一种农产品图像处理与区块链交互识别方法及系统与流程

本发明涉及图像处理技术领域，具体涉及一种农产品图像处理与区块链交互识别方法及系统。

背景技术：

传统农产品溯源方法一般通过在农产品上粘贴固定不变的溯源码，采用扫码方式关联到农产品溯源信息。传统溯源方法中，溯源码直接粘贴在农产品上，一旦农产品进入流通环节，农产品有被掉包的可能，从而溯源码信息的真实性无法得到保证。而区块链只能提供信息化的技术，并不能解决农产品掉包的问题。

技术实现要素：

针对上述问题，本发明提供一种农产品图像处理与区块链交互识别方法及系统。

本发明的目的采用以下技术方案来实现：

本发明第一方面提供了一种农产品图像处理与区块链交互识别方法，该方法包括以下步骤：

获取目标农产品在第一生长阶段的第一图像信息，对所述第一图像信息进行指纹提取，得到该目标农产品的第一指纹信息，将所述第一生长阶段的时间信息、第一图像信息与所述第一指纹信息作为目标农产品的溯源信息，并存储在区块链上；

接收目标农产品的更新信息，所述更新信息包括目标农产品在第二生长阶段的第二图像信息，以及所述第二生长阶段的时间信息；

根据所述溯源信息对所述更新信息进行验证，在验证成功后将所述更新信息存储在所述区块链上。

根据本发明第一方面的一种能够实现的方式，所述区块链上还存储有与所述第一指纹信息关联的目标农产品在多个生长阶段的标准图像信息；

根据所述溯源信息对所述更新信息进行验证，包括：

根据所述第二生长阶段的时间信息确定对应的标准图像信息；

将所述第二图像信息与所述标准图像信息进行匹配。

根据本发明第一方面的一种能够实现的方式，根据所述溯源信息对所述更新信息进行验证，包括：对所述第二图像信息进行指纹提取，得到该目标农产品的第二指纹信息，将所述第一指纹信息和第二指纹信息进行比对。

根据本发明第一方面的一种能够实现的方式，对所述第一图像信息进行指纹提取，包括：

对所述第一图像信息进行图像分割处理；

将分割处理后的图像输入到基于深度学习训练得到的神经网络模型，获取所述神经网络模型输出的对农产品分类有区分度的特征向量作为该目标农产品的第一指纹信息。

根据本发明第一方面的一种能够实现的方式，所述神经网络模型具体采用基于tensorflow框架搭建的lenet-5卷积神经网络模型，其中所述lenet-5卷积神经网络模型包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层和第二全连接层；

该方法还包括：获取所述第二全连接层输出的特征向量作为该目标农产品的第一指纹信息。

本发明第二方面提供了一种农产品图像处理与区块链交互识别系统，所述系统包括：

处理模块，用于获取目标农产品在第一生长阶段的第一图像信息，对所述第一图像信息进行指纹提取，得到该目标农产品的第一指纹信息，将所述第一生长阶段的时间信息、第一图像信息与所述第一指纹信息作为目标农产品的溯源信息，并存储在区块链上；

接收模块，用于接收目标农产品的更新信息，所述更新信息包括目标农产品在第二生长阶段的第二图像信息，以及所述第二生长阶段的时间信息；

验证模块，用于根据所述溯源信息对所述更新信息进行验证，在验证成功后将所述更新信息存储在所述区块链上。

本发明第三方面提供了一种农产品图像处理与区块链交互识别设备，包括：处理器；以及被配置成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器实现上述方法的步骤。

本发明第四方面提供了一种计算机存储介质，用于存储计算机可执行指令，其特征在于，所述计算机可执行指令在被执行时实现上述方法的步骤。

本发明的有益效果为：本发明将区块链技术应用于农产品的追溯中，区块链技术可以用于防范造假制假，提升供应链上农产品信息的透明度和真实性，数据不可篡改与交易可追溯两大特性相结合，能够在一定程度上解决供应链内农产品流转过程中的假冒伪劣问题；基于最初始的溯源信息，利用图像识别技术对进一步上报的更新信息进行验证，实现了在源头上解决溯源数据真实性问题，确保所上报的相关溯源数据的真实度，让产品生产的上下游相互监督，让假数据无法上链。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1为本发明一个示例性实施例的一种农产品图像处理与区块链交互识别方法的流程示意图。

图2为本发明一个示例性实施例的一种农产品图像处理与区块链交互识别系统的结构示意图。

附图标记：

处理模块1、接收模块2、验证模块3。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本发明第一方面实施例提供了一种农产品图像处理与区块链交互识别方法，该方法包括以下步骤：

s1获取目标农产品在第一生长阶段的第一图像信息，对所述第一图像信息进行指纹提取，得到该目标农产品的第一指纹信息，将所述第一生长阶段的时间信息、第一图像信息与所述第一指纹信息作为目标农产品的溯源信息，并存储在区块链上。其中，区块链能够在不引入第三方中介机构的情况下，提供去中心化、不可篡改、安全可靠等特性保证。区块链具有分布式存储以及不可篡改性，从而能够防止该溯源信息发生数据丢失或数据篡改。

在一种实施方式中，将溯源信息存储在区块链上，包括：通过区块链协议将所述溯源信息进行加密处理；以及将加密处理之后的所述溯源信息储存至所述区块中。加密技术使用一种加密算法对原始数据进行加密，如rsa265，md5等。

s2接收目标农产品的更新信息，所述更新信息包括目标农产品在第二生长阶段的第二图像信息，以及所述第二生长阶段的时间信息。

所述的更新信息可以由用户节点进行发送。用户节点可以为农产品的物流商节点、农产品品牌商节点、租赁平台节点或者交易平台节点。

s3根据所述溯源信息对所述更新信息进行验证，在验证成功后将所述更新信息存储在所述区块链上。在一种能够实现的方式中，所述区块链上还存储有与所述第一指纹信息关联的目标农产品在多个生长阶段的标准图像信息；

根据所述溯源信息对所述更新信息进行验证，包括：

根据所述第二生长阶段的时间信息确定对应的标准图像信息；

将所述第二图像信息与所述标准图像信息进行匹配。

本实施例将目标农产品更新信息的上报，看成农产品的生长时间序，农产品的前后阶段在外观以及最终产品方面有连续性，使用图像识别技术可以获得农产品上报的溯源信息在外观一致性上是否符合农产品的生长规律以此推断上报的更新信息是否正确，让产品生产的上下游相互监督，让假数据无法上链。

在另一种实施方式中，根据所述溯源信息对所述更新信息进行验证，包括：对所述第二图像信息进行指纹提取，得到该目标农产品的第二指纹信息，将所述第一指纹信息和第二指纹信息进行比对。

根据本发明第一方面的一种能够实现的方式，对所述第一图像信息进行指纹提取，包括：

对所述第一图像信息进行图像分割处理；

将分割处理后的图像输入到基于深度学习训练得到的神经网络模型，获取所述神经网络模型输出的对农产品分类有区分度的特征向量作为该目标农产品的第一指纹信息。

根据本发明第一方面的一种能够实现的方式，所述神经网络模型具体采用基于tensorflow框架搭建的lenet-5卷积神经网络模型，其中所述lenet-5卷积神经网络模型包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层和第二全连接层；

该方法还包括：获取所述第二全连接层输出的特征向量作为该目标农产品的第一指纹信息。

如图2所示，本发明第二方面实施例提供了一种农产品图像处理与区块链交互识别系统，所述系统包括：

处理模块1，用于获取目标农产品在第一生长阶段的第一图像信息，对所述第一图像信息进行指纹提取，得到该目标农产品的第一指纹信息，将所述第一生长阶段的时间信息、第一图像信息与所述第一指纹信息作为目标农产品的溯源信息，并存储在区块链上；

接收模块2，用于接收目标农产品的更新信息，所述更新信息包括目标农产品在第二生长阶段的第二图像信息，以及所述第二生长阶段的时间信息；

验证模块3，用于根据所述溯源信息对所述更新信息进行验证，在验证成功后将所述更新信息存储在所述区块链上。

本发明第三方实施例面提供了一种农产品图像处理与区块链交互识别设备，包括：处理器；以及被配置成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器实现上述方法的步骤。

本发明第四方面实施例提供了一种计算机存储介质，用于存储计算机可执行指令，其特征在于，所述计算机可执行指令在被执行时实现上述方法的步骤。

本发明上述实施例将区块链技术应用于农产品的追溯中，区块链技术可以用于防范造假制假，提升供应链上农产品信息的透明度和真实性，数据不可篡改与交易可追溯两大特性相结合，能够在一定程度上解决供应链内农产品流转过程中的假冒伪劣问题；基于最初始的溯源信息，利用图像识别技术对进一步上报的更新信息进行验证，实现了在源头上解决溯源数据真实性问题，确保所上报的相关溯源数据的真实度，让产品生产的上下游相互监督，让假数据无法上链。

在本说明书所描述的区块链，具体可以包括允许农产品作为成员接入的任意类型的区块链网络。例如，在一个场景中，上述区块链具体可以是一个由农产品的生产商的终端设备、农产品流转渠道上的各级供应商、中间商等农产品流转方的终端设备、若干普通消费者的移动端设备组成的联盟链。该联盟链的运营方可以依托于该联盟链，来部署对农产品进行溯源的在线业务。该联盟链中除了生产商以外的任一个供应商、中间商、或者普通消费者，均可以通过接入的成员节点设备对已经在区块链上存储有溯源信息的农产品进行溯源。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。