一种基于云视频信息处理的冷链食品物流可视化方法技术

本发明专利技术公开了一种基于云视频信息处理的冷链食品物流可视化方法，该方法包括，对冷链食品物流信息进行数据采集并传输到云端，在云端利用卷积神经网络对冷链食品物流数据进行预处理；对预处理后的冷链食品物流数据利用范数进行特征提取，用于描述数据之间的差异；建立数据搜寻方程，对特征提取后的数据进行归类；对可视化数据利用建立的数据范围函数寻找出数据范围中的最优解；利用可视化函数对物流数据进行图像生成并展示；对可视化结果进行判断，判断是否为最佳展示效果，该方法在海量数据中，改善数据可视化提取质量，同时建立评估过程，提高可视化过程的准确性。提高可视化过程的准确性。提高可视化过程的准确性。

【技术实现步骤摘要】
一种基于云视频信息处理的冷链食品物流可视化方法


[0001]本专利技术涉及物流与算法的领域，尤其涉及一种基于云视频信息处理的冷链食品物流可视化方法。

技术介绍

[0002]近年来，我国冷链食品市场发展迅速，冷链食品物流的发展前景引起业内广泛关注。但现有的冷链食品物流还未形成完整而独立的冷链体系，缺乏运输过程中物流的可视化技术，导致食品流通环节损耗严重，影响食品品质安全，物流效率低下，物流公司无法实时定位、即时调度，给食品企业和第三方物流企业带来损失。
[0003]授权公告号为CN109345177B公开了一种基于云视频信息处理的冷链食品物流可视化方法，该方法主要包括：A.通过冷藏车厢内的监控获取食品的属性信息，将采集的视频流进行编码压缩处理，形成数字化的视频流；B.将视频编码映射到各共享信道，通过时隙目标函数优化组播传输能效，将监控视频传至物流中心；C.建立冷链食品物流动态跟踪模型，通过粒子滤波优化得到射频识别信号的位置，获取食品传输路径，实现冷链食品的物流可视化。该方法具有较好的时效性和灵活性，能够快速、准确、高效和无损地进行食品品质安全信息的获取，对食品和车辆进行精确定位，方便物流公司远程调度管理，提高物流运输效率和食品运输的安全性。
[0004]公开号为CN109377121A的专利公开了一种冷链物流可视化监控系统及方法，该专利技术公开了一种冷链物流可视化监控系统，包括运输车辆，所述运输车辆上设有PLC控制器和GPS定位器，所述运输车辆后侧设有冷库，所述冷库内部设有货架和机械臂，所述货架一侧设有温度传感器，所述货架上设有置物格，所述机械臂一端底部设有条码扫描仪和摄像头，所述冷库后侧设有推拉门，所述推拉门内侧对应的冷库内部设有置物台。本专利技术利用冷库内部设置机械臂进行上下料，避免冷库内部冷气流失，保证货物的质量，另外通过地图生成模块的设置，能够快速生成用时最短的输送路线，并且生成的输送路线以及多个订单的位置在送货员终端上的GPS定位系统中标记显示，便于送货员观看并使用，缩短送货时间，保证货物质量。
[0005]但是，目前现有的方法中对于冷链食品物流数据在可视化的过程中如何处理数据、如何在海量数据中，改善空间数据可视化提取质量，以及如何建立评价体系，在现有方法中都未提及，这些都将直接影响可视化的结果，因此这些问题亟需解决。

技术实现思路

[0006]为了克服现有技术存在的缺点与不足，本专利技术提供一种基于云视频信息处理的冷链食品物流可视化方法。
[0007]本专利技术所采用的技术方案是，该方法包括如下：步骤S1：对冷链食品物流信息进行数据采集并传输到云端，在云端利用卷积神经网络对冷链食品物流数据进行预处理；
步骤S2：对预处理后的冷链食品物流数据利用范数进行特征提取，用于描述数据之间的差异；步骤S3：建立数据搜寻方程，对特征提取后的数据进行归类；步骤S4：对可视化数据利用建立的数据范围函数寻找出数据范围中的最优解；步骤S5：利用可视化函数对物流数据进行图像生成并展示；步骤S6：对可视化结果进行判断，判断是否为最佳展示效果。
[0008]进一步地，所述利用卷积神经网络对冷链食品物流数据进行预处理，表达式为：地，所述利用卷积神经网络对冷链食品物流数据进行预处理，表达式为：地，所述利用卷积神经网络对冷链食品物流数据进行预处理，表达式为：其中，A表示卷积神经网络中输入节点匹配响应程度，表示冷链食品物流输入数据的权值矩阵，b表示神经元与神经元之间的连接系数，表示在卷积神经网络中冷链食品物流的输入数据，表示卷积神经网络中的输出，表示卷积神经网络中节点与节点之间的输入，n表示神经元的个数，表示前一节点神经元x与神经元y之间的系数矩阵，表示后一节点神经元x与神经元y之间的系数矩阵，表示神经元x与神经元y之间的系数矩阵的特征值，表示神经元与神经元之间的系数矩阵均值。
[0009]进一步地，所述对预处理后的冷链食品物流数据利用范数进行特征提取，表达式为：其中，表示经过训练的数据集合，表示新采集的数据集合，表示前一节点神经元x与神经元y之间的系数矩阵，表示经过训练的数据的特征矩阵，r表示系数矩阵行与列的和，x表示迭代次数。
[0010]进一步地，所述数据搜寻方程，表达式为：其中，表示目标数据，表示数据库中的所有数据，L与Q均表示随机参数。
[0011]进一步地，所述数据范围函数，表达式为：其中，表示数据范围函数，表示数据范围中的最优解，L表示范围函数的匹配系数，E表示最优解的系数矩阵，表示需要进行可视化展示的目标数据。
[0012]进一步地，所述可视化函数，表达式为：
其中，表示需要进行可视化展示的目标数据，表示数据范围函数，表示可视化系数，表示可视化视图长宽比，表示视图最佳的展示比例，Z表示[
‑
1，1]中的随机数。
[0013]进一步地，所述对可视化结果进行判断，表达式为：其中，表示可视化结果进行判断函数，表示可视化结果的正面反馈，表示可视化结果的负面反馈，rand(y)表示随机函数，CR表示数据可视化的正确率，y表示由随机函数产生的随机数，表示随机整数。
[0014]有益效果：本专利技术提出一种基于云视频信息处理的冷链食品物流可视化方法，该方法利用卷积神经网络对冷链食品物流数据进行预处理，利用卷积神经网络对数据实现识别与分类，在海量数据中，改善数据可视化提取质量，同时建立评估过程，提高可视化过程的准确性，该方法思路清晰，理解简单，解决了冷链食品物流数据在可视化的过程中所存在的问题，可在物流体系中进行大范围的推广。
附图说明
[0015]图1为本专利技术总体步骤流程图；图2为本专利技术的预处理步骤图。
具体实施方式
[0016]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合，下面结合附图和有具体实施例对本申请作进一步详细说明。
[0017]如图1所示，一种基于云视频信息处理的冷链食品物流可视化方法，该方法包括如下：步骤S1：对冷链食品物流信息进行数据采集并传输到云端，在云端利用卷积神经网络对冷链食品物流数据进行预处理；为了准确提取出冷链食品物流数据，本专利技术提出利用卷积神经网络对冷链食品物流数据进行预处理，卷积神经网络可实现模式识别与分类，在海量数据中，有助于改善空间数据可视化提取质量，可以在不理想状况下实现噪声数据过滤。卷积神经网络在对冷链食品物流数据中能够进行降维处理，构建拓扑，不但保留数据初始关系，还能将数据的非线性关系变换为几何关系，减少计算量。卷积神经网络自组织性能较强，通过该预处理步骤对神经元与神经元之间的系数矩阵的不断调节，保证神经网络在相同形态中收敛，在该步骤中涉及三个变量的计算，分别为：卷积神经网络中输入节点匹配响应程度、卷积神经网络中的输出以及神经元与神经元之间的系数矩阵。
[0018]步骤S2：对预处理后的冷链食品物流数据利用范数进行特征提取，用于描述数据之间的差异；在该步骤中特征提取与经过训练的数据集合、新采集的数据集合、前一节点神经
元与神经元之间的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云视频信息处理的冷链食品物流可视化方法，其特征在于，该方法包括如下：步骤S1：对冷链食品物流信息进行数据采集并传输到云端，在云端利用卷积神经网络对冷链食品物流数据进行预处理；步骤S2：对预处理后的冷链食品物流数据利用范数进行特征提取，用于描述数据之间的差异；步骤S3：建立数据搜寻方程，对特征提取后的数据进行归类；步骤S4：对可视化数据利用建立的数据范围函数寻找出数据范围中的最优解；步骤S5：利用可视化函数对物流数据进行图像生成并展示；步骤S6：对可视化结果进行判断，判断是否为最佳展示效果。2.如权利要求1所述的一种基于云视频信息处理的冷链食品物流可视化方法，其特征在于，所述利用卷积神经网络对冷链食品物流数据进行预处理，表达式为：在于，所述利用卷积神经网络对冷链食品物流数据进行预处理，表达式为：在于，所述利用卷积神经网络对冷链食品物流数据进行预处理，表达式为：其中，A表示卷积神经网络中输入节点匹配响应程度，表示冷链食品物流输入数据的权值矩阵，b表示神经元与神经元之间的连接系数，表示在卷积神经网络中冷链食品物流的输入数据，表示卷积神经网络中的输出，表示卷积神经网络中节点与节点之间的输入，n表示神经元的个数，表示前一节点神经元x与神经元y之间的系数矩阵，表示后一节点神经元x与神经元y之间的系数矩阵，表示神经元x与神经元y之间的系数矩阵的特征值，表示神经元与神经元之间的系数矩阵均值。3.如权利要求1所述的一种基于云视频信息处理的冷链食品物流可视化方法，其...

【专利技术属性】
技术研发人员：孙炜，周婷，姜佰胜，孙利平，
申请(专利权)人：深圳市中农易讯信息技术有限公司，
类型：发明
国别省市：