(12)发明专利申请
(10)申请公布号 CN 111553709 A(43)申请公布日 2020.08.18
(21)申请号 202010219266.0(22)申请日 2020.03.25
(71)申请人 田庆兵
地址 401147 重庆市渝北区锦橙路28号北
岸新洲小区
申请人 王楷 朱汉春 肖传明 曾艳
郭林昕 郑刚(72)发明人 田庆兵 王楷 高旻 熊庆宇
杜思雨 朱汉春 肖传明 (74)专利代理机构 广州市华学知识产权代理有
限公司 44245
代理人 彭啟强(51)Int.Cl.
G06Q 30/00(2012.01)G06F 16/53(2019.01)
权利要求书2页 说明书5页 附图2页
G06F 16/583(2019.01)G06F 16/55(2019.01)G06N 3/04(2006.01)G06N 3/08(2006.01)
CN 111553709 A(54)发明名称
一种水库生态鱼大数据溯源系统及方法(57)摘要
本发明属于大数据溯源技术领域，具体涉及一种水库生态鱼大数据溯源系统及方法，包括：用于水库生态鱼溯源数据查询、采集及结果反馈的应用终端；以及用于溯源数据分类管理及传输控制的后台服务器；与所述后台服务器数据连接的数据储存单元，所述数据存单元通过文件系统与数据库实现溯源数据的结构化与分类管理；还包括溯源数据分析单元，所述溯源数据分析单元通过对溯源数据的计算解析获得结果数据并通过后台服务器反馈至应用终端实现水库生态鱼溯源结果查询。本发明采用大数据溯源技术实现单尾鱼体的鉴别溯源，相比传统的过程式监控溯源更加精准，具有更强的实操性及采信度，为水库生态养殖产业的品质保障以及品牌产业化提供重要基础。
CN 111553709 A
权 利 要 求 书
1/2页
1.一种水库生态鱼大数据溯源系统，其特征在于，包括：应用终端，所述应用终端用于水库生态鱼溯源数据查询、采集及结果反馈，以实现消费者查询请求的快速响应；
后台服务器，所述后台服务器用于溯源数据分类管理及传输控制，以实现溯源数据的快速调取以及结果数据的反馈；
数据储存单元，所述数据储存单元与后台服务器数据连接，并通过文件系统与数据库实现溯源数据的结构化与分类管理；
还包括溯源数据分析单元，所述溯源数据分析单元通过对溯源数据的计算解析获得结果数据并通过后台服务器反馈至应用终端实现水库生态鱼溯源结果查询。
2.根据权利要求1所述的一种水库生态鱼大数据溯源系统，其特征在于，所述应用终端包括APP或WEB中任意一种。
3.根据权利要求1所述的一种水库生态鱼大数据溯源系统，其特征在于，所述溯源数据分析单元包括一种或多种组合的图像特征提取算法模型用于实现卷积神经网络对溯源采集图像的多维卷积处理。
4.根据权利要求3所述的一种水库生态鱼大数据溯源系统，其特征在于，所述溯源数据分析单元包括一种或多种组合的图像标准训练集作为卷积神经网络的输入实现图像特征提取。
5.根据权利要求4所述的一种水库生态鱼大数据溯源系统，其特征在于，所述溯源数据分析单元包括一种或多种组合的图像特征提取误差范围加速收敛的算法模型，以实现溯源数据分析单元的深度学习能力。
6.根据权利要求5所述的一种水库生态鱼大数据溯源系统，其特征在于，所述溯源数据分析单元包括一种或多种组合的特征数据分类算法模型用于实现特征数据的结果识别。
7.根据权利要求4所述的一种水库生态鱼大数据溯源系统，其特征在于，所述图像标准训练集包含一种或多种组合的非结构化数据模型作为卷积神经网络特征数据提取输入。
8.根据权利要求7所述的一种水库生态鱼大数据溯源系统，其特征在于，所述图像标准训练集中还包含一种或多种组合的结构化数据模型用于进一步提升图像标准训练集的可靠性。
9.根据权利要求8所述的一种水库生态鱼大数据溯源系统，其特征在于，所述结构化数据模型包含1-50个数据点。
10.一种水库生态鱼大数据溯源方法，其特征在于，包括如下步骤：消费者打开应用终端发起溯源查询请求，并通过对现场生态鱼进行拍照获得实时溯源采集图像；
后台服务器对应用终端采集的溯源图像进行有效判定，将清晰度及完整度最优的采集图像进行调取并通过数据存储单元实现数据分类管理；
溯源数据分析单元对数据存储单元中数据进行调取和标准化，将图像标准训练集作为卷积神经网络特征数据提取输入并与溯源数据进行多维度卷积处理实现特征提取；
通过图像特征提取误差范围加速收敛验证处理，对特征提取误差权值进行深度学习优化，获得最优特征提取数据；
将特征提取数据通过分析模型中的分类器进行分类识别获得结果数据；
2
CN 111553709 A
权 利 要 求 书
2/2页
溯源数据分析单元将结果数据通过后台服务器反馈至应用终端实现水库生态鱼溯源查询。
3
CN 111553709 A
说 明 书
一种水库生态鱼大数据溯源系统及方法
1/5页
技术领域
[0001]本发明属于大数据溯源技术领域，具体涉及一种水库生态鱼大数据溯源系统及方法。
背景技术
[0002]水库净水渔产业具有良好的生态环保效益、社会公共效益和产业经济效益。水库鱼与池塘养殖鱼相比，由于其是在水库中自由放养的鱼质量更佳、营养更高、口感更好，因此价格远高于池塘养殖鱼。但在鱼类市场上，存在水库鱼与养殖鱼混杂的现象，消费者容易花高价钱买来的却是池塘养殖鱼。为了维护消费者的权益，解决广大消费者对水库鱼水产品质量的疑虑，这就需要一种水库鱼的大数据溯源系统，消费者在购买水库鱼时，可以通过溯源系统来对购买的水库鱼进行溯源，彻底解除消费者对水库鱼产品质量的顾虑。[0003]鉴于鱼类个体相对比较小，并且单次捕捞上市数量庞大很难对单个鱼体进行标记跟踪溯源，目前传统的溯源方式主要采用对过程监控实现溯源，比如从捕捞到运输再到最后上市加工处理的全程监控。但由于生态鱼价值远远高于人工饲养鱼，并且生态鱼养殖到上市加工过程环节较多很容易出现监控盲区，并且成本高效率低。综合以上原因生态鱼的品质保证和市场品牌价值很难得到体现。对于水库生态鱼的产业化发展以及市场品牌价值的挖缺都会带来较大限制。
发明内容
[0004]本发明的目的是提供一种水库生态鱼大数据溯源系统及方法，采用大数据溯源技术对单尾鱼体的图像特征进行提取实现鉴别溯源，相比传统的过程式监控溯源更加精准，消费者全程参与，具有更强的实操性及采信度，为水库生态养殖产业的品质保障以及品牌产业化提供重要基础。
[0005]为实现上述技术目的，本发明采用的技术方案如下：[0006]一种水库生态鱼大数据溯源系统，其特征在于，包括：[0007]应用终端，所述应用终端用于水库生态鱼溯源数据查询、采集及结果反馈，以实现消费者查询请求的快速响应；[0008]后台服务器，所述后台服务器用于溯源数据分类管理及传输控制，以实现溯源数据的快速调取以及结果数据的反馈；[0009]数据储存单元，所述数据储存单元与后台服务器数据连接，并通过文件系统与数据库实现溯源数据的结构化与分类管理；[0010]还包括溯源数据分析单元，所述溯源数据分析单元通过对溯源数据的计算解析获得结果数据并通过后台服务器反馈至应用终端实现水库生态鱼溯源结果查询。[0011]所述后台服务器负责具体的业务模块流程的控制，以及负责业务模块的逻辑应用设计，对应用终端传来的数据进行分类处理，选择数据访问层中适合的数据传输接口，最终将数据传输保存至云端数据库中。
4
CN 111553709 A[0012]
说 明 书
2/5页
进一步，所述应用终端为APP或WEB中任意一种。
[0013]进一步，所述溯源数据分析单元包括一种或多种组合的图像特征提取算法模型用于实现卷积神经网络对溯源采集图像的多维卷积处理。[0014]进一步，所述溯源数据分析单元包括一种或多种组合的图像标准训练集作为卷积神经网络的输入实现图像特征提取。[0015]进一步，所述溯源数据分析单元包括一种或多种组合的图像特征提取误差范围加速收敛的算法模型，以实现溯源数据分析单元的深度学习能力。[0016]进一步，所述溯源数据分析单元包括一种或多种组合的特征数据分类算法模型用于实现特征数据的结果识别。[0017]进一步，所述图像标准训练集包含一种或多种组合的非结构化数据模型作为卷积神经网络特征数据提取输入。[0018]进一步，所述图像标准训练集中还包含一种或多种组合的结构化数据模型用于进一步提升图像标准训练集的可靠性。[0019]进一步，所述结构化数据模型包含1-50个数据点。[0020]基于以上技术方案，本发明还包括，[0021]一种水库生态鱼大数据溯源方法，包括如下步骤：[0022]消费者打开应用终端发起溯源查询请求，并通过对现场生态鱼进行拍照获得实时溯源采集图像；[0023]后台服务器对应用终端采集的溯源图像进行有效判定，将清晰度及完整度最优的采集图像进行调取并通过数据存储单元实现数据分类管理；[0024]溯源数据分析单元对数据存储单元中数据进行调取和标准化，将图像标准训练集作为卷积神经网络特征数据提取输入并与溯源数据进行多维度卷积处理实现特征提取；[0025]通过图像特征提取误差范围加速收敛验证处理，对特征提取误差权值进行深度学习优化，获得最优特征提取数据；
[0026]将特征提取数据通过分析模型中的分类器进行分类识别获得结果数据；[0027]溯源数据分析单元将结果数据通过后台服务器反馈至应用终端实现水库生态鱼溯源查询。
[0028]本发明有益效果如下：[0029]1、本发明的大数据水库生态鱼溯源系统及方法，采用大数据溯源技术，消费者只需将购买到的水库生态鱼通过手机拍照并上传到溯源系统，经过该系统图像特征提取进行分析识别，克服了现有传统溯源模式的技术缺陷，极大提升溯源可靠性；[0030]2、本发明水库生态鱼大数据溯源系统及方法具有在线学习和优化能力，溯源准确率更高，全过程无盲区，有效地维护了消费者的权益，解决广大消费者的对水库鱼水产品质量的疑虑；[0031]3、同时消费者全程参与，增加了消费者对水库生态鱼的进一步认识，有利于市场认可度的培养与积累。
附图说明
[0032]图1为本发明一种水库生态鱼大数据溯源系统及方法流程图；
5
CN 111553709 A[0033][0034][0035]
说 明 书
3/5页
图2为一种水库生态鱼大数据溯源系统基于Spring Boot技术流程图；图3为一种水库生态鱼大数据溯源系统图像结构化标记示意图；
图4为一种水库生态鱼大数据溯源系统图像结构化距离测量标记示意图。
具体实施方式
[0036]为了使本领域的技术人员可以更好地理解本发明，下面以实施例对本发明技术方案进一步说明。
[0037]如图1所示，一种水库生态鱼大数据溯源系统，其特征在于，包括：[0038]应用终端，所述应用终端用于水库生态鱼溯源数据查询、采集及结果反馈，以实现消费者查询请求的快速响应；[0039]后台服务器，所述后台服务器用于溯源数据分类管理及传输控制，以实现溯源数据的快速调取以及结果数据的反馈；[0040]数据储存单元，所述数据储存单元与后台服务器数据连接，并通过文件系统与数据库实现溯源数据的结构化与分类管理；[0041]还包括溯源数据分析单元，所述溯源数据分析单元通过对溯源数据的计算解析获得结果数据并通过后台服务器反馈至应用终端实现水库生态鱼溯源结果查询。[0042]所述后台服务器负责具体的业务模块流程的控制，以及负责业务模块的逻辑应用设计，对应用终端传来的数据进行分类处理，选择数据访问层中适合的数据传输接口，最终将数据传输保存至云端数据库中，所述应用终端为APP或WEB中任意一种。[0043]为让本发明系统运行与操作更加科学合理化，本系统采用如下技术设计与支持：[0044]采用Maven技术进行项目的构建管理，采用Jenkins进行持续集成，使用Spring Boot技术实现服务组件化及管理，搭建分布式微服务云架构平台。[0045]后台服务器框架部分采用Spring MVC技术，Spring框架提供了构建Web应用程序的全功能MVC模块。使用Spring可插入的MVC架构，通过策略接口，Web框架进行定制选择。Spring框架是高度可配置的，而且包含多种视图技术，Spring MVC分离了控制器、模型对象、分派器以及处理程序对象的角色，这种分离更容易进行定制，并且实现将定制层进行职责解耦。
[0046]文件系统持久层，采用MyBatis持久层框架支持定制化SQL、存储过程以及高级映射。MyBatis可以避免JDBC代码和手动设置参数以及获取结果集。MyBatis可以使用简单的XML或注解来配置和映射原生类型、接口和Java的POJO为数据库中的记录。[0047]数据库层，采用JDBC(java数据库连接)用于执行SQL语句的Java API，可以为多种关系数据库提供统一访问，并用一组Java语言编写的类和接口组成。JDBC提供了一种基准，据此可以构建更高级的工具和接口，使数据库开发人员能够编写数据库应用程序。[0048]缓存层，采用Redis技术定制一个开源使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value的数据库，并提供多种语言的API。[0049]APP应用终端，在Android Studio搭建配置运行环境JDK 1.8或者compileSdkVersion27，APP程序的组成部份，采用Xml布局文件、Java程序文件。[0050]Web网页终端：基于Bootstrap前端UI开源框架，运用CSS、JavaScrit脚本语言、HTML语言、JQuery框架库，采用Ajax技术，即异步JavaScript和XML(Asynchronous
6
CN 111553709 A
说 明 书
4/5页
Javascript And XML)，实现能够不刷新整个网页的前提下还能更新部分网页，通过后台服务器进行少量数据交换，使网页实现异步更新。[0051]其中采用JSON技术，实现应用终端与后台服务器的交换传输。[0052]如图2所示，本发明系统采用Spring Boot技术，可以创建独立、自启动的应用容器，不需要构建War包并发布到容器中，构建和维护War包、容器的配置和管理，通过Maven的定制化标签，可以快速创建Spring Boot的应用程序，可以最大化地自动化配置Spring，而不需要人工配置各项参数，减少人力投入。
[0053]所述溯源数据分析单元包括一种或多种组合的图像特征提取算法模型用于实现卷积神经网络对溯源采集图像的多维卷积处理。
[0054]本发明优选采用改进BOF算法模型实现水库生态鱼图像特征提取，主要包括构建Hessian矩阵、构建尺度空间和精确定位特征点；以每个特征点为中心，画出6s为半径的圆领域，其中s表示特征点的尺度，并计算半径内所有特征点x和y方向上的Haar小波响应，根据特征点与中心点的距离赋权值，越近权值较大；然后将60°范围内响应的特征点形成新的矢量，遍历整个圆形区域后，选择最长矢量方向作为该特征点的主方向，生成特征描述符。[0055]所述溯源数据分析单元包括一种或多种组合的图像特征提取误差范围加速收敛的算法模型，以实现溯源数据分析单元的深度学习能力。
[0056]发明优选采用改进CNN算法模型实现图像特征提取误差范围加速收敛，提升溯源数据分析单元的深度学习能力，主要包括：设定卷积核的元素个数m，初始化加速常数c1、c2和惯性权重ω值，将元子位置X向量和原子速度V向量初始化为(0,1)之间的随机数；对设定的m个卷积核的元素中的每一个元素，在卷积神经网络中进行计算，得到前向传播；得到前向传播后，计算得到误差；若误差值达到误差阀值范围的极小值，停止算法。
[0057]所述溯源数据分析单元包括一种或多种组合的特征数据分类算法模型用于实现特征数据的结果识别。
[0058]发明优选采用改进KNN算法模型实现特征数据的结果识别，主要包括：计算测试数据特征与各个训练集数据特征之间的距离；按照距离递增次序进行排序，然后选取距离最小的K个特征；取K个近邻训练数据中类别出现次数最多者作为输入新水库生态鱼图片实例的类别；通过分析比较待分类水库生态鱼图像和已分类水库生态鱼图像的特征距离的大小进行水库生态鱼分类。[0059]如图3-4所示，所述溯源数据分析单元包括一种或多种组合的图像标准训练集作为卷积神经网络的输入实现图像特征提取。所述图像标准训练集包含一种或多种组合的非结构化数据模型作为卷积神经网络特征数据提取输入。其中训练集非结构化数据模型优选未经任何标记的原始图像作为卷积神经网络特征数据提取输入进行卷积处理。
[0060]所述图像标准训练集中还包含一种或多种组合的结构化数据模型用于进一步提升图像标准训练集的可靠性。所述结构化数据模型包含1-50个数据点。通过图像智能化处理实现水库生态鱼形态结构及距离测量进行标记，有利于训练集可靠性的优化提升。[0061]其中生态鱼形态结构数据点包括：体重、头长、头重、吻长、眼径、眼间距、眼后头长、躯干长、体高、尾柄长、尾柄高、尾长、全长、体长、头宽、体宽、尾宽等.[0062]距离测量指标有：头宽：头部左右轴的最大宽度、体宽：躯干部左右轴的最大宽度、尾宽：尾部左右轴的最大宽度、AB(吻端至头背部末端的距离)、AC(吻端至胸鳍起点的距
7
CN 111553709 A
说 明 书
5/5页
离)、AE(吻端至腹鳍起点的距离)、BC(胸鳍起点至头背部末端的距离)、BD(头背部末端至背鳍起点的距离)、BE(头背部末端至胸鳍起点的距离)、CD(胸鳍起点至背鳍起点的距离)、CE(胸鳍起点至腹鳍起点的距离)、DE(背鳍起点至腹鳍起点的距离)、DF(背鳍基长)、DG(背鳍起点至臀鳍起点的距离)、EF(腹鳍起点至背鳍基末端的距离)、FG(背鳍基末端至臀鳍起点的距离)、EG(腹鳍起点至臀鳍起点的距离)、DH(背鳍起点至臀鳍基末端的距离)、FH(背鳍基末端至臀鳍基末端的距离)、FI(背鳍基末端至尾鳍基背部起点的距离)、FJ(背鳍基末端至尾鳍基背部起点的距离)、HI(臀鳍基末端至尾鳍基背部起点的距离)、HJ(臀鳍基末端至尾鳍背部起点的距离)、IJ(尾鳍背部起点至尾鳍腹部起点的距离)、EE(胸鳍起点的距离)、GG(腹鳍起点的距离)。
[0063]一种水库生态鱼大数据溯源方法，包括如下步骤：[0064]消费者打开应用终端发起溯源查询请求，并通过对现场生态鱼进行拍照获得实时溯源采集图像；[0065]后台服务器对应用终端采集的溯源图像进行有效判定，将清晰度及完整度最优的采集图像进行调取并通过数据存储单元实现数据分类管理；[0066]溯源数据分析单元对数据存储单元中数据进行调取和标准化，将图像标准训练集作为卷积神经网络特征数据提取输入并与溯源数据进行多维度卷积处理实现特征提取；[0067]通过图像特征提取误差范围加速收敛验证处理，对特征提取误差权值进行深度学习优化，获得最优特征提取数据；
[0068]将特征提取数据通过分析模型中的分类器进行分类识别获得结果数据；[0069]溯源数据分析单元将结果数据通过后台服务器反馈至应用终端实现水库生态鱼溯源查询。
[0070]以上对本发明提供的一种基于KNN的水库生态鱼分类方法进行了详细介绍。具体实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
8
CN 111553709 A
说 明 书 附 图
1/2页
图1
图2
9
CN 111553709 A
说 明 书 附 图
2/2页
图3
图4
10
因篇幅问题不能全部显示，请点此查看更多更全内容