CN112990623A - 一种蜂蜜、目标对象品质分析方法、设备及存储介质 - Google Patents
一种蜂蜜、目标对象品质分析方法、设备及存储介质 Download PDFInfo
- Publication number
- CN112990623A CN112990623A CN201911276757.2A CN201911276757A CN112990623A CN 112990623 A CN112990623 A CN 112990623A CN 201911276757 A CN201911276757 A CN 201911276757A CN 112990623 A CN112990623 A CN 112990623A
- Authority
- CN
- China
- Prior art keywords
- quality
- data
- analyzed
- honey
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 235000012907 honey Nutrition 0.000 title claims abstract description 211
- 238000004458 analytical method Methods 0.000 title claims abstract description 106
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 230000007613 environmental effect Effects 0.000 claims abstract description 168
- 238000000034 method Methods 0.000 claims abstract description 51
- 230000015654 memory Effects 0.000 claims description 54
- 230000008859 change Effects 0.000 claims description 45
- 238000004891 communication Methods 0.000 claims description 36
- 238000012300 Sequence Analysis Methods 0.000 claims description 33
- 238000009395 breeding Methods 0.000 claims description 11
- 230000001488 breeding effect Effects 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000012731 temporal analysis Methods 0.000 claims description 11
- 238000000700 time series analysis Methods 0.000 claims description 11
- 235000001892 vitamin D2 Nutrition 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 16
- 238000004590 computer program Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 8
- 230000005291 magnetic effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 5
- 238000009341 apiculture Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241000272525 Anas platyrhynchos Species 0.000 description 2
- 241000287828 Gallus gallus Species 0.000 description 2
- 235000013330 chicken meat Nutrition 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 235000013601 eggs Nutrition 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000272517 Anseriformes Species 0.000 description 1
- 241000257303 Hymenoptera Species 0.000 description 1
- 208000024780 Urticaria Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例提供一种蜂蜜、目标对象品质分析方法、设备及存储介质。所述方法包括确定待分析区域,所述待分析区域放置有至少一个蜂箱;获取所述至少一个蜂箱的环境数据以及所述至少一个蜂箱对应的蜂群的状态数据;根据所述至少一个蜂箱的环境数据和所述蜂群的状态数据,确定所述待分析区域内产出的蜂蜜的质量参数。本申请实施例中,由于进行蜂蜜品质分析的数据基础来自于真实采集的数据,这保证了品质分析结果的真实性;而且,蜂蜜的品质分析不再需要依赖工人经验或化学手段,不仅可节省大量成本,还可提高蜂蜜品质分析的效率和/或准确性。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种蜂蜜、目标对象品质分析方法、设备及存储介质。
背景技术
目前,蜂蜜品质的分析通常需要依赖化学检测的方式,需将成品蜂蜜提供至检测机构,由检测人员对蜂蜜进行化学检测。
这导致蜂蜜品质的分析成本很高,而且,品质分析的结果只能反映送检的成品蜂蜜的品质,对用户的参考价值不大。
发明内容
本申请的多个方面提供一种蜂蜜、目标对象品质分析方法、设备及存储介质,用以降低品质分析的成本并提高品质分析结果的参考意义。
本申请实施例提供一种蜂蜜品质分析方法,包括:
确定待分析区域,所述待分析区域放置有至少一个蜂箱;
获取所述至少一个蜂箱的环境数据以及所述至少一个蜂箱对应的蜂群的状态数据;
根据所述至少一个蜂箱的环境数据和所述蜂群的状态数据,确定所述待分析区域内产出的蜂蜜的质量参数。
本申请实施例还提供一种计算设备,包括存储器、处理器和通信组件;
所述存储器用于存储一条或多条计算机指令;
所述处理器与所述存储器及所述通信组件耦合,用于执行所述一条或多条计算机指令,以用于:
确定待分析区域,所述待分析区域放置有至少一个蜂箱;
通过所述通信组件获取所述至少一个蜂箱的环境数据以及所述至少一个蜂箱对应的蜂群的状态数据;
根据所述至少一个蜂箱的环境数据和所述蜂群的状态数据,确定所述待分析区域内产出的蜂蜜的质量参数。
本申请实施例还提供一种蜂箱,包括采集组件、存储器、处理器和通信组件;
所述存储器用于存储一条或多条计算机指令;
所述处理器与所述状态数据采集组件、所述存储器以及所述通信组件耦合,用于执行所述一条或多条计算机指令,以用于:
利用所述采集组件采集所述蜂箱的环境数据和所述蜂箱对应的蜂群的状态数据;
通过所述通信组件将采集到的所述蜂箱的环境数据和所述蜂箱对应的蜂群的状态数据发送至服务器,以供所述服务器进行蜂蜜品质分析。
本申请实施例还提供一种目标对象品质分析方法,包括:
确定待分析区域,所述待分析区域放置有至少一个容具;
获取所述至少一个容具的环境数据以及所述至少一个容具对应的养殖对象的状态数据;
根据所述至少一个容具的环境数据和所述养殖对象的状态数据,确定所述待分析区域内产出的目标对象的质量参数。
本申请实施例还提供一种计算设备,包括存储器、处理器和通信组件;
所述存储器用于存储一条或多条计算机指令;
所述处理器与所述存储器及所述通信组件耦合,用于执行所述一条或多条计算机指令,以用于:
确定待分析区域,所述待分析区域放置有至少一个容具;
通过所述通信组件获取所述至少一个容具的环境数据以及所述至少一个容具对应的养殖对象的状态数据;
根据所述至少一个容具的环境数据和所述养殖对象的状态数据,确定所述待分析区域内产出的目标对象的质量参数。
本申请实施例还提供一种存储计算机指令的计算机可读存储介质,当所述计算机指令被一个或多个处理器执行时,致使所述一个或多个处理器执行前述的蜂蜜品质分析方法或目标对象品质分析方法。
本申请实施例中,可获取待分析区域内至少一个蜂箱的环境数据以及蜂箱对应的蜂群的状态数据,根据至少一个蜂箱的环境数据以及蜂箱对应的蜂群的状态数据可分析待分析区域内产出的蜂蜜的质量参数。由于进行蜂蜜品质分析的数据基础来自于真实采集的数据,这保证了品质分析结果的真实性;而且,蜂蜜的品质分析不再需要依赖工人经验或化学手段,不仅可节省大量成本,还可提高蜂蜜品质分析的效率和/或准确性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请一实施例提供的一种蜂蜜品质分析方法的流程示意图;
图2为本申请一实施例提供的蜂蜜品质分析方法的逻辑示意图;
图3为本申请另一实施例提供的一种计算设备的结构示意图;
图4为本申请又一实施例提供的一种计蜂箱的结构示意图;
图5为本申请又一实施例提供的一种目标对象品质分析方法的流程示意图;
图6为本申请又一实施例提供的另一种计算设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
目前,蜂蜜品质的分析成本很高,而且,品质分析的结果只能反映送检的成品蜂蜜的品质,对用户的参考价值不大。为解决目前存在的问题,在本申请的一些实施例中:可获取待分析区域内至少一个蜂箱的环境数据以及蜂箱对应的蜂群的状态数据,根据至少一个蜂箱的环境数据以及蜂箱对应的蜂群的状态数据可分析待分析区域内产出的蜂蜜的质量参数。由于进行蜂蜜品质分析的数据基础来自于真实采集的数据,这保证了品质分析结果的真实性;而且,蜂蜜的品质分析不再需要依赖工人经验或化学手段,不仅可节省大量成本,还可提高蜂蜜品质分析的效率和/或准确性。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1为本申请一实施例提供的一种蜂蜜品质分析方法的流程示意图。本实施例提供的蜂蜜品质分析方法可由一蜂蜜品质分析装置来执行,该蜂蜜品质分析装置可以实现为软件或实现为软件和硬件的组合,该蜂蜜品质分析装置可集成设置在服务器中。如图1所示,该方法包括:
100、确定待分析区域,待分析区域放置有至少一个蜂箱;
101、获取至少一个蜂箱的环境数据以及至少一个蜂箱对应的蜂群的状态数据;
102、根据至少一个蜂箱的环境数据和蜂群的状态数据,确定待分析区域内产出的蜂蜜的质量参数。
本实施例提供的蜂蜜品质分析方法可应用于各种需要进行蜂蜜质量评估的场景中,本实施例对应用场景不作限定。
其中,待分析区域可以是任意需要进行蜂蜜品质分析的区域,例如,可以是一个蜂蜜承包的养蜂区域,或者可以是方圆N公里的一片区域。本实施例对待分析区域内蜂箱的摆放位置、蜂箱的规格等等均不作限定。据此,本实施例中,可实现对任意区域进行蜂蜜品质的分析。当然,待分析区域内可仅包含一个蜂箱,这使得本实施例提供的蜂蜜品质分析方法还可用于对单个蜂箱内的蜂蜜进行品质分析。
本实施例中,蜂蜜的质量参数可以是营养价值或波美度等参数,当然也可以是综合品质得分或等级参数,本实施例对此不作限定。
本实施例中,蜂箱的环境数据包括:位置数据、气象数据、蜂蜜的重量值或开盖监测数据中的一种或多种;蜂群的状态数据包括:进出蜂箱的频率、蜜源、蜂群种类或振翅声音的分贝值和频率值中的一种或多种。
本实施例中,可在蜂箱上和/或周围布设采集组件。采集组件可包括气候采集单元、红外传感器、重量传感器、温湿度传感器、声音采集单元或开盖监测单元中的一种或多种。当然,本实施例并不限于此,在实际应用中,蜂箱上还可布设更多的采集组件,以更加精准和完善地采集蜂箱的环境数据以及蜂箱对应的蜂群的状态数据。
本实施例中,蜂箱的环境数据以及蜂箱对应的蜂群的状态数据可包含蜂箱上的采集组件真实采集到的数据。
例如,可基于红外传感器采集蜂群进出蜂箱的频率,可基于重量传感器采集蜂箱内蜂蜜的重量值,可基于声音传感器采集蜂群的振翅声音的分贝值和频率值,可基于开盖监测单元采集开盖监测数据,可基于气候采集单元采集气候数据。当然,这些仅是示例性地,本实施例对此不作限定。
本实施例中,蜂箱的环境数据以及蜂箱对应的蜂群的状态数据还可包含一些固定特征数据,固定特征数据包括但不限于经纬度等位置数据、蜂群种类以及蜜源等等。
实际应用中,这些固定数据可与蜂箱进行关联,这些固定数据可存储在蜂箱的存储器中,当然,也可直接配置在本实施例的蜂蜜品质分析装置中,本实施例对此不作限定。
基于此,可根据蜂箱的环境数据和蜂群的状态数据,确定待分析区域内产出的蜂蜜的质量参数。本实施例中,可根据蜂箱的环境数据和蜂群的状态数据,对待分析区域内的蜂蜜品质进行整体分析,从而确定出待分析区域内产出的蜂蜜的质量参数。
其中,本实施例中并不限定蜂蜜的质量参数的格式。蜂蜜的质量参数可以是质量等级或质量得分等,蜂蜜的质量参数还可以是质量分类结果,例如,成熟蜜和非成熟蜜。
本实施例中,可将蜂蜜的质量参数输出至用户终端。此处的用户可以是收购蜂蜜的商家或者是待分析区域的管理者,以供这些用户了解待分析区域内产出蜂蜜的品质情况。例如,当待分析区域内的蜂蜜质量参数非常理想时,商家可给出更高地收购价格,而蜂蜜质量参数不理想时,商家则可拒绝收购待分析区域内产出的蜂蜜。
本实施例中,可获取待分析区域内至少一个蜂箱的环境数据以及蜂箱对应的蜂群的状态数据,根据至少一个蜂箱的环境数据以及蜂箱对应的蜂群的状态数据可分析待分析区域内产出的蜂蜜的质量参数。由于进行蜂蜜品质分析的数据基础来自于真实采集的数据,这保证了品质分析结果的真实性,而且蜂蜜的品质分析不再需要依赖工人经验或化学手段,不仅可节省大量成本,还可提高蜂蜜品质分析的效率和/或真实性。
在上述或下述实施例中,根据蜂箱的环境数据和蜂群的状态数据,采用多种实现方式来确定待分析区域内产出的蜂蜜的质量参数。
在一种实现方式中,可基于环境数据和状态数据与蜂蜜质量参数之间在时序上存在的影响关系,对获取到的至少一个蜂箱的环境数据和蜂群的状态数据进行时序分析,以确定待分析区域内产出的蜂蜜的质量参数。
在该实现方式中,可预先学习环境数据和状态数据与蜂蜜质量参数之间在时序上存在的影响关系。基于学习到的环境数据和状态数据与蜂蜜质量参数之间在时序上存在的影响关系,本实施例中,可对获取到的至少一个蜂箱的环境数据和蜂群的状态数据进行时序分析。
在实际应用中,可将获取到的至少一个蜂箱的环境数据和蜂群的状态数据输入品质预测模型,并利用品质预测模型对获取到的至少一个蜂箱的环境数据和蜂群的状态数据进行时序分析。
正如前文提及的,蜂箱的环境数据和蜂群的状态数据中至少包含两方面的数据:一方面是蜂箱上的采集组件采集到的数据,这部分数据为遵循时序的数据;另一方面是蜂箱和蜂群的固定特征数据。
在实际应用中,由于不同经纬度、不同蜜源等情况下,蜂蜜质量参数受到其它环境数据和状态数据的影响可能不同,因此,针对不同的固定特征数据,品质预测模型中的模型参数不完全相同,以适配不同的固定特征数据,从而提高品质分析结果的准确性。
品质预测模型可采用基于时序的深度学习模型,例如LSTM模型。本实施例中可预先对品质预测模型进行训练。
在进行品质预测模型训练的过程中,可获取样本数据,样本数据中包含蜂蜜质量参数、蜂箱的环境数据及蜂群的状态数据;将样本数据输入品质预测模型,以训练品质预测模型,品质预测模型中包含环境数据和状态数据与蜂蜜质量参数之间的影响关系。
其中,本实施例中,不限定样本数据的来源。样本数据可以是现有的样本数据库中的样本数据,还可以是对品质预测模型的输出结果进行人工标注后产生的数据。例如,在品质预测模型的使用过程中,对其输出结果进行人工修正及标注,修正及标注后的数据以及输入品质预测模型中的数据可作为样本数据重新输入品质预测模型,以供品质预测模型重新学习其中包含的知识,不断调整模型参数。这样,可不断优化品质预测模型,提高品质分析结果的准确性。
在该实现方式中,可基于从样本数据中学习到的经验知识,对待分析区域内产出的蜂蜜的质量参数进行预测,在样本数据足够多的情况下,可保证预测结果的准确性。
在一些特殊情况下,样本数据可能并不充足,这可能导致品质预测模型的输出结果不够准确,为了改善这一问题:
在另一种实现方式中,可基于环境数据和状态数据与蜂蜜质量参数之间在时序上存在的影响关系,对获取到的至少一个蜂箱的环境数据和蜂群的状态数据进行时序分析,以确定待分析区域内产出的蜂蜜的第一质量参数;基于至少一种品质判断指标,对获取到的至少一个蜂箱的环境数据和蜂群的状态数据进行达标程度分析,以确定待分析区域内产出的蜂蜜的第二质量参数;根据第一质量参数和第二质量参数,确定待分析区域内产出的蜂蜜的质量参数。
其中,该实现方式中,基于环境数据和状态数据与蜂蜜质量参数之间在时序上存在的影响关系,对获取到的至少一个蜂箱的环境数据和蜂群的状态数据进行时序分析,以确定待分析区域内产出的蜂蜜的第一质量参数的过程,可参考上一种实现方式,在此不再赘述。
在该实现方式中,还可根据专家规则预先配置至少一种品质判断指标。品质判断指标是指判断蜂蜜质量参数的维度。品质判断指标包括日照有效时长、蜂蜜重量变化率等等。
每个品质判断指标可对应一标准值。例如,在6-9月份,日照有效时长的标准值为240小时。又例如,相邻两天比较,蜂蜜重量变化率的标准值为10%以内。
本实施例中,可基于至少一种品质判断指标各自对应的指标统计规则,对获取到的至少一个蜂箱的环境数据和蜂群的状态数据进行指标统计。例如,对于日照有效时长的统计规则为累加日照时间,本实施例中,若1小时中的0.5小时内无降雨,则认为该1小时为日照有效时段,将日照有效时段进行累加可获得日照有效时长的实际值。
据此,可根据至少一种品质判断指标对应的实际值和标准值,确定待分析区域产出的蜂蜜在至少一种品质判断指标下的达标程度。
例如,若日照有效时长的实际值为150小时,而日照有效时长的标准值为240小时,可确定日照有效时长的达标程度为50%。
因此,可根据待分析区域产出的蜂蜜在至少一种品质判断指标下的达标程度,确定待分析区域内产出的蜂蜜的第二质量参数。
在实际应用中,可综合待分析区域产出的蜂蜜在至少一种品质判断指标下的达标程度,来确定待分析区域内产出的蜂蜜的第二质量参数。例如,可为不同的品质判断指标配置不同的权重,并对待分析区域产出的蜂蜜在不同品质判断指标下的达标程度进行加权求和,以获得待分析区域内产出的蜂蜜的第二质量参数。当然,这仅是示例性的,本实施例并不限于此。
至此,可基于从样本数据中学习到的经验知识,确定待分析区域内产出的蜂蜜的第一质量参数;可基于专家规则,确定待分析区域内产出的蜂蜜的第二质量参数。
在该实现方式中,可根据获取到的至少一个蜂箱的环境数据和蜂群的状态数据,确定蜂箱对应的样本完善度;根据样本完善度,确定第一质量参数和第二质量参数各自的权重系数;根据第一质量参数和第二质量参数各自的权重系数,对第一质量参数和第二质量参数进行加权求和,以获得蜂箱当前的蜂蜜质量参数。
在实际应用中,可维护固定特征数据与样本完善度之间的关系,据此,可根据获取到的至少一个蜂箱的环境数据和蜂群的状态数据中包含的固定特征数据,判断待分析区域对应的样本完善度。当然,这仅是示例性的,本实施例并不限于此。
样本完善度是指第一品质预测模型所学习过的知识量。样本完善度低的情况下,表征没有足够多的样本数据供第一品质预测模型进行学习,这可能导致第一品质预测模型的输出结果准确性不够。相反,样本完善度高的情况下,表征已有足够多的样本数据供第一品质预测模型进行学习,这使得第一品质预测模型的输出结果更加准确。例如,对于新开发的养蜂区域,样本数据极少,这种情况下,训练出的第一品质预测模型的准确性可能不够高。
本实施例中,可通过专家规则来补充或修正第一品质预测模型的输出结果,从而可保证最终获得的待分析区域内产出的蜂蜜的质量参数的准确性。当待分析区域对应的样本完善度较低时,可为第一质量参数配置较低的权重系数,而为第二质量参数配置较高的权重系数,这保证可更多地参考专家规则来确定待分析区域内产出的蜂蜜的质量参数。
在极端情况下,可将第一质量参数或第二质量参数各自的权重系数配置为0。例如,完全没有样本数据的情况下,可仅依据专家规则确定待分析区域内产出的蜂蜜的质量参数。又例如,第一品质预测模型已经非常完善的情况下,可不再参考专家规则。
在该实现方式中,可综合专家规则和从样本数据中学习到的经验知识,进行蜂蜜品质分析,这保证了蜂蜜品质分析结果的正确性、适当性、科学性和严密性。
在上述或下述实施例中,可对待分析区域内产出的蜂蜜的质量参数进行时序分析,以生成待分析区域对应的蜂蜜质量分析报告,蜂蜜质量分析报告反映不同环境数据或状态数据对所述质量参数的影响程度。
本实施例中,蜂蜜的质量参数可以是一组具有时序属性的数据。基于此,可对蜂蜜的质量参数进行时序分析,以确定蜂蜜的质量参数在时序上的变化情况。
正如前文提及的,待分析区域内的至少一个蜂箱环境数据和至少一个蜂箱对应的蜂群的状态数据也具有时序属性,基于此,可确定不同状态数据或环境数据在时序上与蜂蜜的质量参数之间存在的影响关系。
在实际应用中,可构建待分析区域产出的蜂蜜的质量参数对应的参数曲线,参数曲线反映质量参数在时序上的变化状态;
统计至少一个蜂箱的环境数据以及至少一个蜂箱对应的蜂群的状态数据各自对应的数据变化曲线,数据变化曲线反映各数据在时序上的变化状态;
根据参数曲线和数据变化曲线,生成待分析区域对应的蜂蜜质量分析报告。
例如,对于环境数据中的温度数据,可构建温度对应的数据变化曲线,该曲线所在坐标系中,横轴可定义为时间,纵轴可定义为温度值。
而参数曲线所在的坐标系中,横轴可定义为时间,纵轴可定义为质量参数值。
因此,基于数据变化曲线和参数曲线,可分析温度在时序上与蜂蜜的质量参数之间存在的影响关系。
据此,可根据蜂蜜质量分析报告,确定不同状态数据或环境数据在时序上对蜂蜜的质量参数的影响程度。
例如,在A时段蜂蜜的质量参数骤降,则可根据不同状态数据或环境数据在A时段的变化状态,确定出哪种状态数据或环境数据是A时段蜂蜜的质量参数骤降的原因。
在此基础上,本实施例中,可根据不同状态数据或环境数据在时序上对蜂蜜的质量参数的影响程度,生成品质改善提示信息。
品质改善指导信息可提供给养蜂者,以提示养蜂者在后续作业过程中改善相关的状态数据或环境数据,从而提高后续的蜂蜜品质。
图2为本申请一实施例提供的蜂蜜品质分析方法的逻辑示意图。如图2所示,本实施例中,可综合专家规则和从样本数据中学习到的经验知识,对获取到的待分析区域内至少一个蜂箱20的环境数据和蜂箱20对应的蜂群的状态数据进行分析,以确定待分析区域产出的蜂蜜的质量参数。并可将待分析区域的质量参数发送至用户终端21,以供用户获知待分析区域真实的蜂蜜品质。
另外,还可向用户终端提供品质分析报告,以指导后续的生产过程。
需要说明的是,上述实施例所提供方法的各步骤的执行主体均可以是同一设备,或者,该方法也由不同设备作为执行主体。比如,步骤100至步骤101的执行主体可以为设备A;又比如,步骤101和102的执行主体可以为设备A,步骤100的执行主体可以为设备B;等等。
另外,在上述实施例及附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的参数、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
图3为本申请又一实施例提供的另一种计算设备的结构示意图,如图3所示,该计算设备包括:存储器30、处理器31以及通信组件32。
处理器31,与存储器30及通信组件32耦合,用于执行存储器中的计算机程序,以用于:
确定待分析区域,待分析区域放置有至少一个蜂箱;
通过通信组件32获取至少一个蜂箱的环境数据以及至少一个蜂箱对应的蜂群的状态数据;
根据至少一个蜂箱的环境数据和蜂群的状态数据,确定待分析区域内产出的蜂蜜的质量参数。
在一可选实施例中,处理器31在根据至少一个蜂箱的环境数据和蜂群的状态数据,确定待分析区域内产出的蜂蜜的质量参数时,用于:
基于环境数据和状态数据与蜂蜜质量参数之间在时序上存在的影响关系,对获取到的蜂箱的环境数据和蜂群的状态数据进行时序分析,以确定待分析区域内产出的蜂蜜的质量参数。
在一可选实施例中,处理器31在根据至少一个蜂箱的环境数据和蜂群的状态数据,确定待分析区域内产出的蜂蜜的质量参数时,用于:
基于环境数据和状态数据与蜂蜜质量参数之间在时序上存在的影响关系,对获取到的蜂箱的环境数据和蜂群的状态数据进行时序分析,以确定待分析区域内产出的蜂蜜的第一质量参数;
基于至少一种品质判断指标,对获取到的蜂箱的环境数据和蜂群的状态数据进行达标程度分析,以确定待分析区域内产出的蜂蜜的第二质量参数;
根据第一质量参数和第二质量参数,确定待分析区域内产出的蜂蜜的质量参数。
在一可选实施例中,处理器31在基于环境数据和状态数据与蜂蜜质量参数之间在时序上存在的影响关系,对获取到的蜂箱的环境数据和蜂群的状态数据进行时序分析时,用于:
将获取到的蜂箱的环境数据和蜂群的状态数据输入第一品质预测模型;
在第一品质预测模型中,基于环境数据和状态数据与蜂蜜质量参数之间在时序上存在的影响关系,对获取到的蜂箱的环境数据和蜂群的状态数据进行时序分析。
在一可选实施例中,处理器31在使用第一品质预测模型之前,还用于:
获取样本数据,样本数据中包含蜂蜜质量参数、蜂箱的环境数据及蜂群状态数据;
将样本数据输入第一品质预测模型,以训练第一品质预测模型,第一品质预测模型中包含环境数据和状态数据与蜂蜜质量参数之间的影响关系。
在一可选实施例中,处理器31在基于至少一种品质判断指标,对获取到的蜂箱的环境数据和蜂群的状态数据进行达标程度分析,以确定待分析区域内产出的蜂蜜的第二质量参数时,用于:
获取至少一种品质判断指标各自对应的标准值;
基于至少一种品质判断指标各自对应的指标统计规则,对获取到的蜂箱的环境数据和蜂群的状态数据进行指标统计,以获得至少一种品质判断指标对应的实际值;
根据至少一种品质判断指标对应的实际值和标准值,确定待分析区域产出的蜂蜜在至少一种品质判断指标下的达标程度;
根据达标程度,确定待分析区域内产出的蜂蜜的第二质量参数。
在一可选实施例中,处理器31在根据第一质量参数和第二质量参数,确定待分析区域内产出的蜂蜜的质量参数时,用于:
根据获取到的蜂箱的环境数据和蜂群的状态数据,确定待分析区域对应的样本完善度;
根据样本完善度,确定第一质量参数和第二质量参数各自的权重系数;
根据第一质量参数和第二质量参数各自的权重系数,对第一质量参数和第二质量参数进行加权求和,以获得待分析区域内产出的蜂蜜的质量参数。
在一可选实施例中,处理器31还用于:
对待分析区域内产出的蜂蜜的质量参数进行时序分析,以生成待分析区域对应的蜂蜜质量分析报告;
其中,蜂蜜质量分析报告反映不同环境数据或状态数据对质量参数的影响程度。
在一可选实施例中,处理器31在对待分析区域内产出的蜂蜜的质量参数进行时序分析,以生成待分析区域对应的蜂蜜质量分析报告时,用于:
构建待分析区域产出的蜂蜜的质量参数对应的参数曲线,参数曲线反映质量参数在时序上的变化状态;
统计至少一个蜂箱的环境数据以及至少一个蜂箱对应的蜂群的状态数据各自对应的数据变化曲线,数据变化曲线反映各数据在时序上的变化状态;
根据参数曲线和数据变化曲线,生成待分析区域对应的蜂蜜质量分析报告。
在一可选实施例中,蜂箱的环境数据包括:位置数据、气象数据、蜂蜜的重量值或开盖监测数据中的一种或多种;
蜂群的状态数据包括:进出蜂箱的频率、蜜源、蜂群种类或振翅声音的分贝值和频率值中的一种或多种。
进一步,如图3所示,该计算设备还包括:电源组件33等其它组件。图3中仅示意性给出部分组件,并不意味着计算设备只包括图3所示组件。
值得说明的是,上述关于计算设备的实施例中涉及到的技术细节,可参考前述关于蜂蜜品质分析方法的实施例中的描述,为节省篇幅,在此不再赘述,但这不应造成本申请保护范围的损失。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,计算机程序被执行时能够实现上述方法实施例中可由计算设备执行的各步骤。
图4为本申请又一实施例提供的一种蜂箱的结构示意图,如图4所示,该蜂箱包括:采集组件40、存储器41、处理器42和通信组件43;
存储器41用于存储一条或多条计算机指令;
处理器42与采集组件40、存储器41以及通信组件43耦合,用于执行一条或多条计算机指令,以用于:
利用采集组件40采集蜂箱的环境数据和蜂箱对应的蜂群的状态数据;
通过通信组件42将采集到的蜂箱的环境数据和蜂箱对应的蜂群的状态数据提供至服务器,以供服务器进行蜂蜜品质分析。
本实施例提供的蜂箱可利用采集组件自动采集蜂箱的环境数据和蜂箱对应的蜂群的状态数据。实际应用中,蜂箱可将采集到的数据上传至云端,服务器可在需要使用数据时,从云端获取所需的数据。当然,本实施例并不限于此,蜂箱也可直接将采集到的数据发送至服务器。
在一可选实施例中,采集组件40可包括气候采集单元、红外传感器、重量传感器、温湿度传感器、声音采集单元或开盖监测单元中的一种或多种。当然,本实施例并不限于此,根据实际需求,蜂箱上或周围还可布设其它采集组件。
进一步,如图4所示,该计算设备还包括:电源组件44等其它组件。图4中仅示意性给出部分组件,并不意味着计算设备只包括图4所示组件。
值得说明的是,上述关于蜂箱的实施例中涉及到的技术细节,可参考前述关于4蜂蜜品质分析的各实施例中的描述,为节省篇幅,在此不再赘述,但这不应造成本申请保护范围的损失。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,计算机程序被执行时能够实现上述方法实施例中可由蜂箱执行的各步骤。
图5为本申请一实施例提供的一种目标对象品质分析方法的流程示意图。本实施例提供的目标对象品质分析方法可由一目标对象品质分析装置来执行,该目标对象品质分析装置可以实现为软件或实现为软件和硬件的组合,该目标对象品质分析装置可集成设置在服务器中。如图5所示,该方法包括:
500、确定待分析区域,待分析区域放置有至少一个容具;
501、获取至少一个容具的环境数据以及至少一个容具对应的养殖对象的状态数据;
502、根据至少一个容具的环境数据和养殖对象的状态数据,确定待分析区域内产出的目标对象的质量参数。
本实施例提供的目标对象品质分析方法,可应用于各种需要对目标对象进行品质分析的场景中。其中,在不同的场景中,目标对象、容具及养殖对象可能不完全相同。例如,目标对象可以是蜂蜜,还可以是鸡蛋、鸭蛋等其它由养殖对象所产出的,用于食用或生产加工的其它资源。相应地,容具可以是蜂箱、鸡笼或鸭笼等等,而养殖对象则可以是蜜蜂、鸡或鸭等。另外,待分析区域可以是任意需要进行目标对象品质分析的区域。
本实施例中,在不同的应用场景中,目标对象的质量参数、容具的环境数据及养殖对象的状态数据等均可按需设定,例如,在蜂蜜品质分析场景中,目标对象的质量参数可以是营养价值或波美度等参数,当然也可以是综合品质得分或等级参数,本实施例对此不作限定。容具的环境数据包括:位置数据、气象数据、目标对象的重量值或开盖监测数据中的一种或多种;养殖对象的状态数据包括:进出容具的频率、蜜源、养殖对象种类或振翅声音的分贝值和频率值中的一种或多种。
本实施例中,可在容具上和/或周围布设采集组件。采集组件可包括气候采集单元、红外传感器、重量传感器、温湿度传感器、声音采集单元或开盖监测单元中的一种或多种。当然,本实施例并不限于此,在不同的应用场景中,可根据需要装配采集组件,以更好地采集目标容具的环境数据以及其内养殖对象的状态数据。
本实施例中,容具的环境数据以及容具对应的养殖对象的状态数据可包含容具上的采集组件真实采集到的数据。还可包含一些固定特征数据,固定特征数据包括但不限于经纬度等位置数据、养殖对象种类等等。
实际应用中,这些固定数据可与容具进行关联,这些固定数据可存储在容具的存储器中,当然,本实施例对此不作限定。
基于此,可根据容具的环境数据和养殖对象的状态数据,确定待分析区域内产出的目标对象的质量参数。本实施例中,可根据容具的环境数据和养殖对象的状态数据,对待分析区域内的目标对象品质进行整体分析,从而确定出待分析区域内产出的目标对象的质量参数。
其中,本实施例中并不限定目标对象的质量参数的格式。目标对象的质量参数可以是质量等级或质量得分等,目标对象的质量参数还可以是质量分类结果。
本实施例中,可将目标对象的质量参数输出至用户终端。此处的用户可以是收购目标对象的商家或者是待分析区域的管理者,以供这些用户了解待分析区域内产出目标对象的品质情况。例如,当待分析区域内的目标对象质量参数非常理想时,商家可给出更高地收购价格,而目标对象质量参数不理想时,商家则可拒绝收购待分析区域内产出的目标对象。
本实施例中,可获取待分析区域内至少一个容具的环境数据以及容具对应的养殖对象的状态数据,根据至少一个容具的环境数据以及容具对应的养殖对象的状态数据可分析待分析区域内产出的目标对象的质量参数。由于进行目标对象品质分析的数据基础来自于真实采集的数据,这保证了品质分析结果的真实性,而且目标对象的品质分析不再需要依赖工人经验或化学手段,不仅可节省大量成本,还可提高目标对象品质分析的效率和/或真实性。
在上述或下述实施例中,根据容具的环境数据和养殖对象的状态数据,采用多种实现方式来确定待分析区域内产出的目标对象的质量参数。
在一种实现方式中,可基于环境数据和状态数据与目标对象质量参数之间在时序上存在的影响关系,对获取到的至少一个容具的环境数据和养殖对象的状态数据进行时序分析,以确定待分析区域内产出的目标对象的质量参数。
在该实现方式中,可预先学习环境数据和状态数据与目标对象质量参数之间在时序上存在的影响关系。基于学习到的环境数据和状态数据与目标对象质量参数之间在时序上存在的影响关系,本实施例中,可对获取到的至少一个容具的环境数据和养殖对象的状态数据进行时序分析。
在实际应用中,可将获取到的至少一个容具的环境数据和养殖对象的状态数据输入品质预测模型,并利用品质预测模型对获取到的至少一个容具的环境数据和养殖对象的状态数据进行时序分析。
正如前文提及的,容具的环境数据和养殖对象的状态数据中至少包含两方面的数据:一方面是容具上的采集组件采集到的数据,这部分数据为遵循时序的数据;另一方面是容具和养殖对象的固定特征数据。
在实际应用中,由于不同经纬度、不同对象种类等情况下,目标对象质量参数受到其它环境数据和状态数据的影响可能不同,因此,针对不同的固定特征数据,品质预测模型中的模型参数不完全相同,以适配不同的固定特征数据,从而提高品质分析结果的准确性。
品质预测模型可采用基于时序的深度学习模型,例如LSTM模型。本实施例中可预先对品质预测模型进行训练。
在进行品质预测模型训练的过程中,可获取样本数据,样本数据中包含目标对象质量参数、容具的环境数据及养殖对象的状态数据;将样本数据输入品质预测模型,以训练品质预测模型,品质预测模型中包含环境数据和状态数据与目标对象质量参数之间的影响关系。
其中,本实施例中,不限定样本数据的来源。样本数据可以是现有的样本数据库中的样本数据,还可以是对品质预测模型的输出结果进行人工标注后产生的数据。例如,在品质预测模型的使用过程中,对其输出结果进行人工修正及标注,修正及标注后的数据以及输入品质预测模型中的数据可作为样本数据重新输入品质预测模型,以供品质预测模型重新学习其中包含的知识,不断调整模型参数。这样,可不断优化品质预测模型,提高品质分析结果的准确性。
在该实现方式中,可基于从样本数据中学习到的经验知识,对待分析区域内产出的目标对象的质量参数进行预测,在样本数据足够多的情况下,可保证预测结果的准确性。
在一些特殊情况下,样本数据可能并不充足,这可能导致品质预测模型的输出结果不够准确,为了改善这一问题:
在另一种实现方式中,可基于环境数据和状态数据与目标对象质量参数之间在时序上存在的影响关系,对获取到的至少一个容具的环境数据和养殖对象的状态数据进行时序分析,以确定待分析区域内产出的目标对象的第一质量参数;基于至少一种品质判断指标,对获取到的至少一个容具的环境数据和养殖对象的状态数据进行达标程度分析,以确定待分析区域内产出的目标对象的第二质量参数;根据第一质量参数和第二质量参数,确定待分析区域内产出的目标对象的质量参数。
其中,该实现方式中,基于环境数据和状态数据与目标对象质量参数之间在时序上存在的影响关系,对获取到的至少一个容具的环境数据和养殖对象的状态数据进行时序分析,以确定待分析区域内产出的目标对象的第一质量参数的过程,可参考上一种实现方式,在此不再赘述。
在该实现方式中,还可根据专家规则预先配置至少一种品质判断指标。品质判断指标是指判断目标对象质量参数的维度。在不同的应用场景下,品质判断指标可按需设定,例如,在确定蜂蜜品质分析的场景中,品质判断指标包括日照有效时长、目标对象重量变化率等等。
每个品质判断指标可对应一标准值。本实施例中,可基于至少一种品质判断指标各自对应的指标统计规则,对获取到的至少一个容具的环境数据和养殖对象的状态数据进行指标统计。
据此,可根据至少一种品质判断指标对应的实际值和标准值,确定待分析区域产出的目标对象在至少一种品质判断指标下的达标程度。
因此,可根据待分析区域产出的目标对象在至少一种品质判断指标下的达标程度,确定待分析区域内产出的目标对象的第二质量参数。
在实际应用中,可综合待分析区域产出的目标对象在至少一种品质判断指标下的达标程度,来确定待分析区域内产出的目标对象的第二质量参数。例如,可为不同的品质判断指标配置不同的权重,并对待分析区域产出的目标对象在不同品质判断指标下的达标程度进行加权求和,以获得待分析区域内产出的目标对象的第二质量参数。当然,这仅是示例性的,本实施例并不限于此。
至此,可基于从样本数据中学习到的经验知识,确定待分析区域内产出的目标对象的第一质量参数;可基于专家规则,确定待分析区域内产出的目标对象的第二质量参数。
在该实现方式中,可根据获取到的至少一个容具的环境数据和养殖对象的状态数据,确定容具对应的样本完善度;根据样本完善度,确定第一质量参数和第二质量参数各自的权重系数;根据第一质量参数和第二质量参数各自的权重系数,对第一质量参数和第二质量参数进行加权求和,以获得容具当前的目标对象质量参数。
在实际应用中,可维护固定特征数据与样本完善度之间的关系,据此,可根据获取到的至少一个容具的环境数据和养殖对象的状态数据中包含的固定特征数据,判断待分析区域对应的样本完善度。当然,这仅是示例性的,本实施例并不限于此。
样本完善度是指第一品质预测模型所学习过的知识量。样本完善度低的情况下,表征没有足够多的样本数据供第一品质预测模型进行学习,这可能导致第一品质预测模型的输出结果准确性不够。相反,样本完善度高的情况下,表征已有足够多的样本数据供第一品质预测模型进行学习,这使得第一品质预测模型的输出结果更加准确。例如,对于新开发的养蜂区域,样本数据极少,这种情况下,训练出的第一品质预测模型的准确性可能不够高。
本实施例中,可通过专家规则来补充或修正第一品质预测模型的输出结果,从而可保证最终获得的待分析区域内产出的目标对象的质量参数的准确性。当待分析区域对应的样本完善度较低时,可为第一质量参数配置较低的权重系数,而为第二质量参数配置较高的权重系数,这保证可更多地参考专家规则来确定待分析区域内产出的目标对象的质量参数。
在极端情况下,可将第一质量参数或第二质量参数各自的权重系数配置为0。例如,完全没有样本数据的情况下,可仅依据专家规则确定待分析区域内产出的目标对象的质量参数。又例如,第一品质预测模型已经非常完善的情况下,可不再参考专家规则。
在该实现方式中,可综合专家规则和从样本数据中学习到的经验知识,进行目标对象品质分析,这保证了目标对象品质分析结果的正确性、适当性、科学性和严密性。
在上述或下述实施例中,可对待分析区域内产出的目标对象的质量参数进行时序分析,以生成待分析区域对应的目标对象质量分析报告,目标对象质量分析报告反映不同环境数据或状态数据对所述质量参数的影响程度。
本实施例中,目标对象的质量参数可以是一组具有时序属性的数据。基于此,可对目标对象的质量参数进行时序分析,以确定目标对象的质量参数在时序上的变化情况。
正如前文提及的,待分析区域内的至少一个容具的环境数据和至少一个容具对应的养殖对象的状态数据也具有时序属性,基于此,可确定不同状态数据或环境数据在时序上与目标对象的质量参数之间存在的影响关系。
在实际应用中,可构建待分析区域产出的目标对象的质量参数对应的参数曲线,参数曲线反映质量参数在时序上的变化状态;
统计至少一个容具的环境数据以及至少一个容具对应的养殖对象的状态数据各自对应的数据变化曲线,数据变化曲线反映各数据在时序上的变化状态;
根据参数曲线和数据变化曲线,生成待分析区域对应的目标对象质量分析报告。
例如,对于环境数据中的温度数据,可构建温度对应的数据变化曲线,该曲线所在坐标系中,横轴可定义为时间,纵轴可定义为温度值。
而参数曲线所在的坐标系中,横轴可定义为时间,纵轴可定义为质量参数值。
因此,基于数据变化曲线和参数曲线,可分析温度在时序上与目标对象的质量参数之间存在的影响关系。
据此,可根据目标对象质量分析报告,确定不同状态数据或环境数据在时序上对目标对象的质量参数的影响程度。
例如,在A时段目标对象的质量参数骤降,则可根据不同状态数据或环境数据在A时段的变化状态,确定出哪种状态数据或环境数据是A时段目标对象的质量参数骤降的原因。
在此基础上,本实施例中,可根据不同状态数据或环境数据在时序上对目标对象的质量参数的影响程度,生成品质改善提示信息。
品质改善指导信息可提供给养殖者,以提示养殖者在后续作业过程中改善相关的状态数据或环境数据,从而提高后续的目标对象品质。
图6为本申请又一实施例提供的另一种计算设备的结构示意图。如图6所示,该计算设备包括:存储器60、处理器61以及通信组件62。
处理器61,与存储器60及通信组件62耦合,用于执行存储器中的计算机程序,以用于:
确定待分析区域,所述待分析区域放置有至少一个容具;
通过所述通信组件62获取所述至少一个容具的环境数据以及所述至少一个容具对应的养殖对象的状态数据;
根据至少一个容具的环境数据和养殖对象的状态数据,确定待分析区域内产出的目标对象的质量参数。
在一可选实施例中,处理器61在根据至少一个容具的环境数据和养殖对象的状态数据,确定待分析区域内产出的目标对象的质量参数时,用于:
基于环境数据和状态数据与目标对象质量参数之间在时序上存在的影响关系,对获取到的容具的环境数据和养殖对象的状态数据进行时序分析,以确定待分析区域内产出的目标对象的质量参数。
在一可选实施例中,处理器61在根据至少一个容具的环境数据和养殖对象的状态数据,确定待分析区域内产出的目标对象的质量参数时,用于:
基于环境数据和状态数据与目标对象质量参数之间在时序上存在的影响关系,对获取到的容具的环境数据和养殖对象的状态数据进行时序分析,以确定待分析区域内产出的目标对象的第一质量参数;
基于至少一种品质判断指标,对获取到的容具的环境数据和养殖对象的状态数据进行达标程度分析,以确定待分析区域内产出的目标对象的第二质量参数;
根据第一质量参数和第二质量参数,确定待分析区域内产出的目标对象的质量参数。
在一可选实施例中,处理器61在基于环境数据和状态数据与目标对象质量参数之间在时序上存在的影响关系,对获取到的容具的环境数据和养殖对象的状态数据进行时序分析时,用于:
将获取到的容具的环境数据和养殖对象的状态数据输入第一品质预测模型;
在第一品质预测模型中,基于环境数据和状态数据与目标对象质量参数之间在时序上存在的影响关系,对获取到的容具的环境数据和养殖对象的状态数据进行时序分析。
在一可选实施例中,处理器61在使用第一品质预测模型之前,还包括:
获取样本数据,样本数据中包含目标对象质量参数、容具状态数据及养殖对象状态数据;
将样本数据输入第一品质预测模型,以训练第一品质预测模型,第一品质预测模型中包含环境数据和状态数据与目标对象质量参数之间的影响关系。
在一可选实施例中,处理器61在基于至少一种品质判断指标,对获取到的容具的环境数据和养殖对象的状态数据进行达标程度分析,以确定待分析区域内产出的目标对象的第二质量参数时,用于:
获取至少一种品质判断指标各自对应的标准值;
基于至少一种品质判断指标各自对应的指标统计规则,对获取到的容具的环境数据和养殖对象的状态数据进行指标统计,以获得至少一种品质判断指标对应的实际值;
根据至少一种品质判断指标对应的实际值和标准值,确定待分析区域产出的目标对象在至少一种品质判断指标下的达标程度;
根据达标程度,确定待分析区域内产出的目标对象的第二质量参数。
在一可选实施例中,处理器61在根据第一质量参数和第二质量参数,确定待分析区域内产出的目标对象的质量参数时,用于:
根据获取到的容具的环境数据和养殖对象的状态数据,确定待分析区域对应的样本完善度;
根据样本完善度,确定第一质量参数和第二质量参数各自的权重系数;
根据第一质量参数和第二质量参数各自的权重系数,对第一质量参数和第二质量参数进行加权求和,以获得待分析区域内产出的目标对象的质量参数。
在一可选实施例中,处理器61还用于:
对待分析区域内产出的目标对象的质量参数进行时序分析,以生成待分析区域对应的目标对象质量分析报告;
其中,目标对象质量分析报告反映不同环境数据或状态数据对质量参数的影响程度。
在一可选实施例中,处理器61在对待分析区域内产出的目标对象的质量参数进行时序分析,以生成待分析区域对应的目标对象质量分析报告时,用于:
构建待分析区域产出的目标对象的质量参数对应的参数曲线,参数曲线反映质量参数在时序上的变化状态;
统计至少一个容具的环境数据以及至少一个容具对应的养殖对象的状态数据各自对应的数据变化曲线,数据变化曲线反映各数据在时序上的变化状态;
根据参数曲线和数据变化曲线,生成待分析区域对应的目标对象质量分析报告。
进一步,如图6所示,该计算设备还包括:电源组件63等其它组件。图6中仅示意性给出部分组件,并不意味着计算设备只包括图6所示组件。
值得说明的是,上述关于计算设备的实施例中涉及到的技术细节,可参考前述关于目标对象品质分析方法的实施例中的描述,为节省篇幅,在此不再赘述,但这不应造成本申请保护范围的损失。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,计算机程序被执行时能够实现上述方法实施例中可由计算设备执行的各步骤。
其中,图3、4、6中的存储器,用于存储计算机程序,并可被配置为存储其它各种数据以支持在存储器所在设备上的操作。这些数据的示例包括用于在存储器所在设备上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
其中,图3、4、6的通信组件,被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件可基于近场通信(NFC)技术、射频识别(RFID)技术、红外数据协会(IrDA)技术、超宽带(UWB)技术、蓝牙(BT)技术或其它技术来实现,以促进短程通信。
其中,图3、4、6中的电源组件,为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理***,一个或多个电源,及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
本领域当前的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (33)
1.一种蜂蜜品质分析方法,其特征在于,包括:
确定待分析区域,所述待分析区域放置有至少一个蜂箱;
获取所述至少一个蜂箱的环境数据以及所述至少一个蜂箱对应的蜂群的状态数据;
根据所述至少一个蜂箱的环境数据和所述蜂群的状态数据,确定所述待分析区域内产出的蜂蜜的质量参数。
2.根据权利要求1所述的方法,其特征在于,所述根据所述至少一个蜂箱的环境数据和所述蜂群的状态数据,确定所述待分析区域内产出的蜂蜜的质量参数,包括:
基于环境数据和状态数据与蜂蜜质量参数之间在时序上存在的影响关系,对获取到的所述蜂箱的环境数据和所述蜂群的状态数据进行时序分析,以确定所述待分析区域内产出的蜂蜜的质量参数。
3.根据权利要求1所述的方法,其特征在于,所述根据所述至少一个蜂箱的环境数据和所述蜂群的状态数据,确定所述待分析区域内产出的蜂蜜的质量参数,包括:
基于环境数据和状态数据与蜂蜜质量参数之间在时序上存在的影响关系,对获取到的所述蜂箱的环境数据和所述蜂群的状态数据进行时序分析,以确定所述待分析区域内产出的蜂蜜的第一质量参数;
基于至少一种品质判断指标,对获取到的所述蜂箱的环境数据和所述蜂群的状态数据进行达标程度分析,以确定所述待分析区域内产出的蜂蜜的第二质量参数;
根据所述第一质量参数和所述第二质量参数,确定所述待分析区域内产出的蜂蜜的质量参数。
4.根据权利要求2或3所述的方法,其特征在于,所述基于环境数据和状态数据与蜂蜜质量参数之间在时序上存在的影响关系,对获取到的所述蜂箱的环境数据和所述蜂群的状态数据进行时序分析,包括:
将获取到的所述蜂箱的环境数据和所述蜂群的状态数据输入第一品质预测模型;
在所述第一品质预测模型中,基于环境数据和状态数据与蜂蜜质量参数之间在时序上存在的影响关系,对获取到的所述蜂箱的环境数据和所述蜂群的状态数据进行时序分析。
5.根据权利要求4所述的方法,其特征在于,在使用所述第一品质预测模型之前,还包括:
获取样本数据,所述样本数据中包含蜂蜜质量参数、蜂箱的环境数据及蜂群状态数据;
将所述样本数据输入所述第一品质预测模型,以训练所述第一品质预测模型,所述第一品质预测模型中包含所述环境数据和状态数据与蜂蜜质量参数之间的影响关系。
6.根据权利要求3所述的方法,其特征在于,所述基于至少一种品质判断指标,对获取到的所述蜂箱的环境数据和所述蜂群的状态数据进行达标程度分析,以确定所述待分析区域内产出的蜂蜜的第二质量参数,包括:
获取所述至少一种品质判断指标各自对应的标准值;
基于所述至少一种品质判断指标各自对应的指标统计规则,对获取到的所述蜂箱的环境数据和所述蜂群的状态数据进行指标统计,以获得所述至少一种品质判断指标对应的实际值;
根据所述至少一种品质判断指标对应的实际值和标准值,确定所述待分析区域产出的蜂蜜在所述至少一种品质判断指标下的达标程度;
根据所述达标程度,确定所述待分析区域内产出的蜂蜜的第二质量参数。
7.根据权利要求3所述的方法,其特征在于,所述根据所述第一质量参数和所述第二质量参数,确定所述待分析区域内产出的蜂蜜的质量参数,包括:
根据获取到的所述蜂箱的环境数据和所述蜂群的状态数据,确定所述待分析区域对应的样本完善度;
根据所述样本完善度,确定所述第一质量参数和所述第二质量参数各自的权重系数;
根据所述第一质量参数和所述第二质量参数各自的权重系数,对所述第一质量参数和所述第二质量参数进行加权求和,以获得所述待分析区域内产出的蜂蜜的质量参数。
8.根据权利要求1所述的方法,其特征在于,还包括:
对所述待分析区域内产出的蜂蜜的质量参数进行时序分析,以生成所述待分析区域对应的蜂蜜质量分析报告;
其中,所述蜂蜜质量分析报告反映不同环境数据或状态数据对所述质量参数的影响程度。
9.根据权利要求8所述的方法,其特征在于,所述对所述待分析区域内产出的蜂蜜的质量参数进行时序分析,以生成所述待分析区域对应的蜂蜜质量分析报告,包括:
构建所述待分析区域产出的蜂蜜的质量参数对应的参数曲线,所述参数曲线反映所述质量参数在时序上的变化状态;
统计所述至少一个蜂箱的环境数据以及所述至少一个蜂箱对应的蜂群的状态数据各自对应的数据变化曲线,所述数据变化曲线反映各数据在时序上的变化状态;
根据所述参数曲线和所述数据变化曲线,生成所述待分析区域对应的蜂蜜质量分析报告。
10.根据权利要求1所述的方法,其特征在于,所述蜂箱的环境数据包括:位置数据、气象数据、蜂蜜的重量值或开盖监测数据中的一种或多种;
所述蜂群的状态数据包括:进出蜂箱的频率、蜜源、蜂群种类或振翅声音的分贝值和频率值中的一种或多种。
11.一种计算设备,其特征在于,包括存储器、处理器和通信组件;
所述存储器用于存储一条或多条计算机指令;
所述处理器与所述存储器及所述通信组件耦合,用于执行所述一条或多条计算机指令,以用于:
确定待分析区域,所述待分析区域放置有至少一个蜂箱;
通过所述通信组件获取所述至少一个蜂箱的环境数据以及所述至少一个蜂箱对应的蜂群的状态数据;
根据所述至少一个蜂箱的环境数据和所述蜂群的状态数据,确定所述待分析区域内产出的蜂蜜的质量参数。
12.根据权利要求11所述的设备,其特征在于,所述处理器在根据所述至少一个蜂箱的环境数据和所述蜂群的状态数据,确定所述待分析区域内产出的蜂蜜的质量参数时,用于:
基于环境数据和状态数据与蜂蜜质量参数之间在时序上存在的影响关系,对获取到的所述蜂箱的环境数据和所述蜂群的状态数据进行时序分析,以确定所述待分析区域内产出的蜂蜜的质量参数。
13.根据权利要求11所述的设备,其特征在于,所述处理器在根据所述至少一个蜂箱的环境数据和所述蜂群的状态数据,确定所述待分析区域内产出的蜂蜜的质量参数时,用于:
基于环境数据和状态数据与蜂蜜质量参数之间在时序上存在的影响关系,对获取到的所述蜂箱的环境数据和所述蜂群的状态数据进行时序分析,以确定所述待分析区域内产出的蜂蜜的第一质量参数;
基于至少一种品质判断指标,对获取到的所述蜂箱的环境数据和所述蜂群的状态数据进行达标程度分析,以确定所述待分析区域内产出的蜂蜜的第二质量参数;
根据所述第一质量参数和所述第二质量参数,确定所述待分析区域内产出的蜂蜜的质量参数。
14.根据权利要求12或13所述的上半年,其特征在于,所述处理器在基于环境数据和状态数据与蜂蜜质量参数之间在时序上存在的影响关系,对获取到的所述蜂箱的环境数据和所述蜂群的状态数据进行时序分析时,用于:
将获取到的所述蜂箱的环境数据和所述蜂群的状态数据输入第一品质预测模型;
在所述第一品质预测模型中,基于环境数据和状态数据与蜂蜜质量参数之间在时序上存在的影响关系,对获取到的所述蜂箱的环境数据和所述蜂群的状态数据进行时序分析。
15.根据权利要求14所述的设备,其特征在于,所述处理器在使用所述第一品质预测模型之前,还包括:
获取样本数据,所述样本数据中包含蜂蜜质量参数、蜂箱的环境数据及蜂群状态数据;
将所述样本数据输入所述第一品质预测模型,以训练所述第一品质预测模型,所述第一品质预测模型中包含所述环境数据和状态数据与蜂蜜质量参数之间的影响关系。
16.根据权利要求13所述的设备,其特征在于,所述处理器在基于至少一种品质判断指标,对获取到的所述蜂箱的环境数据和所述蜂群的状态数据进行达标程度分析,以确定所述待分析区域内产出的蜂蜜的第二质量参数时,用于:
获取所述至少一种品质判断指标各自对应的标准值;
基于所述至少一种品质判断指标各自对应的指标统计规则,对获取到的所述蜂箱的环境数据和所述蜂群的状态数据进行指标统计,以获得所述至少一种品质判断指标对应的实际值;
根据所述至少一种品质判断指标对应的实际值和标准值,确定所述待分析区域产出的蜂蜜在所述至少一种品质判断指标下的达标程度;
根据所述达标程度,确定所述待分析区域内产出的蜂蜜的第二质量参数。
17.根据权利要求13所述的设备,其特征在于,所述处理器在根据所述第一质量参数和所述第二质量参数,确定所述待分析区域内产出的蜂蜜的质量参数时,用于:
根据获取到的所述蜂箱的环境数据和所述蜂群的状态数据,确定所述待分析区域对应的样本完善度;
根据所述样本完善度,确定所述第一质量参数和所述第二质量参数各自的权重系数;
根据所述第一质量参数和所述第二质量参数各自的权重系数,对所述第一质量参数和所述第二质量参数进行加权求和,以获得所述待分析区域内产出的蜂蜜的质量参数。
18.根据权利要求11所述的设备,其特征在于,所述处理器还用于:
对所述待分析区域内产出的蜂蜜的质量参数进行时序分析,以生成所述待分析区域对应的蜂蜜质量分析报告;
其中,所述蜂蜜质量分析报告反映不同环境数据或状态数据对所述质量参数的影响程度。
19.根据权利要求18所述的设备的,其特征在于,所述处理器在对所述待分析区域内产出的蜂蜜的质量参数进行时序分析,以生成所述待分析区域对应的蜂蜜质量分析报告时,用于:
构建所述待分析区域产出的蜂蜜的质量参数对应的参数曲线,所述参数曲线反映所述质量参数在时序上的变化状态;
统计所述至少一个蜂箱的环境数据以及所述至少一个蜂箱对应的蜂群的状态数据各自对应的数据变化曲线,所述数据变化曲线反映各数据在时序上的变化状态;
根据所述参数曲线和所述数据变化曲线,生成所述待分析区域对应的蜂蜜质量分析报告。
20.根据权利要求11所述的设备,其特征在于,所述蜂箱的环境数据包括:位置数据、气象数据、蜂蜜的重量值或开盖监测数据中的一种或多种;
所述蜂群的状态数据包括:进出蜂箱的频率、蜜源、蜂群种类或振翅声音的分贝值和频率值中的一种或多种。
21.一种蜂箱,其特征在于,包括采集组件、存储器、处理器和通信组件;
所述存储器用于存储一条或多条计算机指令;
所述处理器与所述采集组件、所述存储器以及所述通信组件耦合,用于执行所述一条或多条计算机指令,以用于:
利用所述采集组件采集所述蜂箱的环境数据和所述蜂箱对应的蜂群的状态数据;
通过所述通信组件将采集到的所述蜂箱的环境数据和所述蜂箱对应的蜂群的状态数据发送至服务器,以供所述服务器进行蜂蜜品质分析。
22.根据权利要求21所述的蜂箱,其特征在于,所述采集组件包括:气候采集单元、红外传感器、重量传感器、温湿度传感器、声音采集单元或开盖监测单元中的一种或多种。
23.一种目标对象品质分析方法,其特征在于,包括:
确定待分析区域,所述待分析区域放置有至少一个容具;
获取所述至少一个容具的环境数据以及所述至少一个容具对应的养殖对象的状态数据;
根据所述至少一个容具的环境数据和所述养殖对象的状态数据,确定所述待分析区域内产出的目标对象的质量参数。
24.根据权利要求23所述的方法,其特征在于,所述根据所述至少一个容具的环境数据和所述养殖对象的状态数据,确定所述待分析区域内产出的目标对象的质量参数,包括:
基于环境数据和状态数据与目标对象质量参数之间在时序上存在的影响关系,对获取到的所述容具的环境数据和所述养殖对象的状态数据进行时序分析,以确定所述待分析区域内产出的目标对象的质量参数。
25.根据权利要求23所述的方法,其特征在于,所述根据所述至少一个容具的环境数据和所述养殖对象的状态数据,确定所述待分析区域内产出的目标对象的质量参数,包括:
基于环境数据和状态数据与目标对象质量参数之间在时序上存在的影响关系,对获取到的所述容具的环境数据和所述养殖对象的状态数据进行时序分析,以确定所述待分析区域内产出的目标对象的第一质量参数;
基于至少一种品质判断指标,对获取到的所述容具的环境数据和所述养殖对象的状态数据进行达标程度分析,以确定所述待分析区域内产出的目标对象的第二质量参数;
根据所述第一质量参数和所述第二质量参数,确定所述待分析区域内产出的目标对象的质量参数。
26.根据权利要求24或25所述的方法,其特征在于,所述基于环境数据和状态数据与目标对象质量参数之间在时序上存在的影响关系,对获取到的所述容具的环境数据和所述养殖对象的状态数据进行时序分析,包括:
将获取到的所述容具的环境数据和所述养殖对象的状态数据输入第一品质预测模型;
在所述第一品质预测模型中,基于环境数据和状态数据与目标对象质量参数之间在时序上存在的影响关系,对获取到的所述容具的环境数据和所述养殖对象的状态数据进行时序分析。
27.根据权利要求26所述的方法,其特征在于,在使用所述第一品质预测模型之前,还包括:
获取样本数据,所述样本数据中包含目标对象质量参数、容具状态数据及养殖对象状态数据;
将所述样本数据输入所述第一品质预测模型,以训练所述第一品质预测模型,所述第一品质预测模型中包含所述环境数据和状态数据与目标对象质量参数之间的影响关系。
28.根据权利要求25所述的方法,其特征在于,所述基于至少一种品质判断指标,对获取到的所述容具的环境数据和所述养殖对象的状态数据进行达标程度分析,以确定所述待分析区域内产出的目标对象的第二质量参数,包括:
获取所述至少一种品质判断指标各自对应的标准值;
基于所述至少一种品质判断指标各自对应的指标统计规则,对获取到的所述容具的环境数据和所述养殖对象的状态数据进行指标统计,以获得所述至少一种品质判断指标对应的实际值;
根据所述至少一种品质判断指标对应的实际值和标准值,确定所述待分析区域产出的目标对象在所述至少一种品质判断指标下的达标程度;
根据所述达标程度,确定所述待分析区域内产出的目标对象的第二质量参数。
29.根据权利要求25所述的方法,其特征在于,所述根据所述第一质量参数和所述第二质量参数,确定所述待分析区域内产出的目标对象的质量参数,包括:
根据获取到的所述容具的环境数据和所述养殖对象的状态数据,确定所述待分析区域对应的样本完善度;
根据所述样本完善度,确定所述第一质量参数和所述第二质量参数各自的权重系数;
根据所述第一质量参数和所述第二质量参数各自的权重系数,对所述第一质量参数和所述第二质量参数进行加权求和,以获得所述待分析区域内产出的目标对象的质量参数。
30.根据权利要求23所述的方法,其特征在于,还包括:
对所述待分析区域内产出的目标对象的质量参数进行时序分析,以生成所述待分析区域对应的目标对象质量分析报告;
其中,所述目标对象质量分析报告反映不同环境数据或状态数据对所述质量参数的影响程度。
31.根据权利要求30所述的方法,其特征在于,所述对所述待分析区域内产出的目标对象的质量参数进行时序分析,以生成所述待分析区域对应的目标对象质量分析报告,包括:
构建所述待分析区域产出的目标对象的质量参数对应的参数曲线,所述参数曲线反映所述质量参数在时序上的变化状态;
统计所述至少一个容具的环境数据以及所述至少一个容具对应的养殖对象的状态数据各自对应的数据变化曲线,所述数据变化曲线反映各数据在时序上的变化状态;
根据所述参数曲线和所述数据变化曲线,生成所述待分析区域对应的目标对象质量分析报告。
32.一种计算设备,其特征在于,包括存储器、处理器和通信组件;
所述存储器用于存储一条或多条计算机指令;
所述处理器与所述存储器及所述通信组件耦合,用于执行所述一条或多条计算机指令,以用于:
确定待分析区域,所述待分析区域放置有至少一个容具;
通过所述通信组件获取所述至少一个容具的环境数据以及所述至少一个容具对应的养殖对象的状态数据;
根据所述至少一个容具的环境数据和所述养殖对象的状态数据,确定所述待分析区域内产出的目标对象的质量参数。
33.一种存储计算机指令的计算机可读存储介质,其特征在于,当所述计算机指令被一个或多个处理器执行时,致使所述一个或多个处理器执行权利要求1-10任一项所述的蜂蜜品质分析方法,或者23-31任一项所述的目标对象品质分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911276757.2A CN112990623B (zh) | 2019-12-12 | 2019-12-12 | 一种蜂蜜、目标对象品质分析方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911276757.2A CN112990623B (zh) | 2019-12-12 | 2019-12-12 | 一种蜂蜜、目标对象品质分析方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112990623A true CN112990623A (zh) | 2021-06-18 |
CN112990623B CN112990623B (zh) | 2024-07-02 |
Family
ID=76332170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911276757.2A Active CN112990623B (zh) | 2019-12-12 | 2019-12-12 | 一种蜂蜜、目标对象品质分析方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112990623B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1804620A (zh) * | 2005-12-30 | 2006-07-19 | 南京农业大学 | 一种禽蛋表面品质检测的方法和装置 |
CN101393122A (zh) * | 2008-10-31 | 2009-03-25 | 中国农业大学 | 蜂蜜品质快速检测方法 |
CN105092528A (zh) * | 2015-07-30 | 2015-11-25 | 浙江工商大学 | 一种通过理化指标和电子鼻技术鉴别蜂蜜品质的方法 |
US20180092336A1 (en) * | 2016-10-04 | 2018-04-05 | International Business Machines Corporation | Autonomous mobile beehives |
CN108594678A (zh) * | 2018-04-02 | 2018-09-28 | 洪葳 | 一种基于人工神经网络的蜂群监控*** |
WO2018184014A1 (en) * | 2017-03-31 | 2018-10-04 | The Bee Corp. | Communication and control systems and methods for monitoring information about a plurality of beehives |
CN109463314A (zh) * | 2018-10-17 | 2019-03-15 | 华南农业大学 | 一种多维度传感的蜜蜂箱智能监控装置 |
CN110074016A (zh) * | 2019-04-29 | 2019-08-02 | 黑龙江八一农垦大学 | 一种基于无人机和计算机远程控制的智能蜂蜜箱 |
-
2019
- 2019-12-12 CN CN201911276757.2A patent/CN112990623B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1804620A (zh) * | 2005-12-30 | 2006-07-19 | 南京农业大学 | 一种禽蛋表面品质检测的方法和装置 |
CN101393122A (zh) * | 2008-10-31 | 2009-03-25 | 中国农业大学 | 蜂蜜品质快速检测方法 |
CN105092528A (zh) * | 2015-07-30 | 2015-11-25 | 浙江工商大学 | 一种通过理化指标和电子鼻技术鉴别蜂蜜品质的方法 |
US20180092336A1 (en) * | 2016-10-04 | 2018-04-05 | International Business Machines Corporation | Autonomous mobile beehives |
WO2018184014A1 (en) * | 2017-03-31 | 2018-10-04 | The Bee Corp. | Communication and control systems and methods for monitoring information about a plurality of beehives |
CN108594678A (zh) * | 2018-04-02 | 2018-09-28 | 洪葳 | 一种基于人工神经网络的蜂群监控*** |
CN109463314A (zh) * | 2018-10-17 | 2019-03-15 | 华南农业大学 | 一种多维度传感的蜜蜂箱智能监控装置 |
CN110074016A (zh) * | 2019-04-29 | 2019-08-02 | 黑龙江八一农垦大学 | 一种基于无人机和计算机远程控制的智能蜂蜜箱 |
Non-Patent Citations (3)
Title |
---|
MOHAMED AL-FARSI ET AL.: "Quality evaluation of Omani honey", 《FOOD CHEMISTRY》, vol. 262, pages 162 - 167, XP085395327, DOI: 10.1016/j.foodchem.2018.04.104 * |
包正擎: "蜜蜂产(质)量与油菜花期气象条件的相关分析", 《农业气象》, no. 1, pages 62 - 64 * |
陈瑞杰 等: "青海蜂蜜品质特性分析", 《中国蜂业》, vol. 65, no. 2, pages 40 - 41 * |
Also Published As
Publication number | Publication date |
---|---|
CN112990623B (zh) | 2024-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11432469B2 (en) | Method for prediction of soil and/or plant condition | |
EP3482630B1 (en) | Method, system and computer program for performing a pest forecast | |
US10345763B2 (en) | Cognitive plant clinic | |
US20180342020A1 (en) | System, method and apparatus for management of agricultural resource | |
Van Andel et al. | Locating chimpanzee nests and identifying fruiting trees with an unmanned aerial vehicle | |
WO2018099220A1 (zh) | 一种种植设备中植物病虫害预测方法及装置 | |
CN108256793B (zh) | 一种库存粮食识别代码生成和关联信息采集方法及*** | |
US20200311915A1 (en) | Growth status prediction system and method and computer-readable program | |
Feldman et al. | How training citizen scientists affects the accuracy and precision of phenological data | |
CN111476149A (zh) | 一种植物培育控制方法和*** | |
WO2020160548A1 (en) | Systems and methods for measuring beehive strength | |
US11317570B2 (en) | Peanut maturity grading systems and methods | |
CN112418473A (zh) | 农作物信息的处理方法、装置、设备及计算机存储介质 | |
Mariette et al. | Parent-embryo acoustic communication: a specialised heat vocalisation allowing embryonic eavesdropping | |
US11526730B2 (en) | Growth analysis system, growth analysis method, and growth analysis program | |
CN111563759B (zh) | 基于ai技术的农产品溯源过程的识别与分析*** | |
Newbold et al. | Using species–habitat models to target conservation: A case study with breeding Mallards | |
Cooper | Is there a weekend bias in clutch-initiation dates from citizen science? Implications for studies of avian breeding phenology | |
US20240016127A1 (en) | System and method for monitoring, identifying and recording beehive status | |
CN112986504B (zh) | 蜂蜜成熟度、目标对象属性的确定方法、设备及存储介质 | |
CN112990623B (zh) | 一种蜂蜜、目标对象品质分析方法、设备及存储介质 | |
EP4276700A1 (en) | Tracking and monitoring bees pollination efficiency | |
CN109828623B (zh) | 温室作物情景感知的生产管理方法及装置 | |
Darras et al. | Autonomous bird sound recording outperforms direct human observation: Synthesis and new evidence | |
CN112700453B (zh) | 一种基于物联网的农业用水水质监管方法及设备、介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |