基于物联网的稻米全链条质量信息智能检测系统及方法

技术领域

本发明涉及农业信息技术领域，尤其涉及一种基于物联网的稻米全链条质量信息智能检测系统及方法。

背景技术

大米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。大米生产的产业链包括种植、收储、加工、流通四个节点，其中，每个节点都会影响出产大米的产量和质量。现有技术中，往往分别对大米生成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，如何对大米生产的产业链进行高效全面的监测是亟待解决的问题。

发明内容

有鉴于此，有必要提供一种基于物联网的稻米全链条质量信息智能检测系统及方法，用以解决如何对大米生产的产业链进行高效全面的监测的问题。

本发明提供一种基于物联网的稻米全链条质量信息智能检测系统包括多个监测设备和信息溯源设备，所述多个监测设备包括种植节点监测设备、收储节点监测设备、加工节点监测设备以及流通节点监测设备，用于监测不同的节点参数，所述节点参数包括种植节点参数、收储节点参数、加工节点参数、流通节点参数，所述基于物联网的稻米全链条质量信息智能检测系统具体包括：所述种植节点监测设备，用于监测种植节点下大米种植地的多个所述种植节点参数，并传输至信息溯源设备；所述收储节点监测设备，用于监测收储节点下所述大米种植地的出产稻谷的多个所述收储节点参数，并传输至所述信息溯源设备；所述加工节点监测设备，用于监测加工节点下对所述出产稻谷进行加工过程中的多个所述加工节点参数，并传输至所述信息溯源设备；所述流通节点监测设备，用于监测流通节点下对加工得到的出产大米进行流通过程中的多个所述流通节点参数，并传输至所述信息溯源设备；所述信息溯源设备，包括食品安全大数据平台和电子标签设备，其中，所述食品安全大数据平台用于对多个所述种植节点参数、多个所述收储节点参数、多个所述加工节点参数以及多个所述流通节点参数进行大数据处理，并将大数据处理结果可视化；所述电子标签设备用于将所述出产大米的生产信息转换为对应的RFID标签；所述食品安全大数据平台包括云平台、边缘节点管理器以及分别与所述多个监测设备对应的多个边缘节点，其中：所述边缘节点，用于接收对应的所述节点参数，并对所述节点参数进行数据过滤，确定过滤后的待上传参数；所述边缘节点管理器，用于对每个所述待上传参数的处理时延进行升序排序，形成第一序列，且每个所述边缘节点新增的待上传参数放置在所述第一序列的末端；还用于根据每个所述边缘节点的传输时延对所述第一序列进行调节，并根据调节后的第一序列确定多个所述待上传参数的上传顺序；所述云平台，用于依次对上传的多个所述待上传参数进行数据处理，并将数据处理结果可视化。

进一步地，所述种植节点参数包括土壤参数、气象参数、虫害状态参数以及水质参数，所述种植节点监测设备包括：土壤监测设备，用于监测所述大米种植地的所述土壤参数；气象监测设备，用于监测所述大米种植地的所述气象参数；害虫监测设备，用于采集害虫图像数据，并进行AI分析，生成所述大米种植地的所述虫害状态参数，根据所述虫害状态参数自动预警，并控制农药喷洒；水质监测设备，用于监测所述大米种植地的所述水质参数。

进一步地，所述收储节点参数包括稻谷品质参数、仓库环境参数，所述收储节点监测设备包括：稻谷品质监测设备，用于监测所述出产稻谷的所述稻谷品质参数，其中，所述稻谷品质参数包括稻谷出糙率、整精米率、杂质含量、水分含量、污染物量、蛋白质含量、淀粉含量；仓库监测设备，用于监测存储所述出产稻谷的所述仓库环境参数，其中，所述仓库环境参数包括仓库温湿度、仓库粉尘含量、仓库二氧化碳含量、鼠害虫害状态。

进一步地，所述多个加工节点参数包括大米品质参数、操作图像，所述加工节点监测设备包括：品质监测设备，用于监测所述出产大米的所述大米品质参数，所述大米品质参数包括大米杂质含量、不完善粒含量、黄粒米含量、一致性、整精米率、出糙率、垩白度；加工过程监测设备，用于对加工全过程进行视频监测，并使用AI智能分析生成所述操作图像，以确定操作人员是否遵循操作图像。

进一步地，所述多个流通节点参数包括过程状态参数、路线参数、轨迹参数以及时间参数，所述流通节点监测设备包括：视频监测仪，用于监测运输全过程的所述过程状态参数；北斗导航仪，用于监测运输全过程的所述路线参数、所述轨迹参数以及所述时间参数。

进一步地，所述食品安全大数据平台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。

进一步地，所述大数据应用模块包括风险分析单元，其中：所述风险分析单元，用于将所述多个种植节点参数、所述多个加工节点参数以及所述多个流通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。

进一步地，所述多个加工节点参数包括操作图像，所述风险分析单元具体用于将所述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。

本发明还提供一种基于物联网的稻米全链条质量信息智能检测方法，基于如上所述的基于物联网的稻米全链条质量信息智能检测系统，所述基于物联网的稻米全链条质量信息智能检测方法包括：获取多个种植节点参数、多个收储节点参数、多个加工节点参数以及多个流通节点参数；对所述多个种植节点参数、所述多个收储节点参数、所述多个加工节点参数以及所述多个流通节点参数进行数据过滤，确定过滤后的待上传参数；对每个所述待上传参数的处理时延进行升序排序，形成第一序列，且每个所述边缘节点新增的待上传参数放置在所述第一序列的末端；根据每个所述边缘节点的传输时延对所述第一序列进行调节，并根据调节后的第一序列确定多个所述待上传参数的上传顺序；依次对上传的多个所述待上传参数进行数据处理，并将数据处理结果可视化。

进一步地，上述基于物联网的稻米全链条质量信息智能检测方法还包括：所述多个加工节点参数包括加工过程中的操作视频流，所述操作视频流的数据处理过程包括：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；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；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；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；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；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；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；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；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。

与现有技术相比，本发明的有益效果包括：设置种植节点监测设备获取大米种植地的多个种植节点参数，以此对大米种植节点的种植状态进行有效监测；设置收储节点监测设备获取出产大米的加工过程中的多个收储节点参数，以此对大米收储节点的收储状态进行有效监测；设置加工节点监测设备获取大米加工节点的加工节点参数，以此对大米加工节点的加工质量状态进行有效监测；设置流通节点监测设备获取大米流通节点的流通节点参数，以此对大米流通节点的流通状态进行有效监测；基于上述各个节点的监测数据，通过信息溯源设备中的食品安全大数据平台进行集中的处理，以便全面地监控大米生产链上的各个节点状态，并利用食品安全大数据平台实现对多种监测数据的快速处理，将处理结果进行可视化操作，展示给相关人员，方便对大米生产的品控和管理；除此之外，通过信息溯源设备中的电子标签设备，将出产大米的生产信息烧录至对应的RFID标签，以便消费者通过扫描RFID标签的途径，快速掌握大米的生产信息(批号、生产商、生产地等)，以此全面地保证大米生产信息的公开度、透明度，便于消费者的选择与监管，进一步加强了大米生产的安全性；除此之外，获取多个节点参数，利用数据过滤的操作，有效地避免了数据冗余，同时，根据处理时延进行升序排序，进行有效的虚拟机资源分配，合理地规划出第一序列，最后，再根据传输时延对第一序列进行调节，确定最终各个待上传参数的上传顺序，以此保证高效快速的数据处理和数据上传，合理地分配了各个节点参数的上传顺序，及时监控大米全生产的过程，全面地提高了食品安全大数据平台数据上传、数据处理的快速性和高效性，实现了全面快速的预警和监控进行预警。综上，本发明全面采集大米产业链上每个节点的信息，并将多种监测信息通过大数据平台进行数据处理，达到有效的信息管理和信息溯源，保障了大米生产的安全性，同时，利用边缘节点、边缘管理器、云平台，结合处理时延和传输时延对每个节点参数的上传进行有效排序，保证对监控过程中的各个节点参数的快速处理，进一步实现了大米生成监控的高效性和准确性，有助于进行及时的反馈和预警，提高了大米生产的安全性。

附图说明

图1为本发明提供的基于物联网的稻米全链条质量信息智能检测系统的结构示意图；

图2为本发明提供的基于物联网的稻米全链条质量信息智能检测方法的流程示意图。

具体实施方式

下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，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。

实施例1

本发明实施例提供了一种基于物联网的稻米全链条质量信息智能检测系统，结合图1来看，图1为本发明提供的基于物联网的稻米全链条质量信息智能检测系统的结构示意图，上述基于物联网的稻米全链条质量信息智能检测系统包括多个监测设备和信息溯源设备，多个监测设备包括种植节点监测设备1、收储节点监测设备2、加工节点监测设备3以及流通节点监测设备4，用于监测不同的节点参数，节点参数包括种植节点参数、收储节点参数、加工节点参数、流通节点参数，基于物联网的稻米全链条质量信息智能检测系统具体包括：种植节点监测设备1，用于监测种植节点下大米种植地的多个种植节点参数，并传输至信息溯源设备；收储节点监测设备2，用于监测收储节点下大米种植地的出产稻谷的收储节点参数，并传输至信息溯源设备；加工节点监测设备3，用于监测加工节点下对出产稻谷进行加工过程中的多个加工节点参数，并传输至信息溯源设备；流通节点监测设备4，用于监测流通节点下对加工得到的出产大米进行流通过程中的多个流通节点参数，并传输至信息溯源设备；信息溯源设备5，包括食品安全大数据平台501和电子标签设备502，其中，食品安全大数据平台用于对多个种植节点参数、多个收储节点参数、多个加工节点参数以及多个流通节点参数进行大数据处理，并将大数据处理结果可视化；电子标签设备用于将出产大米的生产信息转换为对应的RFID标签；边缘节点，用于接收对应的节点参数，并对节点参数进行数据过滤，确定过滤后的待上传参数；边缘节点管理器，用于对每个待上传参数的处理时延进行升序排序，形成第一序列，且每个边缘节点新增的待上传参数放置在第一序列的末端；还用于根据每个边缘节点的传输时延对第一序列进行调节，并根据调节后的第一序列确定多个待上传参数的上传顺序；云平台，用于依次对上传的多个待上传参数进行数据处理，并将数据处理结果可视化。

在本发明实施例中，基于上述各个节点的监测数据，通过信息溯源设备中的食品安全大数据平台进行集中的处理，以便全面地监控大米生产链上的各个节点状态，并利用大数据平台实现对多种监测数据的快速处理，将处理结果进行可视化操作，展示给相关人员，方便对大米生产的品控和管理；除此之外，通过信息溯源设备中的电子标签设备，将出产大米的生产信息烧录至对应的RFID标签，以便消费者通过扫描RFID标签的途径，快速掌握大米的生产信息(批号、生产商、生产地等)，以此全面地保证大米生产信息的公开度、透明度，便于消费者的选择与监管，进一步加强了大米生产的安全性；除此之外，获取多个节点参数，利用数据过滤的操作，有效地避免了数据冗余，同时，根据处理时延进行升序排序，进行有效的虚拟机资源分配，合理地规划出第一序列，最后，再根据传输时延对第一序列进行调节，确定最终各个待上传参数的上传顺序，以此保证高效快速的数据处理和数据上传，合理地分配了各个节点参数的上传顺序，及时监控大米全生产的过程，全面地提高了食品安全大数据平台数据上传、数据处理的快速性和高效性，实现了全面快速的预警和监控进行预警。

优选地，种植节点参数包括土壤参数、气象参数、虫害状态参数以及水质参数，种植节点监测设备1包括：土壤监测设备，用于监测大米种植地的土壤参数；气象监测设备，用于监测大米种植地的气象参数害虫监测设备，用于采集害虫图像数据，并进行AI分析，生成大米种植地的虫害状态参数，根据虫害状态参数自动预警，并控制农药喷洒；水质监测设备，用于监测大米种植地的水质参数。由此，在种植节点上，设置对种植大米的环境进行全方位的检测，从源头上保证稻米的质量。

具体地，土壤监测设备主要包括在线土壤墒情监测仪、土壤成分分析仪、土壤重金属检测仪、气相色谱仪。其中，在线土壤墒情监测仪使用的传感器主要用于检测土壤温湿度、电导率、盐分、pH值；土壤成分分析仪，主要用于检测土壤有机质含量、氮、磷；重金属检测仪，主要用于检测土壤重金属含量；气相色谱仪，主要用于检测主要检测土壤农药残留等。由此，土壤监测设备主要是对大米的种植土壤状况进行实时监测，土壤中的重金属、农残污染会抑制作物的生长，土壤适宜的温度、水分、pH值等能够保证作物良好生长，为了给大米提供一个无害、良好的生长环境，通过土壤监测系统实时监测土壤状况，能够排除危害因子，及时调控生长环境，满足作物生长需求。其中，在线土壤墒情监测仪监测土壤墒情，土壤中养分的释放、迁移和植物吸收养分等都和土壤墒情有密切关系，土壤墒情适宜时，养分释放及其迁移速率都高，从而能够提高养分的有效性和肥料中养分的利用率。在本发明一个实施例中，对应检测的土壤参数与对照的正常土壤参数范围(即风险筛选值)如下表1所示，需要说明的是，该正常土壤参数范围存储至食品安全大数据平台，当检测到的土壤参数超过该正常土壤参数范围，则会发出相应的预警。

表1

具体地，气象监测设备主要包括大气温湿度传感器、数字气压传感器、风速传感器、风向传感器、雨量传感器、雪量传感器、照度传感器、日照时数传感器、二氧化碳传感器。由此，实时监测天气变化状况，如大气温度、湿度、气压、大气压强、风速、风向、光照的强度、日照时数、二氧化碳含量等,并将这些气象数据实时上传到食品安全大数据平台。

具体地，害虫监测设备主要包括视频监测仪、农药喷洒设备、害虫性诱自动诱捕器、智能虫情测报灯。其中：视频监测仪用于通过视频监测仪采集害虫图像数据，传输到边缘服务器中进行AI智能识别，识别出相应的害虫种类与数量，进行分析处理，给出合适的化学杀虫配方与剂量，能够在造成最小污染情况下进行杀灭，通过AI分析给出最合理的结果进行害虫防治，并将分析结果上传到食品安全大数据平台；农药喷洒设备用于通过视频监测仪采集局部害虫图片数据以及整体图片分布，传输到边缘服务器中进行AI智能识别与分析，根据得到害虫的种类、规模以及分布数据，由AI智能生成高效的灭杀方案，使用植保无人机T16进行定点定量喷洒，实现精准喷施，减少污染；害虫性诱自动诱捕器用于利用安放性诱剂诱杀害虫，通过更换诱芯，可实现对不同害虫进行监测及诱杀。可实现对害虫的定向诱杀，同时可以进行害虫计数、分类统计、实时报传食品安全大数据平台；智能虫情测报灯吸引趋光性的害虫进行捕获灭杀，智能虫情测报灯能识别包括但不限于褐飞虱、白背飞虱、稻纵卷叶螟、二化螟和大螟等水稻主要害虫，视频监测仪采集图片数据，传输到边缘服务器，进行自动计数，实时上传到食品安全大数据平台。

需要说明的是，食品安全大数据平台接收到视频监测仪采集害虫图像数据的AI分析结果，根据虫害状态参数与预存的虫害状态数据库进行比对，若超过范围，则控制多种通信媒体发出预警信息，以便相关人员及时进行防护操作。其中，多种通信媒体包括但不限于网络形式、广播形式。由此，食品安全大数据平台接收到实施害虫数据，并对害虫情况进行预警预报，同时根据害虫的种类及数量给出害虫治理方案，如实施靶标防治，尽可能地选用具有选择性、低毒、对环境污染小的药剂，少用或不用广谱性的化学农药，经常变化用药品种和混用配方，以免害虫产生抗药性。施药方式也应采取涂茎、根施和注射等方法，以减少对环境的污染，

具体地，水质监测设备主要包括生化需氧量检测仪、化学需氧量监测仪、水质监测仪和重金属检测仪。其中，生化需氧量检测仪优选为BOD水质检测仪，用于检测水生化需氧量(BOD5)；化学需氧量检测仪优选为COD水质在线测定仪，用于监测化学需氧量(CODCr)；水质监测仪优选为GA-DCS030 30参数水质检测仪，用于检测浊度、色度、氨氮、悬浮物、余氯、总氯、磷酸盐、硝酸盐、亚硝酸盐、硫酸盐、溶解氧、pH值和水温；重金属检测仪器优选为水质重金属检测仪器WAOL3000-HM，用于监测铜、镉、钴、镍、砷、汞、六价铬七种元素。

基于上述的生化需氧量检测仪、化学需氧量监测仪、水质监测仪和重金属检测仪，对应检测的水质参数(即项目类别)与对照的正常是指参数范围(即风险筛选值)如下表2所示：

表2

在本发明一个实施例中，以一个具体的应用场景说明上述种植节点监测设备的监测顺序，在种植节点中，具体分为多个子节点，依次为品种筛选子节点、育秧子节点、整地子节点、插秧子节点、大田子节点和收获子节点，对应的监测设备和监测指标，具体参见下表3：

表3

优选地，收储节点参数包括稻谷品质参数、仓库环境参数，收储节点监测设备2包括：稻谷品质监测设备，用于监测出产稻谷的稻谷品质参数，其中，稻谷品质参数包括稻谷出糙率、整精米率、杂质含量、水分含量、污染物量、蛋白质含量、淀粉含量；仓库监测设备，用于监测存储出产稻谷的仓库的环境参数，其中，仓库的环境参数包括仓库温湿度、仓库粉尘含量、仓库二氧化碳含量、鼠害虫害状态。由此，通过稻谷品质监测设备对收入的稻谷的质量进行检测，并上传到食品安全大数据平台，防止在收获检验完后到收储接收时的意外污染，确保收入仓库的稻米质量优良，保证稻米在接收子节点的食品安全性；通过仓库监测设备对仓库环境进行监测，如对仓库温湿度、粉尘、二氧化碳、鼠害、虫害等进行实时监测，并将检测数据上传到食品安全大数据平台，同时将分析处理结果反馈到仓库监测系统，对仓库温湿度进行调节，如通风、降温等，如果出现鼠害、虫害，系统会自动报警并保存报警记录，同时提示工作人员进行及时处理，确保稻谷处于适宜的仓储环境，避免稻谷质量在储存子节点发生劣变。

具体地，稻谷品质监测设备包括稻谷外观品质检测仪、食品安全检测仪、红外光谱分析仪，其中：稻谷外观品质检测仪，对应检测的稻谷品质参数包括根据稻谷国家质量标准(GB 1350-2009)监测的稻谷出糙率、整精米率、杂质含量、水分含量、黄粒米含量、谷外糙米含量、互混率、色泽；食品安全检测仪，根据团标(T/CCOA 8-2020)要求对应检测的稻谷品质参数包括毒素(如黄曲霉毒素)、污染物(如镉)、农残(如吡蚜酮)；红外光谱分析仪，对应检测的稻谷品质参数包括蛋白质、水分以及淀粉。与接收子节点的稻谷质量数据进行对比，确认稻谷质量变化不大，方可出库，如果出现稻谷质量安全问题，如某危害因子超标，调查仓库监测系统记录，查明原因并及时处理问题，确保出库时稻谷处于优良质量，保证稻米的食品安全。

具体地，仓库监测设备包括视频监测仪、PM2.5检测仪、电子鼻、温湿度传感器、二氧化碳传感器，其中：视频监测仪，用于监测仓库内存放情况，是否有其他生物(如老鼠、虫子)；还用于上传至食品安全大数据平台进行AI智能分析，发现有老鼠通知管理人员，进行抓捕处置，对管理人员进行监管，防止偷卖倒卖。PM2.5检测仪，用于监测仓库内灰尘含量，以此保证仓库内空气整洁干净；电子鼻，监测库内霉味和气体(CO2，PH3)，检测到霉味，说明稻谷发潮变质，出现问题，发出警报，通知管理人员及时处理；温湿度传感器，用于监测仓库温湿度，保证仓储环境适宜；二氧化碳传感器，用于监测二氧化碳浓度，高浓度CO2可延缓稻谷含水量和稻谷陈化度的下降，保证稻谷新鲜程度与食味品质。

在本发明一个实施例中，以一个具体的应用场景说明上述收储节点监测设备的监测顺序，在收储节点中，具体分为多个子节点，依次为接收子节点、存储子节点、出库子节点，对应的监测设备和监测指标，具体参见下表4：

表4

优选地，多个加工节点参数包括大米品质参数、操作图像，加工节点监测设备3包括：品质监测设备，用于监测出产大米的大米品质参数，大米品质参数包括大米杂质含量、不完善粒含量、黄粒米含量、一致性、整精米率、出糙率、垩白度；加工过程监测设备，用于对加工全过程进行视频监测，并使用AI智能分析生成操作图像，以确定操作人员是否遵循操作图像。由此，通过品质监测设备对大米质量进行检测，将检测数据上传到食品质量安全大数据平台上，防止稻谷从仓储出库到加工接收过程中存在的意外污染，确保接收的稻米质量优良，保证稻米的食品安全。通过加工过程监测设备，确保操作过程中人员操作安全，以及防止操作人员对大米的污染，保证大米的质量及食品安全。

具体地，品质监测设备包括稻谷除杂机，用于监测杂质总量、砂石粒数、含稗粒数；稻谷出米率检测仪，用于监测脱壳率、稻壳；稻谷外观品质检测仪，与上述应用于上述收储节点的功能相同，不再赘述；大米外观品质检测仪，用于监测加工精度、色泽、大米升温、增碎率、糙白不均率、含糠率；多功能食品安全检测仪，与上述应用于上述收储节点的功能相同，不再赘述；在线式近红外光谱分析仪，与上述应用于上述收储节点的功能相同，不再赘述。

具体地，加工过程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。

在本发明一个实施例中，以一个具体的应用场景说明上述加工节点监测设备的监测顺序，在加工节点中，具体分为多个子节点，依次为接收子节点、净谷子节点、砻谷子节点、净糙子节点、碾米子节点、包装子节点和成品子节点，各子节点对应的检测设备和检测参数如表5所示：

表5

优选地，在上述加工节点中的成品子节点，进行成品验收时，符合要求大米产品，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。

优选地，多个流通节点参数包括过程状态参数、路线参数、轨迹参数以及时间参数，流通节点监测设备4包括：视频监测仪，用于监测运输全过程的过程状态参数；北斗导航仪，用于监测运输全过程的路线参数、轨迹参数以及时间参数。由此，使用北斗导航仪对整个运输的路线、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大米的运输状况进行查看，能够查看到大米运输的起点、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，大米的节点代码，实现对大米运输过程全透明化追踪，能够保证大米运输效率，防止运输人员偷换大米，谋取私利，做到有效监督。

在本发明一个实施例中，以一个具体的应用场景说明上述运输节点监测设备的监测顺序，在运输节点中，具体分为多个子节点，依次为接收子节点、运输子节点、下货子节点，各个子节点对应的检测设备和检测参数如下表6所示：

表6

需要说明的是，结合表6来看，接收子节点使用RFID记录节点代码及大米生产全链条食品安全数据，使用大米外观品质检测仪检测大米杂质含量、不完善粒含量、黄粒米含量、一致性、整精米率、出糙率、垩白度，使用多功能食品安全检测仪检测毒素(如黄曲霉毒素)、污染物(如镉)、农残(如吡蚜酮)，使用在线式近红外光谱分析仪检测蛋白质、水分以及淀粉，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。下货子节点使用大米外观品质检测仪检测大米杂质含量、不完善粒含量、黄粒米含量、一致性、整精米率、出糙率、垩白度，使用多功能食品安全检测仪检测毒素(如黄曲霉毒素)、污染物(如镉)、农残(如吡蚜酮)，使用在线式近红外光谱分析仪检测蛋白质、水分以及淀粉，保证运输过后大米的品质。

优选地，食品安全大数据平台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。由此，本发明设置食品安全大数据平台，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。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，用于将多个种植节点参数、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。由此，本发明设置风险分析单元，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，保证大米生产每个环节的安全性。

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。由此，本发明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大米品质带来的损害。

优选地，多个加工节点参数包括危害因子参数，风险分析单元具体用于将危害因子参数与对应的预存危害因子标准库进行对比，如超出标准范围，则进行预警。具体的危害因子参数、预存危害因子标准库(包括表7中的多个限量范围)如下表7所示：

表7

优选地，获取节点参数后(包括种植节点参数、收储节点参数、加工节点参数、流通节点参数)，将所有节点参数烧录至RFID标签，当消费者扫描RFID标签时，通过数据转换，即可全面得到种植节点、收储节点、加工节点、流通节点的全链条生产信息。可以理解的是，本发明同样可以利用所有节点参数生成对应的二维码信息，其实现功能与RFID标签一致，在此不再赘述。

下面结合具体的实验数据进行说明：当种植节点监测设备1的土壤监测设备到监测大米种植地的土壤参数时，其中，土壤温湿度为20℃、电导率为40ms/m、盐分为0.5g/kg、pH值为11、土壤有机质含量为35g/kg、氮为1.0g/kg、磷为35mg/kg、土壤重金属含量为0.1mg/kg、土壤农药残留物为为0.02mg/kg，其中，与预存的参数数据库进行对比，确定pH值超过预设范围4～9，此时食品大数据平台对种植节点进行预警，提醒相关人员针对土壤情况进行改善操作；当收储节点监测设备2的稻谷品质监测设备监测出产稻谷的稻谷品质参数时，其中，稻谷出糙率为80％、整精米率为70％、杂质含量为8％、水分含量为12％、污染物量为0.01mg/kg、蛋白质含量为6％、淀粉含量为70％，与预存的参数数据库进行对比，确定杂质含量超过预设范围0～1.0％，此时食品大数据平台对收储节点进行预警，提醒相关人员针对不符合要求的稻米进行处理；当加工节点监测设备3的视频监测仪将采集到的视频数据传输到边缘服务器时，边缘服务器通过AI智能分析，当得到操作人员穿戴不规范的图像时，此时食品大数据平台对加工节点进行预警，提醒相关人员针对操作穿戴进行规范；当流通节点监测设备4的北斗导航仪监测运输全过程的路线参数、轨迹参数以及时间参数时，与预存的参数数据库进行对比，发现路线参数、轨迹参数以及时间参数不符合预设要求，则可能存在偷运大米的现象，此时食品大数据平台对流通节点进行预警，提醒相关人员进行追回处理。

实施例2

本发明实施例提供了一种基于物联网的稻米全链条质量信息智能检测方法，结合图2来看，图2为本发明提供的基于物联网的稻米全链条质量信息智能检测方法的流程示意图，上述基于物联网的稻米全链条质量信息智能检测方法包括步骤S1至步骤S5，其中：在步骤S1中，获取多个种植节点参数、多个收储节点参数、多个加工节点参数以及多个流通节点参数；在步骤S2中，对多个种植节点参数、多个收储节点参数、多个加工节点参数以及多个流通节点参数进行数据过滤，确定过滤后待上传参数；在步骤S3中，对每个待上传参数的处理时延进行升序排序，形成第一序列，且每个边缘节点新增的待上传参数放置在第一序列的末端；在步骤S4中，根据每个边缘节点的传输时延对第一序列进行调节，并根据调节后的第一序列确定多个待上传参数的上传顺序；在步骤S5中，依次对上传的多个待上传参数进行数据处理，并将数据处理结果可视化。在本发明实施例中，通过对各个节点的种植节点参数、收储节点参数、加工节点参数以及流通节点参数进行大数据处理，达到有效监测各个生产环节的目的，同时将数据处理结果可视化，便于信息管理和操作。

在本发明一个具体的实施例中，物联网传感器并行传输，通过目标规划的方法调整带宽将任务传输到边缘服务器上。当任务由边缘服务器传输到云端服务器，对边缘服务器上的任务进行排序，任务按照处理时延的大小升序排列，新的任务加入放置在序列最后，计算每个任务的传输时延，计算每个任务的排队时延，将二者相加，按照两者之和的大小降序排列，将传输和排队时延之和最大的任务优先传输，当有新任务加入队列重新计算当前每个任务的传输和排队时延，再将任务进行降序排列，将传输和排队时延之和最大的任务优先传输，使得每个传输时延和排队时延大的任务能够优先传输，减少排队时延。其中，具体的任务传输方法流程如下：

物联网传感器将任务传输到边缘服务器的方法如下：

(1)计算传输时延，根据香农定理确定信道容量：C＝Blog

其中，D

(2)采用目标规划，其模型为：目标为：

任务由边缘服务器传输到云端服务器的方法如下：

(1)计算每个任务的处理时延dproc为：

(2)将每个任务按照处理时延从小到大的顺序进行排序，形成升序队列q为：q＝(D

(3)计算每个任务的传输时延d

(4)计算每一任务的排队时延d

(6)将每个任务的传输时延和排队时延相加，进行降序排列，上传传输时延和排队时延之和最大的任务。

(7)当有新任务加入队列，重新计算每个任务的排队时延，根据新的传输时延与排队时延之和进行降序排列，优先上传传输时延和排队时延之和最大的任务。通过计算任务的传输时延和排队时延之和，将传输时延和排队时延之和最大的优先传输，以减小任务的排队时延，使任务快速传输。任务通过此方法传输至云端服务器。

优选地，上述基于物联网的稻米全链条质量信息智能检测方法还包括：将多个种植节点参数、多个收储节点参数、多个加工节点参数以及多个流通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。

优选地，上述基于物联网的稻米全链条质量信息智能检测方法还包括：将出产大米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。

优选地，本发明提供的操作视频流处理的流程，包括步骤S001至步骤S009，其中：在步骤S001中，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；在步骤S002中，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；在步骤S003中，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；在步骤S004中，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；在步骤S005中，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；在步骤S006中，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；在步骤S007中，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；在步骤S008中，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；在步骤S009中，将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。由此，获取加工节点监测设备中的操作视频流，利用边缘节点中的帧过滤模型、提取关键帧的操作，有效地避免了数据冗余，同时，设置边缘节点管理器根据加工节点的上传状态，进行有效的虚拟机资源分配，合理地规划出上传顺序，最后，云平台接收第二帧序列组，提取其中的特征向量，利用深度学习模型确定对应的操作是否规范，以此保证高效快速的数据处理和数据上传，及时监控加工过程，全面地提高了食品安全大数据平台数据上传、数据处理的快速性和高效性，实现了全面快速的预警和监控。

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：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；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；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。

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，依次为接收子节点、净谷子节点、砻谷子节点、净糙子节点、碾米子节点、包装子节点和成品子节点，在其中的净谷子节点、砻谷子节点、净糙子节点、碾米子节点、包装子节点分别设立4路摄像机，在成品子节点设立2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。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：

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；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：

其中G(x，y)是g

第二步：利用帧过滤模型进行预处理，其中帧过滤模型公式如下：

第三步：进行关键帧的提取，具体流程如下：联合直方图表示两幅大小相同的图像I

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

第四步：进行任务调度，具体流程如下：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

第五步：进行操作行为识别，具体流程如下：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

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。

本发明公开了一种基于物联网的稻米全链条质量信息智能检测系统及方法，基于上述各个节点的监测数据，通过信息溯源设备中的食品安全大数据平台进行集中的处理，以便全面地监控大米生产链上的各个节点状态，并利用大数据平台实现对多种监测数据的快速处理，将处理结果进行可视化操作，展示给相关人员，方便对大米生产的品控和管理；除此之外，通过信息溯源设备中的电子标签设备，将出产大米的生产信息烧录至对应的RFID标签，以便消费者通过扫描RFID标签的途径，快速掌握大米的生产信息(批号、生产商、生产地等)，以此全面地保证大米生产信息的公开度、透明度，便于消费者的选择与监管，进一步加强了大米生产的安全性。

本发明技术方案，全面采集大米产业链上每个节点的信息，并将多种监测信息通过大数据平台进行数据处理，达到有效的信息管理和信息溯源，保障了大米生产的安全性。

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。