1.一种基于光谱技术的农产品检测管理系统,其特征在于,包括处理器、安全监测模块、数据采集模块、数据分析模块、产品评级模块、全局监控模块和数据存储模块;
所述数据采集模块与至少一组检测设备通信连接;所述数据采集模块用于获取农药光谱检测数据、农产品图像数据和元素光谱检测数据,将农药光谱检测数据分别发送至安全检测模块,将农场品图像数据和元素光谱检测数据分别发送至数据分析模块和数据存储模块;
所述数据分析模块包括质量分析单元和元素分析单元;所述元素分析单元根据元素光谱数据生成元素评价标签,包括:
根据元素光谱数据和元素分析仪获取农产品中的元素含量;所述元素含量包括常规元素含量和污染元素含量,其中常规元素包括常量元素和微量元素,污染元素包括汞、镉、铅、铬、砷、锌、铜、钴、镍和锡;
通过数据存储模块获取农产品对应元素的标准含量;
当元素含量中任一项超出标准含量时,则判定对应的农产品元素含量不合格;否则,将元素含量中的元素标记为j,j=1,2,……,n;将元素j的元素含量标记为YHj;
建立元素矩阵;所述元素矩阵具体为通过处理器将元素矩阵分别发送至数据存储模块和产品评级模块;
所述产品评级模块用于对农产品进行质量级别评定,包括:当产品评级模块接收到安全标签、质量评级标签和元素矩阵,将安全标签、质量评级标签和元素矩阵整合并标记为输入数据;
通过数据存储模块获取级别评定模型;
将输入数据输入至级别评定模型获取输出结果;所述输出结果为输入数据对应的级别标签;
通过处理器将级别标签分别发送至数据存储模块和全局监控模块。
2.根据权利要求1所述的一种基于光谱技术的农产品检测管理系统,其特征在于,所述级别评定模型的获取具体包括以下步骤:通过数据存储模块获取训练数据集;所述训练数据集包括若干组产品训练数据,若干组所述产品训练数据包括安全标签、质量评级标签和元素矩阵;
为训练数据集中的每组产品训练数据设置级别标签;所述级别标签的取值为1、2和3;
将产品训练数据和级别标签按照设定比例划分为训练集、测试集和校验集;
构建支持向量机模型;
通过训练集、测试集和校验集对支持向量机模型进行训练、测试和校验;将训练完成的支持向量机模型标记为级别评定模型;
通过处理器将级别评定模型发送至数据存储模块进行存储。
3.根据权利要求1所述的一种基于光谱技术的农产品检测管理系统,其特征在于,所述质量分析单元根据农产品图像数据对农产品的质量进行分析获取质量评价标签,包括:当质量分析单元接收到农产品图像数据之后对图像数据进行图像预处理并标记为初筛图像;所述图像预处理包括图像分割、图像去噪和灰度变换;
以灰度范围为自变量,以初筛图像中像素点在灰度范围中对应的灰度值数量为因变量,结合多项式拟合法建立灰度变化曲线;所述灰度范围为[0,255],且灰度范围为整数;
获取灰度变化曲线的驻点,将驻点标记为ZDi,i表示灰度变化曲线的第i个驻点,根据灰度变化曲线获取驻点ZDi对应的数值并标记为ZZi;
根据驻点ZDi和数值ZZi建立矩阵,并将矩阵标记为验证矩阵;所述验证矩阵具体为通过数据存储模块获取标准矩阵;所述标准矩阵为质量合格农产品的验证矩阵;
根据验证矩阵和标准矩阵生成质量标签;所述质量标签的取值为0和1,当质量标签为0时,表示验证矩阵和标准矩阵不相似,当质量标签为1时,表示验证矩阵和标准矩阵相似;
生成质量评价标签;所述质量评价标签包括质量标签和验证矩阵;
通过处理器将质量评价标签分别发送至数据存储模块和产品评级模块。
4.根据权利要求1所述的一种基于光谱技术的农产品检测管理系统,其特征在于,所述安全检测模块根据农业光谱检测数据获取安全标签,包括:通过荧光光谱仪获取滩涂农产品样本的三维荧光表观光谱数据,经过光谱预处理之后标记为验证数据;所述光谱预处理包括激发‑发射校正和数据预处理;
通过数据存储模块获取农药检测模型;
将验证数据经过数据归一化之后输入至农药检测模型获取输出结果,将输出结果经过数据反归一化之后标记为农药检测数据NCS;所述农药检测数据为验证数据对应的农药残留浓度;
生成农产品的安全标签;所述安全标签的取值为00、10和11,当安全标签为11时,表示农产品的农药检测数据NCS满足0≤NCS<L1,安全标签对应的农产品安全性高,当安全标签为10时,表示农产品的农药检测数据NCS满足L1≤NCS<L2,安全标签对应的农产品安全性合格,当安全标签为00时,表示农产品的农药检测数据NCS满足L2≤NCS,安全标签对应的农产品安全性未达标;其中L1和L2为农药残留阈值,且L1和L2均通过大量数据模拟获取;
通过处理器将安全标签分别发送至产品评级模块和数据存储模块。
5.根据权利要求4所述的一种基于光谱技术的农产品检测管理系统,其特征在于,所述农药检测模型的获取具体包括以下步骤:通过数据存储模块获取N组滩涂农产品农药残留样本的三维荧光表观光谱数据及对应的农药残留浓度,对三维荧光表观光谱数据进行仪器激发‑发射校正之后得到样本的真实光谱,利用多项式平滑法对真实光谱进行数据预处理并将数据预处理之后的数据标记为训练数据;其中N为设定阈值,且N为大于等于10的整数;
构建误差逆向传播神经网络模型;所述误差逆向传播神经网络模型至少为三层结构;
将训练数据按照设定比例划分为训练集、测试集和校验集;所述设定比例包括2∶1∶1、3∶1∶1和3∶2∶1;
将训练集、测试集和校验集经过数据归一化之后对误差逆向传播神经网络模型进行训练、测试和校验;当误差逆向传播神经网络模型的训练精度达到目标精度时,则判定误差逆向传播神经网络模型训练完成,将训练完成的误差逆向传播神经网络模型标记为农药检测模型;
通过处理器将农药检测模型发送至数据存储模块进行存储。
6.根据权利要求1所述的一种基于光谱技术的农产品检测管理系统,其特征在于,所述处理器分别与安全监测模块、数据采集模块、数据分析模块、产品评级模块、全局监控模块和数据存储模块通信连接;所述全局监控模块分别与数据存储模块和产品评级模块通信连接,所述数据采集模块分别与安全检测模块和数据分析模块通信连接,所述产品评级模块和数据分析模块通信连接。