一种基于融合数据分析的农产品成熟度预测方法与流程

1.本发明属于农产品成熟度预测保护技术领域，涉及到一种基于融合数据分析的农产品成熟度预测方法。


背景技术：

2.农产品的成熟度影响着其外观、风味和口感。而苹果作为农产品的一种，可以通过预测苹果成熟度，果农可以将苹果按照成熟度进行分级，以提供满足不同消费者需求的苹果产品。此外，苹果在采摘后需要进行储存和运输，在这个过程中，苹果成熟度的控制对保持果实的品质至关重要。对成熟度的准确预测可以帮助果农和供应链管理者制定储存条件、采取适当的处理措施，以延长苹果的保鲜期和维持其货架寿命。
3.因此，对于苹果成熟度的预测是非常有必要，现有技术对苹果成熟度的预测基本能够满足需求，但是仍然存在一定的缺陷：一方面，现有技术对于苹果成熟度的预测主要基于果实大小、颜色变化等进行监测，进而对苹果的成熟度进行预测，但是忽略了苹果表面颜色的均匀度和底部果脐凹陷度的变化，由于苹果在果树上的位置不同，就可能出现接受光照时间更长、强度更大的苹果表皮颜色发生变化，但是实际并没有达到其成熟度，从而误判了果农采摘苹果的最佳时机，进而影响了苹果的品质，也会造成一定的经济损失。
4.另一方面，现有技术对于苹果成熟度的预测缺乏对苹果达到各成熟度后的生长速率可能发生变化的考虑，进而导致了苹果成熟度的预测的准确性不够，影响了苹果的保鲜期，降低了苹果的货架寿命。


技术实现要素：

5.鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于融合数据分析的农产品成熟度预测方法。
6.本发明的目的可以通过以下技术方案实现：本发明提供一种基于融合数据分析的农产品成熟度预测方法，包括：(1)种植林子区域划分：将种植农产品的种植林划分为各子区域，并将其记为种植林各子区域。
7.(2)农产品外观监测：以固定监测周期对种植林各子区域的农产品外观进行监测，获取种植林各子区域各农产品的外观信息。
8.(3)农产品外观分析：根据种植林各子区域各次监测的各农产品的外观信息，分析种植林各子区域各农产品的外观成熟系数。
9.(4)农产品含糖量监测：以固定监测周期对种植林各子区域各农产品糖分情况进行监测，获取种植林各子区域各农产品的含糖量。
10.(5)农产品含糖量分析：根据种植林各子区域各农产品的含糖量，分析种植林各子区域各农产品的内在成熟系数。
11.(6)农产品成熟度解析：根据种植林各子区域各农产品的外观成熟系数和内在成熟系数，分析种植林各子区域各农产品的综合成熟系数，进而获得种植林各子区域各农产
品的成熟度，并对其进行筛选，得到成熟度为十分熟的种植林各子区域各农产品，并对其进行标记，同时将其对应的编号发送给种植林管理员。
12.(7)农产品成熟度预测反馈：提取种植林各子区域各农产品各次监测的综合成熟系数，并对其进行解析得到种植林各子区域各农产品的综合成熟系数与监测时间的曲线，进而预测种植林各子区域的各未标记农产品的各成熟度时间，并将其在智能显示终端进行显示。
13.优选地，所述种植农产品的种植林划分为各子区域的具体分析过程为：(11)获取种植农产品的种植林的总面积。
14.(12)将种植农产品的种植林的总面积进行等份额分割为若干份，得到种植林各子区域。
15.优选地，所述种植林各子区域各农产品的外观信息包括表面颜色符合度、表面纹理数量、体积和果脐凹陷度。
16.优选地，所述种植林各子区域各农产品的表面颜色均匀度的具体获取过程如下：在种植林各子区域布设各无人机监测点，利用无人机对种植林各子区域各农产品以固定监测周期进行监测。
17.利用无人机对种植林各子区域各农产品进行实时监测,得到种植林各子区域各农产品外观图像。
18.将种植林各子区域各农产品外观图像进行灰度处理，得到种植林各子区域各农产品外观灰度图像，并将其进行等份额划分为各外观子区域，进而提取种植林各子区域各农产品各外观子区域的图像灰度值g
ifx
，其中i＝1,2,......,a，f＝1,2,......,c，i为种植林各子区域的编号，f为各农产品的编号，同理获得农产品完全成熟时外观各子区域的图像标准灰度值g
′
x
，其中x＝1,2,......,n，x为外观各子区域的编号，n为外观子区域的数量。
19.分析种植林各子区域各农产品的表面颜色符合度其中δg为设定的允许存在的图像灰度值与标准图像灰度值差值的偏差值。
20.优选地，所述种植林各子区域各农产品的果脐凹陷度的具体获取过程如下：从种植林各子区域各农产品各外观子区域的图像灰度值中提取种植林各子区域各农产品果脐区域对应的灰度值，将其与设定的各果脐凹陷深度对应的灰度值范围进行匹配，得到种植林各子区域各农产品果脐凹陷深度h
if
。
21.从种植林各子区域各农产品外观图像中提取种植林各子区域各农产品果脐轮廓的直径和面积，将种植林各子区域各农产品果脐轮廓的直径记为l
if
。
22.从数据库中提取直径与种植林各子区域各农产品果脐轮廓的直径相同的各圆形轮廓面积，将其分别与种植林各子区域各农产品果脐轮廓的面积进行对比，得到种植林各子区域各农产品果脐轮廓与其对应圆形轮廓的重合面积，进而计算种植林各子区域各农产品果脐轮廓的圆润度其中s
if
为种植林第i个子区域第f个农产品果脐轮廓与其对应圆形轮廓的重合面积，si′f为种植林第i个子区域第f个农产品果脐轮廓对应圆形轮廓
的面积。
23.分析种植林各子区域各农产品的果脐凹陷度其中h0、l0分别为设定的农产品完全成熟时的果脐标准凹陷深度和果脐轮廓的标准直径，δ1、δ2、δ3分别为设定的果脐凹陷深度、果脐轮廓直径和果脐轮廓圆润度对应的果脐凹陷度影响因子。
24.优选地，所述种植林各子区域各农产品的外观成熟系数的具体分析过程如下：(31)提取种植林各子区域各农产品的表面颜色符合度、表面纹理数量、体积和果脐凹陷度。
25.(32)根据农产品的类型，将其与数据库中存储的各类型农产品完全成熟时的表面纹理标准数量和标准体积进行匹配，得到农产品对应的表面纹理标准数量和标准体积。
26.(33)分析种植林各子区域各农产品的外观成熟系数其中m
if
、v
if
分别为种植林第i个子区域第f个农产品的表面纹理数量和体积，m0、v0分别为农产品对应的表面纹理标准数量和标准体积，δm、δv分别为设定的农产品完全成熟时允许存在的表面纹理数量和体积的偏差值，α1、α2、α3、α4分别为设定的表面颜色符合度、表面纹理数量、体积和果脐凹陷度的权重系数，α1+α2+α3+α4＝1。
27.优选地，所述种植林各子区域各农产品的内在成熟系数的具体分析过程如下：(51)获取获取种植林各子区域各农产品的含糖量。
28.(52)根据农产品的类型，将其与数据库中存储的各类型农产品完全成熟时的含糖量进行匹配，得到农产品对应的标准含糖量。
29.(53)分析种植林各子区域各农产品的内在成熟系数其中t
if
为种植林第i个子区域第f个农产品的含糖量，t0为农产品对应的标准含糖量，δt为设定的农产品完全成熟时允许存在的含糖量的偏差值，e为自然常数。
30.优选地，所述种植林各子区域各农产品的成熟度的具体分析过程如下：(61)提取种植林各子区域各农产品的外观成熟系数和内在成熟系数。
31.(62)分析种植林各子区域各农产品的综合成熟系数
32.(63)将种植林各子区域各农产品的综合成熟系数与数据库中存储的各成熟度对应的综合成熟系数范围进行匹配，得到种植林各子区域各农产品的成熟度。
33.优选地，所述种植林各子区域各农产品各次监测的成熟度与各监测时间点的曲线
的具体解析过程如下：从数据库中提取存储的种植林各子区域各农产品的各次监测综合成熟系数和各次监测时间。
34.将种植林各子区域各农产品的各次监测综合成熟系数作为纵坐标，各次监测时间作为横坐标，绘制种植林各子区域各农产品的综合成熟系数与监测时间的曲线图，并将其记为种植林各子区域各农产品成熟时间曲线图。
35.优选地，所述种植林各子区域各未标记农产品的各成熟度时间的具体预测过程如下：(71)提取种植林各子区域各农产品成熟时间曲线图，将其按照成熟度对应的综合成熟系数范围进行划分为各成熟度区域。
36.(72)提取种植林各子区域各农产品成熟曲线中各成熟度区域对应的最大综合成熟系数和其监测时间以及最小综合成熟系数和其监测时间。
37.(73)分析种植林各子区域各农产品的各成熟度生长速率其中分别为种植林第i个子区域第f个农产品第g个成熟度区域对应的最大和最小综合成熟系数，分别种植林第i个子区域第f个农产品第g个成熟度区域对应的最大和最小综合成熟系数的监测时间，i＝1,2,......,a，f＝1,2,......,c，，g＝1,2,......,d，i为种植林各子区域的编号，f为各农产品的编号，g为各成熟度的编号。
38.(74)提取种植林各子区域各农产品的各成熟度生长速率，将其与设定的生长速率阈值进行作差，得到种植林各子区域各农产品各成熟度生长速率与生长速率阈值的差值，并对其进行筛选，从而得到差值小于预设差值阈值的各成熟度生长速率对应种植林各子区域各农产品，记为种植林各子区域各参考农产品的各成熟度生长速率，进一步对其作均值计算，得到农产品各成熟度参考生长速率
39.(75)根据计算模型对种植林各子区域的各未标记农产品的各成熟度时间进行预测，其中t
′
ipg
为预测的种植林第i个子区域的第p个未标记农产品的第g个成熟度的时间，ζg为从数据库中提取的第g个成熟度对应的综合成熟系数范围中的最小系数，ζ
′
ip
为种植林第i个子区域的第p个未标记农产品当前监测时间对应的综合成熟系数，t0为当前监测时间,p＝1,2,......,q且q≤c，p为各未标记农产品的编号。
40.相较于现有技术，本发明所具备的优点和积极效果如下：1、本发明通过以固定监测周期对种植林各子区域的农产品外观进行监测，获取种植林各子区域各农产品的外观信息，并分析种植林各子区域各农产品的外观成熟系数，为农产品的综合成熟系数提供了重要的数据支撑，进而规避了因光照因素造成的农产品成熟度误判，保证了农产品采摘的最佳时机。
41.2、本发明通过以固定监测周期对种植林各子区域各农产品糖分情况进行监测，获取种植林各子区域各农产品的含糖量，并分析种植林各子区域各农产品的内在成熟系数，
为农产品的综合成熟系数提供了数据支撑，从而提高了农产品成熟度预测的准确性。
42.3、本发明通过分析种植林各子区域各农产品的综合成熟系数，获得种植林各子区域各农产品的成熟度，并对其进行筛选，得到成熟度为十分熟的种植林各子区域各农产品，进而对其进行处理，将农产品按照成熟度进行分级，满足了不同消费者对农产品的需求，也有助于种植林管理员制定合适的包装、品牌和营销策略。
43.4、本发明通过对种植林各子区域各农产品各次监测的综合成熟系数解析得到种植林各子区域各农产品各次监测的综合成熟系数与各次监测时间点的曲线，进而预测种植林各子区域的各未标记农产品的各成熟度时间，充分考虑了农产品在不同成熟度的生长速率的编号，进而提高了农产品成熟度预测的精准性，有助于种植林管理员优化管理，保证了农产品达到最佳品质和时机时采摘，有助于种植林管理员和供应链管理者针对性地采取处理措施，以延长农产品的保鲜期和维持其货架寿命。
附图说明
44.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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的前提下，还可以根据这些附图获得其他的附图。
45.图1为本发明的方法实施步骤流程图。
具体实施方式
46.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。
47.请参阅图1所示，本发明提供了一种基于融合数据分析的农产品成熟度预测方法，该方法包括以下步骤：(1)种植林子区域划分：将种植农产品的种植林划分为各子区域，并将其记为种植林各子区域。
48.作为本发明的一种优选实施例，所述种植农产品的种植林划分为各子区域的具体分析过程为：(11)获取种植农产品的种植林的总面积。
49.(12)将种植农产品的种植林的总面积进行等份额分割为若干份，得到种植林各子区域。
50.(2)农产品外观监测：以固定监测周期对种植林各子区域的农产品外观进行监测，获取种植林各子区域各农产品的外观信息。
51.(3)农产品外观分析：根据种植林各子区域各次监测的各农产品的外观信息，分析种植林各子区域各农产品的外观成熟系数。
52.作为本发明的一种优选实施例，所述种植林各子区域各农产品的外观信息包括表面颜色符合度、表面纹理数量、体积和果脐凹陷度。
53.作为本发明的一种优选实施例，所述种植林各子区域各农产品的表面颜色均匀度的具体获取过程如下：利用无人机对种植林各子区域各农产品进行实时监测,得到种植林
各子区域各农产品外观图像。
54.需要进一步说明的是，所述无人机对种植林各子区域各农产品进行实时监测的具体过程为：在种植林各子区域均匀布设若干无人机监测点，利用无人机对种植林各子区域各农产品以固定监测周期进行监测。
55.在无人机中搭建摄像头和图像处理软件，从数据库中提取种植林各子区域面积和无人机搭建的摄像头的拍摄视野范围面积，根据无人机搭建的摄像头的拍摄视野范围面积将种植林各子区域进一步划分为各拍摄区域，取各拍摄区域的中心点作为无人机的布设监测点，从而在种植林各子区域均匀布设无人机监测点。
56.将种植林各子区域各农产品外观图像进行灰度处理，得到种植林各子区域各农产品外观灰度图像，并将其进行等份额划分为各外观子区域，进而提取种植林各子区域各农产品各外观子区域的图像灰度值g
ifx
，其中i＝1,2,......,a，f＝1,2,......,c，i为种植林各子区域的编号，f为各农产品的编号，同理获得农产品完全成熟时外观各子区域的图像标准灰度值g
′
x
，其中x＝1,2,......,n，x为外观各子区域的编号，n为外观子区域的数量。
57.需要进一步说明的是，所述等份额划分各外观子区域的具体分析过程为：按照像素将种植林各子区域各农产品外观灰度图像划分为各外观子区域，其中像素是指在由一个数字序列表示的图像中的一个最小单位。
58.分析种植林各子区域各农产品的表面颜色符合度其中δg为设定的允许存在的图像灰度值与标准图像灰度值差值的偏差值。
59.作为本发明的一种优选实施例，所述种植林各子区域各农产品的果脐凹陷度的具体获取过程如下：从种植林各子区域各农产品各外观子区域的图像灰度值中提取种植林各子区域各农产品果脐区域对应的灰度值，将其与设定的各果脐凹陷深度对应的灰度值范围进行匹配，得到种植林各子区域各农产品果脐凹陷深度h
if
。
60.从种植林各子区域各农产品外观图像中提取种植林各子区域各农产品果脐轮廓的直径和面积，将种植林各子区域各农产品果脐轮廓的直径记为l
if
。
61.从数据库中提取直径与种植林各子区域各农产品果脐轮廓的直径相同的各圆形轮廓面积，将其分别与种植林各子区域各农产品果脐轮廓的面积进行对比，得到种植林各子区域各农产品果脐轮廓与其对应圆形轮廓的重合面积，进而计算种植林各子区域各农产品果脐轮廓的圆润度其中s
if
为种植林第i个子区域第f个农产品果脐轮廓与其对应圆形轮廓的重合面积，s
′
if
为种植林第i个子区域第f个农产品果脐轮廓对应圆形轮廓的面积。
62.分析种植林各子区域各农产品的果脐凹陷度其中h0、l0分别为设定的农产品完全成熟时的果脐标准凹陷深度和果脐轮廓的标准直径，
δ1、δ2、δ3分别为设定的果脐凹陷深度、果脐轮廓直径和果脐轮廓圆润度对应的果脐凹陷度影响因子。
63.需要进一步说明的是，所述种植林各子区域各农产品的表面纹理数量和体积的获取方式为：利用无人机搭建的摄像头和图像处理软件，通过拍摄种植林各子区域各农产品的外观图像进行非接触式测量，得到种植林各子区域各农产品的表面纹理数量和体积。
64.需要进一步说明的是，具体的非接触时测量方法为：通过图像处理软件对种植林各子区域各农产品的外观图像中各农产品的轮廓进行识别和提取，得到其直径、长度和表面各纹理，进而对直径和长度进行计算得到种植林各子区域各农产品的体积，统计表面各纹理得到种植林各子区域各农产品的表面纹理数量。
65.作为本发明的一种优选实施例，所述种植林各子区域各农产品的外观成熟系数的具体分析过程如下：(31)提取种植林各子区域各农产品的表面颜色符合度、表面纹理数量、体积和果脐凹陷度。
66.(32)根据农产品的类型，将其与数据库中存储的各类型农产品完全成熟时的表面纹理标准数量和标准体积进行匹配，得到农产品对应的表面纹理标准数量和标准体积。
67.(33)分析种植林各子区域各农产品的外观成熟系数其中m
if
、v
if
分别为种植林第i个子区域第f个农产品的表面纹理数量和体积，m0、v0分别为农产品对应的表面纹理标准数量和标准体积，δm、δv分别为设定的农产品完全成熟时允许存在的表面纹理数量和体积的偏差值，α1、α2、α3、α4分别为设定的表面颜色符合度、表面纹理数量、体积和果脐凹陷度的权重系数，α1+α2+α3+α4＝1。
68.本发明通过以固定监测周期对种植林各子区域的农产品外观进行监测，获取种植林各子区域各农产品的外观信息，并分析种植林各子区域各农产品的外观成熟系数，为农产品的综合成熟系数提供了重要的数据支撑，进而规避了因光照因素造成的农产品成熟度误判，保证了农产品采摘的最佳时机。
69.(4)农产品含糖量监测：以固定监测周期对种植林各子区域各农产品糖分情况进行监测，获取种植林各子区域各农产品的含糖量。
70.(5)农产品含糖量分析：根据种植林各子区域各农产品的含糖量，分析种植林各子区域各农产品的内在成熟系数。
71.作为本发明的一种优选实施例，所述种植林各子区域各农产品的内在成熟系数的具体分析过程如下：(51)获取获取种植林各子区域各农产品的含糖量。
72.需要进一步说明的是，所述种植林各子区域各农产品的含糖量的具体获取方式为：利用无人机上搭建的近红外光对种植林各子区域各农产品进行穿透处理，得到其吸收光谱，将种植林各子区域各农产品的吸收光谱与设定的各吸收光谱对应的含糖量进行匹配，从而得到种植林各子区域各农产品的含糖量。
73.(52)根据农产品的类型，将其与数据库中存储的各类型农产品完全成熟时的含糖量进行匹配，得到农产品对应的标准含糖量。
74.(53)分析种植林各子区域各农产品的内在成熟系数其中t
if
为种植林第i个子区域第f个农产品的含糖量，t0为农产品对应的标准含糖量，δt为设定的农产品完全成熟时允许存在的含糖量的偏差值，e为自然常数。
75.本发明通过以固定监测周期对种植林各子区域各农产品糖分情况进行监测，获取种植林各子区域各农产品的含糖量，并分析种植林各子区域各农产品的内在成熟系数，为农产品的综合成熟系数提供了数据支撑，从而提高了农产品成熟度预测的准确性。
76.(6)农产品成熟度解析：根据种植林各子区域各农产品的外观成熟系数和内在成熟系数，分析种植林各子区域各农产品的综合成熟系数，进而获得种植林各子区域各农产品的成熟度，并对其进行筛选，得到成熟度为十分熟的种植林各子区域各农产品，并对其进行标记，同时将其对应的编号发送给种植林管理员。
77.作为本发明的一种优选实施例，所述种植林各子区域各农产品的成熟度的具体分析过程如下：(61)提取种植林各子区域各农产品的外观成熟系数和内在成熟系数。
78.(62)分析种植林各子区域各农产品的综合成熟系数
79.(63)将种植林各子区域各农产品的综合成熟系数与数据库中存储的各成熟度对应的综合成熟系数范围进行匹配，得到种植林各子区域各农产品的成熟度。
80.需要进一步说明的是，所述种植林各子区域各农产品的成熟度的具体分析方式为：预先设定各成熟度对应的综合成熟系数范围，其中十分成熟度对应的综合成熟系数范围为(ζ1,+∞)，九分成熟度对应的综合成熟系数范围为(ζ2,ζ1)，八分成熟度对应的综合成熟系数范围为(ζ3,ζ2)，七分成熟度对应的综合成熟系数范围为(ζ4,ζ3)，不成熟对应的综合成熟系数范围为(-∞,ζ4)，且ζ1＞ζ2＞ζ3＞ζ4。
81.若ζ
if
∈(ζ1,+∞)，则种植林第i个子区域第f个农产品的成熟度为十分成熟度，若ζ
if
∈(ζ2,ζ1)，则种植林第i个子区域第f个农产品的成熟度为九分成熟度，若ζ
if
∈(ζ3,ζ2)，则种植林第i个子区域第f个农产品的成熟度为八分成熟度，若ζ
if
∈(ζ4,ζ3)，则种植林第i个子区域第f个农产品的成熟度为七分成熟度，若ζ
if
∈(-∞,ζ4)，则种植林第i个子区域第f个农产品的成熟度为不成熟。
82.本发明通过分析种植林各子区域各农产品的综合成熟系数，获得种植林各子区域各农产品的成熟度，并对其进行筛选，得到成熟度为十分熟的种植林各子区域各农产品，进而对其进行处理，将农产品按照成熟度进行分级，满足了不同消费者对农产品的需求，也有助于种植林管理员制定合适的包装、品牌和营销策略。
83.(7)农产品成熟度预测反馈：提取种植林各子区域各农产品各次监测的综合成熟系数，并对其进行解析得到种植林各子区域各农产品的综合成熟系数与监测时间的曲线，进而预测种植林各子区域的各未标记农产品的各成熟度时间，并将其在智能显示终端进行显示。
84.作为本发明的一种优选实施例，所述种植林各子区域各农产品各次监测的成熟度
与各监测时间点的曲线的具体解析过程如下：从数据库中提取存储的种植林各子区域各农产品的各次监测综合成熟系数和各次监测时间。
85.将种植林各子区域各农产品的各次监测综合成熟系数作为纵坐标，各次监测时间作为横坐标，绘制种植林各子区域各农产品的综合成熟系数与监测时间的曲线图，并将其记为种植林各子区域各农产品成熟时间曲线图。
86.作为本发明的一种优选实施例，所述种植林各子区域各未标记农产品的各成熟度时间的具体预测过程如下：(71)提取种植林各子区域各农产品成熟时间曲线图，将其按照成熟度对应的综合成熟系数范围进行划分为各成熟度区域。
87.(72)提取种植林各子区域各农产品成熟曲线中各成熟度区域对应的最大综合成熟系数和其监测时间以及最小综合成熟系数和其监测时间。
88.(73)分析种植林各子区域各农产品的各成熟度生长速率其中分别为种植林第i个子区域第f个农产品第g个成熟度区域对应的最大和最小综合成熟系数，分别种植林第i个子区域第f个农产品第g个成熟度区域对应的最大和最小综合成熟系数的监测时间，i＝1,2,......,a，f＝1,2,......,c，，g＝1,2,......,d，i为种植林各子区域的编号，f为各农产品的编号，g为各成熟度的编号。
89.(74)提取种植林各子区域各农产品的各成熟度生长速率，将其与设定的生长速率阈值进行作差，得到种植林各子区域各农产品各成熟度生长速率与生长速率阈值的差值，并对其进行筛选，从而得到差值小于预设差值阈值的各成熟度生长速率对应种植林各子区域各农产品，记为种植林各子区域各参考农产品的各成熟度生长速率，进一步对其作均值计算，得到农产品各成熟度参考生长速率
90.(75)根据计算模型对种植林各子区域的各未标记农产品的各成熟度时间进行预测，其中t
′
ipg
为预测的种植林第i个子区域的第p个未标记农产品的第g个成熟度的时间，ζg为从数据库中提取的第g个成熟度对应的综合成熟系数范围中的最小系数，ζ
′
ip
为种植林第i个子区域的第p个未标记农产品当前监测时间对应的综合成熟系数，t0为当前监测时间,p＝1,2,......,q且q≤c，p为各未标记农产品的编号。
91.本发明通过对种植林各子区域各农产品各次监测的综合成熟系数解析得到种植林各子区域各农产品各次监测的综合成熟系数与各次监测时间点的曲线，进而预测种植林各子区域的各未标记农产品的各成熟度时间，充分考虑了农产品在不同成熟度的生长速率的编号，进而提高了农产品成熟度预测的精准性，有助于种植林管理员优化管理，保证了农产品达到最佳品质和时机时采摘，有助于种植林管理员和供应链管理者针对性地采取处理措施，以延长农产品的保鲜期和维持其货架寿命。
92.以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员
对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。

技术特征：
1.一种基于融合数据分析的农产品成熟度预测方法，其特征在于，包括：(1)种植林子区域划分：将种植农产品的种植林划分为各子区域，并将其记为种植林各子区域；(2)农产品外观监测：以固定监测周期对种植林各子区域的农产品外观进行监测，获取种植林各子区域各农产品的外观信息；(3)农产品外观分析：根据种植林各子区域各次监测的各农产品的外观信息，分析种植林各子区域各农产品的外观成熟系数；(4)农产品含糖量监测：以固定监测周期对种植林各子区域各农产品糖分情况进行监测，获取种植林各子区域各农产品的含糖量；(5)农产品含糖量分析：根据种植林各子区域各农产品的含糖量，分析种植林各子区域各农产品的内在成熟系数；(6)农产品成熟度解析：根据种植林各子区域各农产品的外观成熟系数和内在成熟系数，分析种植林各子区域各农产品的综合成熟系数，进而获得种植林各子区域各农产品的成熟度，并对其进行筛选，得到成熟度为十分熟的种植林各子区域各农产品，并对其进行标记，同时将其对应的编号发送给种植林管理员；(7)农产品成熟度预测反馈：提取种植林各子区域各农产品各次监测的综合成熟系数，并对其进行解析得到种植林各子区域各农产品的综合成熟系数与监测时间的曲线，进而预测种植林各子区域的各未标记农产品的各成熟度时间，并将其在智能显示终端进行显示。2.根据权利要求1所述的一种基于融合数据分析的农产品成熟度预测方法，其特征在于：所述种植农产品的种植林划分为各子区域的具体分析过程为：(11)获取种植农产品的种植林的总面积；(12)将种植农产品的种植林的总面积进行等份额分割为若干份，得到种植林各子区域。3.根据权利要求1所述的一种基于融合数据分析的农产品成熟度预测方法，其特征在于：所述种植林各子区域各农产品的外观信息包括表面颜色符合度、表面纹理数量、体积和果脐凹陷度。4.根据权利要求3所述的一种基于融合数据分析的农产品成熟度预测方法，其特征在于：所述种植林各子区域各农产品的表面颜色符合度的具体获取过程如下：利用无人机对种植林各子区域各农产品进行实时监测,得到种植林各子区域各农产品外观图像；将种植林各子区域各农产品外观图像进行灰度处理，得到种植林各子区域各农产品外观灰度图像，并将其进行等份额划分为各外观子区域，进而提取种植林各子区域各农产品各外观子区域的图像灰度值g
ifx
，其中i＝1,2,......,a，f＝1,2,......,c，i为种植林各子区域的编号，f为各农产品的编号，同理获得农产品完全成熟时外观各子区域的图像标准灰度值g
x
′
，其中x＝1,2,......,n，x为外观各子区域的编号，n为外观子区域的数量；分析种植林各子区域各农产品的表面颜色符合度其中δg为设定的允许存在的图像灰度值与标准图像灰度值差值的偏差值。
5.根据权利要求4所述的一种基于融合数据分析的农产品成熟度预测方法，其特征在于：所述种植林各子区域各农产品的果脐凹陷度的具体获取过程如下：从种植林各子区域各农产品各外观子区域的图像灰度值中提取种植林各子区域各农产品果脐区域对应的灰度值，将其与设定的各果脐凹陷深度对应的灰度值范围进行匹配，得到种植林各子区域各农产品果脐凹陷深度h
if
；从种植林各子区域各农产品外观图像中提取种植林各子区域各农产品果脐轮廓的直径和面积，将种植林各子区域各农产品果脐轮廓的直径记为l
if
；从数据库中提取直径与种植林各子区域各农产品果脐轮廓的直径相同的各圆形轮廓面积，将其分别与种植林各子区域各农产品果脐轮廓的面积进行对比，得到种植林各子区域各农产品果脐轮廓与其对应圆形轮廓的重合面积，进而计算种植林各子区域各农产品果脐轮廓的圆润度其中s
if
为种植林第i个子区域第f个农产品果脐轮廓与其对应圆形轮廓的重合面积，s
i
′
f
为种植林第i个子区域第f个农产品果脐轮廓对应圆形轮廓的面积；分析种植林各子区域各农产品的果脐凹陷度其中h0、l0分别为设定的农产品完全成熟时的果脐标准凹陷深度和果脐轮廓的标准直径，δ1、δ2、δ3分别为设定的果脐凹陷深度、果脐轮廓直径和果脐轮廓圆润度对应的果脐凹陷度影响因子。6.根据权利要求5所述的一种基于融合数据分析的农产品成熟度预测方法，其特征在于：所述种植林各子区域各农产品的外观成熟系数的具体分析过程如下：(31)提取种植林各子区域各农产品的表面颜色符合度、表面纹理数量、体积和果脐凹陷度；(32)根据农产品的类型，将其与数据库中存储的各类型农产品完全成熟时的表面纹理标准数量和标准体积进行匹配，得到农产品对应的表面纹理标准数量和标准体积；(33)分析种植林各子区域各农产品的外观成熟系数其中m
if
、v
if
分别为种植林第i个子区域第f个农产品的表面纹理数量和体积，m0、v0分别为农产品对应的表面纹理标准数量和标准体积，δm、δv分别为设定的农产品完全成熟时允许存在的表面纹理数量和体积的偏差值，α1、α2、α3、α4分别为设定的表面颜色符合度、表面纹理数量、体积和果脐凹陷度的权重系数，α1+α2+α3+α4＝1。7.根据权利要求6所述的一种基于融合数据分析的农产品成熟度预测方法，其特征在于：所述种植林各子区域各农产品的内在成熟系数的具体分析过程如下：
(51)获取获取种植林各子区域各农产品的含糖量；(52)根据农产品的类型，将其与数据库中存储的各类型农产品完全成熟时的含糖量进行匹配，得到农产品对应的标准含糖量；(53)分析种植林各子区域各农产品的内在成熟系数其中t
if
为种植林第i个子区域第f个农产品的含糖量，t0为农产品对应的标准含糖量，δt为设定的农产品完全成熟时允许存在的含糖量的偏差值，e为自然常数。8.根据权利要求7所述的一种基于融合数据分析的农产品成熟度预测方法，其特征在于：所述种植林各子区域各农产品的成熟度的具体分析过程如下：(61)提取种植林各子区域各农产品的外观成熟系数和内在成熟系数；(62)分析种植林各子区域各农产品的综合成熟系数(63)将种植林各子区域各农产品的综合成熟系数与数据库中存储的各成熟度对应的综合成熟系数范围进行匹配，得到种植林各子区域各农产品的成熟度。9.根据权利要求1所述的一种基于融合数据分析的农产品成熟度预测方法，其特征在于：所述种植林各子区域各农产品的综合成熟系数与监测时间的曲线的具体解析过程如下：从数据库中提取存储的种植林各子区域各农产品的各次监测综合成熟系数和各次监测时间；将种植林各子区域各农产品的各次监测综合成熟系数作为纵坐标，各次监测时间作为横坐标，绘制种植林各子区域各农产品的综合成熟系数与监测时间的曲线图，并将其记为种植林各子区域各农产品成熟时间曲线图。10.根据权利要求9所述的一种基于融合数据分析的农产品成熟度预测方法，其特征在于：所述种植林各子区域各未标记农产品的各成熟度时间的具体预测过程如下：(71)提取种植林各子区域各农产品成熟时间曲线图，将其按照成熟度对应的综合成熟系数范围进行划分为各成熟度区域；(72)提取种植林各子区域各农产品成熟曲线中各成熟度区域的最大综合成熟系数和其监测时间以及最小综合成熟系数和其监测时间；(73)分析种植林各子区域各农产品的各成熟度生长速率其中分别为种植林第i个子区域第f个农产品第g个成熟度区域的最大和最小综合成熟系数，分别种植林第i个子区域第f个农产品第g个成熟度区域的最大和最小综合成熟系数的监测时间，i＝1,2,......,a，f＝1,2,......,c，，g＝1,2,......,
d，i为种植林各子区域的编号，f为各农产品的编号，g为各成熟度的编号；(74)提取种植林各子区域各农产品的各成熟度生长速率，将其与设定的生长速率阈值进行作差，得到种植林各子区域各农产品各成熟度生长速率与生长速率阈值的差值，并对其进行筛选，从而得到差值小于预设差值阈值的各成熟度生长速率对应种植林各子区域各农产品，记为种植林各子区域各参考农产品的各成熟度生长速率，进一步对其作均值计算，得到农产品各成熟度参考生长速率(75)根据计算模型对种植林各子区域的各未标记农产品的各成熟度时间进行预测，其中t
i
′
pg
为预测的种植林第i个子区域的第p个未标记农产品的第g个成熟度的时间，ζ
g
为从数据库中提取的第g个成熟度对应的综合成熟系数范围中的最小系数，ζ
i
′
p
为种植林第i个子区域的第p个未标记农产品当前监测时间对应的综合成熟系数，t0为当前监测时间,p＝1,2,......,q且q≤c，p为各未标记农产品的编号。

技术总结
本发明属于农产品成熟度预测保护技术领域，涉及到一种基于融合数据分析的农产品成熟度预测方法。本发明通过以固定监测周期监测获取种植林各子区域的农产品外观信息和含糖量，分析种植林各子区域各农产品的综合成熟系数，进而获得其成熟度，并进行筛选处理，解析种植林各子区域各农产品各次监测的综合成熟系数与各次监测时间点的曲线，预测种植林各子区域的各未标记农产品的各成熟度时间，本发明提高了农产品成熟度预测的精准性，保证了农产品达到最佳品质和时机时采摘，有助于种植林管理员制定合适的包装、品牌和营销策略，也有助于针对性地采取处理措施，以延长农产品的保鲜期和维持其货架寿命。维持其货架寿命。维持其货架寿命。


技术研发人员：谢利
受保护的技术使用者：荆州谷德农业科技发展有限公司
技术研发日：2023.07.20
技术公布日：2023/10/5