关键词:
粮食收购服务
数字图像处理
人工神经网络
不完善粒检测
摘要:
当前粮食已经成为市场上重要的商品,而粮食进入市场的首要环节便是粮食收购。经过调研发现,当下粮企的收购过程依然存在许多漏洞,这些漏洞引起了一系列问题,给粮企、国家以及粮商都造成了一定的损失。国家有关部门也多次出台促进粮食企业信息化建设方案,本系统就是基于这一背景和实际需求而设计。为了促进粮食收购更加信息化、减少收购环节中存在的问题、提高收购效率以及提升粮商售粮体验,本文重点做了以下几方面的研究工作:(1)对粮食收购的各个流程进行了深入调研,在确定需求后设计了粮食收购服务系统。由于中储粮(中国储备粮管理总公司)等一些大中型粮企包含众多分区粮库,为了达到平台共用和数据共享,服务端的设计采用平台独立、低耦合、资源共享的Web Service形式:针对粮食数据的特殊性,尤其是作为国家战略或经济调控的储备粮,粮食数据的重要性和安全性更是不容忽视,为保证粮食数据以及企业和用户隐私的安全,服务端和客户端采用增加安全机制的HTTPS协议进行通信;针对当前服务系统功能单一,本文丰富和完善了客户端的功能。(2)本文对购粮方客户端Android应用整体采用的架构、通信框架以及各个子功能等都作了详细的设计与实现。针对当前粮食收购在调度、监管和协作方面的问题,在Android客户端增加相应的模块进行提升和优化。粮食收购中,另一个重要的主题就是售粮方。以往经常会出现繁琐的身份确认、导引不周、数据不透明、效率缓慢等,导致售粮方的体验较差。为解决这些问题,本文设计的整个售粮流程以车牌号作为主线进行,在系统中应用OCR(Optical Character Recognition,光学字符识别)技术,快速进行信息登记以及身份确认;另外,本文实现了微信公众号,提供预约、信息查询、推送和反馈等功能,对于粮商售粮体验有很大程度的提升。(3)在粮食收购环节中,目前不完善粒检测方面几乎仍采用人工模式进行判别,人工判别较为繁琐,主观性较强而且极易出现作弊现象。针对这些问题,本文采用数字图像处理以及改进的BP(Back Propagation)神经网络技术,实现不完善粒的自动检测。在研究中,针对不同粮食作物提取具体特征,比如本文中以黄豆作为测试对象,就选取了边界向量角的一些统计特征作为判别参数,这是因为此特征能较明显的反映出籽粒类型中破损粒、虫蚀粒、生芽粒与完善粒的区别,显著提高了此类籽粒的识别准确度。通过实验结果分析,不完善粒检测平均识别结果达到95.5%,已经完全可以满足当前粮企收购中的应用,提升了粮食检测效率;另外图像处理和神经网络模型的构建均采用OpenCV开源计算机视觉库实现,这也方便了后期物联网终端设备的集成,识别的数据自动上传,从而更加方便粮企作业人员的使用和避免人为作弊现象。综上,本文设计的粮食收购服务系统对当前粮食收购总体效率和体验度有很大程度的提升,在实际中有较好的应用价值。