，根据所述水果质量识别模型确定所述被测水果的第一水果质量；

含糖量获取模块，用于若所述第一判断结果表示为所述被测水果参数内的水果类型不与所述历史水果参数中的水果类型相同，获取所述被测水果的含糖量；

成熟程度确定模块，用于根据所述被测水果的含糖量确定所述被测水果的成熟程度；

第二判断模块，用于判断所述成熟程度是否在成熟程度阈值范围内，得到第二判断结果；

第二水果质量确定模块，用于若所述第二判断结果表示为所述成熟程度在成熟程度阈值范围内，根据所述被测水果参数内的水果体积确定第二水果质量。

可选的，还包括：

历史水果参数更新模块，用于向所述历史水果参数添加不与所述历史水果参数中的水果类型相同的水果类型，得到更新后的历史水果参数；

历史水果质量更新模块，用于向所述历史水果质量添加所述第二水果质量，得到更新后的历史水果质量；

水果质量识别模型重建模块，用于将所述更新后的历史水果参数作为输入，以所述更新后的历史水果质量作为输出，重新建立水果质量识别模型。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供了一种水果质量识别方法及系统，根据历史水果参数以及历史水果质量建立水果质量识别模型，根据该水果质量识别模型确定被测水果的水果质量，从而实现自动识别水果质量，提高水果质量的识别效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明所提供的水果质量识别方法流程图；

图2为本发明所提供的水果质量识别系统结构图。

具体实施方式

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。

本发明的目的是提供一种水果质量识别方法及系统，能够提高水果质量识别精度。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明所提供的水果质量识别方法流程图，如图1所示，一种水果质量识别方法，包括：

步骤101：获取多种水果的历史水果参数以及历史水果质量；所述历史水果参数包括水果类型、水果体积、气味、硬度、颜色以及敲打回声等；所述历史水果质量包括优质质量、中等质量以及低质量。

大部分的常见水果可以通过颜色来判断是否成熟，偏黄色就标志着成熟，而青色就表示没有成熟，例如香蕉、苹果和梨子，都可以通过这样的方法来判断；当然，对于苹果来说，有一些特殊的种类，可能成熟了也是青色，这样的苹果只能通过表明光泽和褶皱来判断。

一些水果是无法从颜色来判断成熟度的，但可以通过坚硬程度来判断，比如鳄梨、芒果这样的水果；从颜色上基本看不出什么变化，可以通过按压测试的方法来判断，如果坚硬，按不下去，就是还没成熟，如果柔软有弹性，就表示成熟了。

大部分瓜类可以通过敲击声音来判断，当然甜瓜和南瓜到底是蔬菜还是水果，其实并不重要，如西瓜在敲击的过程中，如果出现沉闷的声音，就表示熟了；当然，瓜类水果也可以使用按压方法来检测成熟度，比如哈密瓜，如果成熟了，外壳会变软，按压有弹性。

柑橘类水果的一般不会成熟太早，颜色也没有办法说明他们的成熟度。比如说柠檬，是否成熟，颜色变化都不是很大，因此，判断柑橘类水果通常的方法是果皮是否紧致，如果太紧，说明还没有成熟，如果太松，说明已经放了很长时间了。

本发明通过获取多种水果的历史水果参数以及历史水果质量进行建立水果质量识别模型，极大程度提高了水果质量识别模型的识别精度，从而更有具有说服力。

步骤102：以所述历史水果参数为输入，以所述历史水果质量为输出，建立水果质量识别模型。

所述步骤102具体包括：以所述历史水果参数为输入，以所述历史水果质量为输出，利用卷积神经网络建立水果质量识别模型。

步骤103：获取被测水果的被测水果参数。

步骤104：将所述被测水果参数输入至所述水果质量识别模型，确定所述被测水果的第一水果质量。

所述步骤104之前，还包括：判断所述被测水果参数内的水果类型是否与所述历史水果参数中的水果类型相同，若是，根据所述水果质量识别模型确定所述被测水果的第一水果质量；若否，获取所述被测水果的含糖量；根据所述被测水果的含糖量确定所述被测水果的成熟程度；判断所述成熟程度是否在成熟程度阈值范围内，若是，根据所述被测水果参数内的水果体积确定第二水果质量。

所述根据所述被测水果参数内的水果体积确定第二水果质量之后，还包括：向所述历史水果参数添加不与所述历史水果参数中的水果类型相同的水果类型，得到更新后的历史水果参数；向所述历史水果质量添加所述第二水果质量，得到更新后的历史水果质量；将所述更新后的历史水果参数作为输入，以所述更新后的历史水果质量作为输出，重新建立水果质量识别模型。

图2为本发明所提供的水果质量识别系统结构图，如图2所示，一种水果质量识别系统，包括：

历史水果参数以及历史水果质量获取模块201，用于获取多种水果的历史水果参数以及历史水果质量；所述历史水果参数包括水果类型、水果体积、气味、硬度、颜色以及敲打回声；所述历史水果质量包括优质质量、中等质量以及低质量。

水果质量识别模型建立模块202，用于以所述历史水果参数为输入，以所述历史水果质量为输出，建立水果质量识别模型。

所述水果质量识别模型建立模块202具体包括：水果质量识别模型建立单元，用于以所述历史水果参数为输入，以所述历史水果质量为输出，利用卷积神经网络建立水果质量识别模型。

被测水果参数获取模块203，用于获取被测水果的被测水果参数。

第一水果质量第一确定模块204，用于将所述被测水果参数输入至所述水果质量识别模型，确定所述被测水果的第一水果质量。

本发明还包括：第一判断模块，用于判断所述被测水果参数内的水果类型是否与所述历史水果参数中的水果类型相同，得到第一判断结果；第一水果质量第二确定模块，用于若所述第一判断结果表示为所述被测水果参数内的水果类型与所述历史水果参数中的水果类型相同，根据所述水果质量识别模型确定所述被测水果的第一水果质量；含糖量获取模块，用于若所述第一判断结果表示为所述被测水果参数内的水果类型不与所述历史水果参数中的水果类型相同，获取所述被测水果的含糖量；成熟程度确定模块，用于根据所述被测水果的含糖量确定所述被测水果的成熟程度；第二判断模块，用于判断所述成熟程度是否在成熟程度阈值范围内，得到第二判断结果；第二水果质量确定模块，用于若所述第二判断结果表示为所述成熟程度在成熟程度阈值范围内，根据所述被测水果参数内的水果体积确定第二水果质量。

本发明还包括：历史水果参数更新模块，用于向所述历史水果参数添加不与所述历史水果参数中的水果类型相同的水果类型，得到更新后的历史水果参数；历史水果质量更新模块，用于向所述历史水果质量添加所述第二水果质量，得到更新后的历史水果质量；水果质量识别模型重建模块，用于将所述更新后的历史水果参数作为输入，以所述更新后的历史水果质量作为输出，重新建立水果质量识别模型。

采用本发明所提供的水果质量识别方法及系统能够极大的简化了水果质量识别过程，自动识别出水果质量，避免人为因素的影响，提高水果质量识别精度。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。