本發(fā)明屬于食品查證技術(shù)領(lǐng)域，尤其涉及一種基于云計(jì)算的食品數(shù)據(jù)分析方法。
背景技術(shù)：
目前，隨著社會(huì)的發(fā)展，食品安全是深受餐飲業(yè)界和廣大消費(fèi)者廣泛關(guān)注的事情，尤其是在“互聯(lián)網(wǎng)+”時(shí)代，餐飲業(yè)以觸網(wǎng)方式為公眾帶來生活便利，餐飲業(yè)質(zhì)量及安全水平如何保障，成為整個(gè)行業(yè)關(guān)注的焦點(diǎn)。然而，傳統(tǒng)的審查是通過商家提供的照片，這種方式，過于單一，無法獲知食品加工生產(chǎn)的真實(shí)過程，如果進(jìn)廠進(jìn)行調(diào)查，耗費(fèi)人工，費(fèi)時(shí)費(fèi)力，依然杜絕不了有害食品的生產(chǎn)。
綜上所述，現(xiàn)在的技術(shù)存在的問題是：現(xiàn)有基于云計(jì)算的食品數(shù)據(jù)分析方法審查單一，無法獲知食品生產(chǎn)的真實(shí)過程，不能獲得食品生產(chǎn)產(chǎn)品實(shí)施質(zhì)量信息；為抽查質(zhì)量信息，進(jìn)廠調(diào)查又費(fèi)時(shí)費(fèi)力。
技術(shù)實(shí)現(xiàn)要素：
針對(duì)現(xiàn)有技術(shù)存在的問題，本發(fā)明提供了基于云計(jì)算的食品數(shù)據(jù)分析方法。
本發(fā)明是這樣實(shí)現(xiàn)的，一種基于云計(jì)算的食品數(shù)據(jù)分析方法，所述基于云計(jì)算的食品數(shù)據(jù)分析方法包括：
通過攝像單元拍攝食品生產(chǎn)過程的信息；
通過處理單元對(duì)攝像單元傳輸?shù)男畔⑦M(jìn)行處理；所述處理單元通過內(nèi)置的圖像識(shí)別判定模塊進(jìn)行信息的識(shí)別；具體包括：
采集到n個(gè)樣本用作訓(xùn)練集x，采用下式求出樣本平均值m：
其中，xi∈樣本訓(xùn)練集x＝(x1，x2，…，xn)；
求出散布矩陣s：
求出散布矩陣的特征值λi和對(duì)應(yīng)的特征向量ei，其中，ei便是主分量，將特征值從大到小依次排列λ1，λ2，…；取出p個(gè)值，λ1，λ2，…，λp確定出識(shí)別空間e＝(e1，e2，…，ep)，在此識(shí)別空間上，訓(xùn)練樣本x中，每個(gè)元素投影到該空間的點(diǎn)由下式得到：
x'i＝etxi，t＝1，2，…，n；
由上式得到的是將原向量經(jīng)過pca降維后的p維向量；
所述的特征提取基于稀疏表征，采用識(shí)別算法進(jìn)行多圖像識(shí)別；
具體方法為：
對(duì)當(dāng)前幀圖像檢測(cè)并按坐標(biāo)排序得出當(dāng)前幀各個(gè)圖像的識(shí)別結(jié)果；根據(jù)當(dāng)前幀各個(gè)圖像的識(shí)別結(jié)果計(jì)算對(duì)應(yīng)的各個(gè)圖像各自相鄰n幀識(shí)別結(jié)果；統(tǒng)計(jì)各個(gè)圖像的特征，由超過半數(shù)n/2的統(tǒng)一特征決定目標(biāo)的最終特征；
其中，計(jì)算待識(shí)別圖片與圖像庫各類別間的重建誤差{r1，r2……rn}，r1<r2<……<rn，將得到的相似度值按照
通過無線路由單元傳輸處理單元信息到監(jiān)控單元；
通過網(wǎng)絡(luò)云服務(wù)器，監(jiān)控單元對(duì)路由單元傳輸?shù)男畔⑦M(jìn)行監(jiān)控；并對(duì)違規(guī)信息進(jìn)行報(bào)警提示；所述監(jiān)控單元通過內(nèi)置的監(jiān)控模塊對(duì)食品的安全進(jìn)行監(jiān)控；具體包括：
首先，建立分析對(duì)象與安全指標(biāo)因子間的綜合信息評(píng)價(jià)體系，評(píng)價(jià)體系是由n個(gè)分析對(duì)象m個(gè)指標(biāo)構(gòu)成的系統(tǒng)，從而得到初始信息評(píng)價(jià)矩陣：
其中，i＝1,2,…,n；j＝1,2,…,m；
對(duì)a'中各指標(biāo)歸一化處理：
歸一化的指標(biāo)：
其中，i＝1,2,…,n；j＝1,2,…,m；
aij—規(guī)范性信息矩陣中對(duì)應(yīng)于第i行j列的元素，規(guī)范性信息矩陣a可表示為：
其中，i＝1,2,…,n；j＝1,2,…,m；
然后，根據(jù)規(guī)范性信息矩陣，確定第i個(gè)分析對(duì)象下第j項(xiàng)指標(biāo)的指標(biāo)值的比重：
其中，i＝1,2,…,n；j＝1,2,…,m；
最后，由熵權(quán)法計(jì)算第i個(gè)分析對(duì)象的熵值
其中，ti—定義為第i個(gè)分析對(duì)象的信息熵；
pij—第i個(gè)分析對(duì)象下第j項(xiàng)指標(biāo)的比重；
i＝1,2,…,n；j＝1,2,…,m；
同理，可求得安全子信息熵，即：
其中si—定義為第i個(gè)分析對(duì)象的安全子信息熵；
qij—第i個(gè)分析對(duì)象下第j項(xiàng)指標(biāo)的比重；
mij—第i個(gè)分析對(duì)象下第j項(xiàng)指標(biāo)的比重；
i＝1,2,…,n；j＝1,2,…,m；
對(duì)信息熵值進(jìn)行歸一化處理，歸一化公式：
根據(jù)信息熵和危險(xiǎn)度的關(guān)系，基于信息熵的危險(xiǎn)度等級(jí)標(biāo)準(zhǔn)分為：
0.8≤hc≤1，極低危險(xiǎn)；
0.6≤hc＜0.8，低度危險(xiǎn)；
0.4≤hc＜0.6，中度危險(xiǎn)；
0.2≤hc＜0.4，高度危險(xiǎn)；
0≤hc＜0.2，極高危險(xiǎn)；
利用移動(dòng)終端通過網(wǎng)絡(luò)云服務(wù)器與監(jiān)控單元進(jìn)行數(shù)據(jù)共享，進(jìn)行多方位調(diào)控。
進(jìn)一步，所述攝像單元包括ccd相機(jī)；所述ccd相機(jī)獲得食品生產(chǎn)過程的信息得方法包括：采用依次循環(huán)投影n幀(n≧3)關(guān)系為n步相移的正弦光柵在被測(cè)物體上，假設(shè)系統(tǒng)橫向放大率為m，物體表面反射率為r(x，y)，則n步(n≧3)相移的正弦光柵像平面上的光強(qiáng)分布可以表示為
其中i0為背景光強(qiáng)，c0(x，y)為光柵成像面上的條紋對(duì)比度，f是像平面的光柵頻率；
根據(jù)成像理論，光柵成像面前后的模糊像id(x，y；δ)由其聚焦像ii(x，y)和相應(yīng)的系統(tǒng)模糊方程即系統(tǒng)的點(diǎn)擴(kuò)散函數(shù)h(x，y)的卷積得到，即
id(x，y；δ)＝h(x，y)*ii(x，y)(2)
符號(hào)*表示卷積,id(x，y，δ)為距成像面δ位置處的光強(qiáng)分布。
進(jìn)一步，在實(shí)際光學(xué)系統(tǒng)中，由于光學(xué)系統(tǒng)的衍射、色散和透鏡的畸變因素，采用二維高斯函數(shù)表示系統(tǒng)的模糊方程h(x，y)，即
式中σh是擴(kuò)散常數(shù)，相應(yīng)于點(diǎn)擴(kuò)散函數(shù)的標(biāo)準(zhǔn)偏差，與模糊斑半徑成正比即σh＝cr，c的值依賴于光學(xué)系統(tǒng)參數(shù)，在大多數(shù)實(shí)際情況下，可以近似取
光柵投影像面前后的條紋調(diào)制度分布為
m0(x，y)是投影像面上的調(diào)制度分布,由于點(diǎn)擴(kuò)散常數(shù)σh與模糊斑半徑r成正比，而r與離焦量δ成正比，因此(5)式可以改寫為
式中d是待測(cè)點(diǎn)到參考平面的距離，di是光柵投影像面到參考平面的距離，c是由系統(tǒng)決定的常數(shù)。
進(jìn)一步，條紋的調(diào)制度分布由傅里葉變換方法或n步(n≧3)相移算法計(jì)算得，當(dāng)采用傅里葉變換方法處理時(shí)，對(duì)采集的圖像集如式(4)所示的任意一像素點(diǎn)沿時(shí)間軸作傅里葉變換可得
g(fdi)＝g0(fdi)+g1(fdi)+g-1(fdi)(7)
選取適合的濾波窗將基頻g1(fdi)濾出，再對(duì)它進(jìn)行逆傅里葉變換可得
由b(di)可計(jì)算出該像素點(diǎn)沿時(shí)間軸上的對(duì)比度c(di)，從而得到該像素點(diǎn)在時(shí)間軸上的調(diào)制度分布。當(dāng)對(duì)條紋圖上的每個(gè)像素點(diǎn)都作傅里葉變換，空間濾波，逆傅里葉變換，即可得到整個(gè)條紋的調(diào)制度分布；
當(dāng)采用n步(n≧3)步相移的方法時(shí)，在采集到的圖片集中，對(duì)于任意一位置(第m幀)的條紋圖，利用該位置處前后n-1張條紋圖計(jì)算該位置的調(diào)制度分布，其中，第m1幀至第m2幀,m1＝round[(n-1)/2]，m2＝n-m1-1，round代表四舍五入操作，其表達(dá)式如下所示：
其中，mm(x，y)代表第m幀位置處的調(diào)制度值，
進(jìn)一步，所述處理單元包括電腦；所述移動(dòng)終端包括手機(jī)。
進(jìn)一步，所述基于云計(jì)算的食品數(shù)據(jù)分析方法還通過檢出單元對(duì)違規(guī)產(chǎn)品進(jìn)行分流。
進(jìn)一步，所述檢出單元內(nèi)置的無線發(fā)射模塊通過路由單元與監(jiān)控單元無線連接。
本發(fā)明的優(yōu)點(diǎn)及積極效果為：大大提高監(jiān)管力度，更加準(zhǔn)確的了解工廠的加工過程，更加透明，杜絕了投機(jī)取巧，不規(guī)則的生產(chǎn)方式，也遏制了黑心廠商的生產(chǎn)有害食品；同時(shí)更加便利，省時(shí)的進(jìn)行審查工作的進(jìn)行。
本發(fā)明的識(shí)別方法，提高了識(shí)別的效率和準(zhǔn)確率，更好的保護(hù)了食品的安全；提取圖像特征向量方法，一定程度上提高了識(shí)別度，有利于圖像的采集和識(shí)別。
本發(fā)明提出了一個(gè)概率模型，該模型能綜合反映食品生產(chǎn)過程中相互作用機(jī)制，能夠表征復(fù)雜的非線性過程和動(dòng)態(tài)過程，能對(duì)研究對(duì)象的危險(xiǎn)度進(jìn)行預(yù)測(cè)，隨著大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)等技術(shù)的發(fā)展和成熟，本發(fā)明將成為食品學(xué)科大數(shù)據(jù)研究的重要方面。本發(fā)明對(duì)采集到圖片集利用傅里葉變換的方法逐個(gè)像素點(diǎn)沿時(shí)間軸進(jìn)行處理提取調(diào)制度的分布，可有效避免同一幀條紋圖中的各個(gè)像素點(diǎn)之間的相互影響，同時(shí)也可避免單獨(dú)對(duì)每一幀條紋圖進(jìn)行傅里葉變換處理獲取調(diào)制度分布所出現(xiàn)細(xì)節(jié)丟失的現(xiàn)象；
利用相鄰n幀(n≧3)條紋圖采用n步相移算法計(jì)算調(diào)制度值，可以連續(xù)進(jìn)行光柵投影和圖片采集，縮短了用于光柵投影和圖像采集的時(shí)間，減少了圖片采集的數(shù)量，同時(shí)還保證了測(cè)量的精度。從而獲得了準(zhǔn)確的圖像數(shù)據(jù)。
附圖說明
圖1是本發(fā)明實(shí)施例提供的基于云計(jì)算的食品數(shù)據(jù)分析方法結(jié)構(gòu)示意圖；
圖中：1、監(jiān)控主機(jī)；2、移動(dòng)終端；3、網(wǎng)絡(luò)云服務(wù)器；4、攝像頭；5、客戶端；6、路由器；7、網(wǎng)線；8、導(dǎo)線。
具體實(shí)施方式
為能進(jìn)一步了解本發(fā)明的發(fā)明內(nèi)容、特點(diǎn)及功效，茲例舉以下實(shí)施例，并配合附圖詳細(xì)說明如下。
下面結(jié)合附圖對(duì)本發(fā)明的結(jié)構(gòu)作詳細(xì)的描述。
如圖1所示，本發(fā)明實(shí)施例提供的基于云計(jì)算的食品數(shù)據(jù)分析方法，包括：
s101：通過攝像單元拍攝食品生產(chǎn)過程的信息；
s102：通過處理單元對(duì)攝像單元傳輸?shù)男畔⑦M(jìn)行處理；
s103：通過無線路由單元傳輸處理單元信息到監(jiān)控單元；
s104：通過網(wǎng)絡(luò)云服務(wù)器，監(jiān)控單元對(duì)路由單元傳輸?shù)男畔⑦M(jìn)行監(jiān)控；并對(duì)違規(guī)信息進(jìn)行報(bào)警提示；
s105：利用移動(dòng)終端通過網(wǎng)絡(luò)云服務(wù)器與監(jiān)控單元進(jìn)行數(shù)據(jù)共享，進(jìn)行多方位調(diào)控。
通過處理單元對(duì)攝像單元傳輸?shù)男畔⑦M(jìn)行處理；所述處理單元通過內(nèi)置的圖像識(shí)別判定模塊進(jìn)行信息的識(shí)別；具體包括：
采集到n個(gè)樣本用作訓(xùn)練集x，采用下式求出樣本平均值m：
其中，xi∈樣本訓(xùn)練集x＝(x1，x2，…，xn)；
求出散布矩陣s：
求出散布矩陣的特征值λi和對(duì)應(yīng)的特征向量ei，其中，ei便是主分量，將特征值從大到小依次排列λ1，λ2，…；取出p個(gè)值，λ1，λ2，…，λp確定出識(shí)別空間e＝(e1，e2，…，ep)，在此識(shí)別空間上，訓(xùn)練樣本x中，每個(gè)元素投影到該空間的點(diǎn)由下式得到：
x'i＝etxi，t＝1，2，…，n；
由上式得到的是將原向量經(jīng)過pca降維后的p維向量；
所述的特征提取基于稀疏表征，采用識(shí)別算法進(jìn)行多圖像識(shí)別；
具體方法為：
對(duì)當(dāng)前幀圖像檢測(cè)并按坐標(biāo)排序得出當(dāng)前幀各個(gè)圖像的識(shí)別結(jié)果；根據(jù)當(dāng)前幀各個(gè)圖像的識(shí)別結(jié)果計(jì)算對(duì)應(yīng)的各個(gè)圖像各自相鄰n幀識(shí)別結(jié)果；統(tǒng)計(jì)各個(gè)圖像的特征，由超過半數(shù)n/2的統(tǒng)一特征決定目標(biāo)的最終特征；
其中，計(jì)算待識(shí)別圖片與圖像庫各類別間的重建誤差{r1，r2……rn}，r1<r2<……<rn，將得到的相似度值按照
所述監(jiān)控單元通過內(nèi)置的監(jiān)控模塊對(duì)食品的安全進(jìn)行監(jiān)控；具體包括：
首先，建立分析對(duì)象與安全指標(biāo)因子間的綜合信息評(píng)價(jià)體系，評(píng)價(jià)體系是由n個(gè)分析對(duì)象m個(gè)指標(biāo)構(gòu)成的系統(tǒng)，從而得到初始信息評(píng)價(jià)矩陣：
其中，i＝1,2,…,n；j＝1,2,…,m；
對(duì)a'中各指標(biāo)歸一化處理：
歸一化的指標(biāo)：
其中，i＝1,2,…,n；j＝1,2,…,m；
aij—規(guī)范性信息矩陣中對(duì)應(yīng)于第i行j列的元素，規(guī)范性信息矩陣a可表示為：
其中，i＝1,2,…,n；j＝1,2,…,m；
然后，根據(jù)規(guī)范性信息矩陣，確定第i個(gè)分析對(duì)象下第j項(xiàng)指標(biāo)的指標(biāo)值的比重：
其中，i＝1,2,…,n；j＝1,2,…,m；
最后，由熵權(quán)法計(jì)算第i個(gè)分析對(duì)象的熵值
其中，ti—定義為第i個(gè)分析對(duì)象的信息熵；
pij—第i個(gè)分析對(duì)象下第j項(xiàng)指標(biāo)的比重；
i＝1,2,…,n；j＝1,2,…,m；
同理，可求得安全子信息熵，即：
其中si—定義為第i個(gè)分析對(duì)象的安全子信息熵；
qij—第i個(gè)分析對(duì)象下第j項(xiàng)指標(biāo)的比重；
mij—第i個(gè)分析對(duì)象下第j項(xiàng)指標(biāo)的比重；
i＝1,2,…,n；j＝1,2,…,m；
對(duì)信息熵值進(jìn)行歸一化處理，歸一化公式：
根據(jù)信息熵和危險(xiǎn)度的關(guān)系，基于信息熵的危險(xiǎn)度等級(jí)標(biāo)準(zhǔn)分為：
0.8≤hc≤1，極低危險(xiǎn)；
0.6≤hc＜0.8，低度危險(xiǎn)；
0.4≤hc＜0.6，中度危險(xiǎn)；
0.2≤hc＜0.4，高度危險(xiǎn)；
0≤hc＜0.2，極高危險(xiǎn)；
利用移動(dòng)終端通過網(wǎng)絡(luò)云服務(wù)器與監(jiān)控單元進(jìn)行數(shù)據(jù)共享，進(jìn)行多方位調(diào)控。
作為本發(fā)明實(shí)施例的優(yōu)選方案，所述攝像單元包括ccd相機(jī)；所述ccd相機(jī)獲得食品生產(chǎn)過程的信息得方法包括：采用依次循環(huán)投影n幀(n≧3)關(guān)系為n步相移的正弦光柵在被測(cè)物體上，假設(shè)系統(tǒng)橫向放大率為m，物體表面反射率為r(x，y)，則n步(n≧3)相移的正弦光柵像平面上的光強(qiáng)分布可以表示為
其中i0為背景光強(qiáng)，c0(x，y)為光柵成像面上的條紋對(duì)比度，f是像平面的光柵頻率；
根據(jù)成像理論，光柵成像面前后的模糊像id(x，y；δ)由其聚焦像ii(x，y)和相應(yīng)的系統(tǒng)模糊方程即系統(tǒng)的點(diǎn)擴(kuò)散函數(shù)h(x，y)的卷積得到，即
id(x，y；δ)＝h(x，y)*ii(x，y)(2)
符號(hào)*表示卷積,id(x，y；δ)為距成像面δ位置處的光強(qiáng)分布。
進(jìn)一步，在實(shí)際光學(xué)系統(tǒng)中，由于光學(xué)系統(tǒng)的衍射、色散和透鏡的畸變因素，采用二維高斯函數(shù)表示系統(tǒng)的模糊方程h(x，y)，即
式中σh是擴(kuò)散常數(shù)，相應(yīng)于點(diǎn)擴(kuò)散函數(shù)的標(biāo)準(zhǔn)偏差，與模糊斑半徑成正比即σh＝cr，c的值依賴于光學(xué)系統(tǒng)參數(shù)，在大多數(shù)實(shí)際情況下，可以近似取
光柵投影像面前后的條紋調(diào)制度分布為
m0(x，y)是投影像面上的調(diào)制度分布,由于點(diǎn)擴(kuò)散常數(shù)σh與模糊斑半徑r成正比，而r與離焦量δ成正比，因此(5)式可以改寫為
式中d是待測(cè)點(diǎn)到參考平面的距離，di是光柵投影像面到參考平面的距離，c是由系統(tǒng)決定的常數(shù)。
進(jìn)一步，條紋的調(diào)制度分布由傅里葉變換方法或n步(n≧3)相移算法計(jì)算得，當(dāng)采用傅里葉變換方法處理時(shí)，對(duì)采集的圖像集如式(4)所示的任意一像素點(diǎn)沿時(shí)間軸作傅里葉變換可得
g(fdi)＝g0(fdi)+g1(fdi)+g-1(fdi)(7)
選取適合的濾波窗將基頻g1(fdi)濾出，再對(duì)它進(jìn)行逆傅里葉變換可得
由b(di)可計(jì)算出該像素點(diǎn)沿時(shí)間軸上的對(duì)比度c(di)，從而得到該像素點(diǎn)在時(shí)間軸上的調(diào)制度分布。當(dāng)對(duì)條紋圖上的每個(gè)像素點(diǎn)都作傅里葉變換，空間濾波，逆傅里葉變換，即可得到整個(gè)條紋的調(diào)制度分布；
當(dāng)采用n步(n≧3)步相移的方法時(shí)，在采集到的圖片集中，對(duì)于任意一位置(第m幀)的條紋圖，利用該位置處前后n-1張條紋圖計(jì)算該位置的調(diào)制度分布，其中，第m1幀至第m2幀,m1＝round[(n-1)/2]，m2＝n-m1-1，round代表四舍五入操作，其表達(dá)式如下所示：
其中，mm(x，y)代表第m幀位置處的調(diào)制度值，
作為本發(fā)明實(shí)施例的優(yōu)選方案，所述處理單元包括電腦；所述移動(dòng)終端包括手機(jī)。
作為本發(fā)明實(shí)施例的優(yōu)選方案，所述基于云計(jì)算的食品數(shù)據(jù)分析方法還通過檢出單元對(duì)違規(guī)產(chǎn)品進(jìn)行分流。
作為本發(fā)明實(shí)施例的優(yōu)選方案，所述檢出單元內(nèi)置的無線發(fā)射模塊通過路由單元與監(jiān)控單元無線連接。
本發(fā)明大大提高監(jiān)管力度，更加準(zhǔn)確的了解工廠的加工過程，更加透明，杜絕了投機(jī)取巧，不規(guī)則的生產(chǎn)方式，也遏制了黑心廠商的生產(chǎn)有害食品；同時(shí)更加便利，省時(shí)的進(jìn)行審查工作的進(jìn)行。
本發(fā)明的識(shí)別方法，提高了識(shí)別的效率和準(zhǔn)確率，更好的保護(hù)了食品的安全；提取圖像特征向量方法，一定程度上提高了識(shí)別度，有利于圖像的采集和識(shí)別。
本發(fā)明提出了一個(gè)概率模型，該模型能綜合反映食品生產(chǎn)過程中相互作用機(jī)制，能夠表征復(fù)雜的非線性過程和動(dòng)態(tài)過程，能對(duì)研究對(duì)象的危險(xiǎn)度進(jìn)行預(yù)測(cè)，隨著大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)等技術(shù)的發(fā)展和成熟，本發(fā)明將成為食品學(xué)科大數(shù)據(jù)研究的重要方面。
本發(fā)明的工作原理：
當(dāng)工廠生產(chǎn)食品時(shí)，攝像單元會(huì)實(shí)時(shí)監(jiān)控，將畫面通過處理單元經(jīng)由路由單元，在跨越網(wǎng)絡(luò)云服務(wù)器，監(jiān)控單元可以實(shí)時(shí)獲取生產(chǎn)食品畫面，從而杜絕不規(guī)則的生產(chǎn)。
同是，發(fā)現(xiàn)不合格產(chǎn)品，控制檢出單元對(duì)不合格產(chǎn)品進(jìn)行分流，避免混淆，而且能達(dá)到可追溯。
以上所述僅是對(duì)本發(fā)明的較佳實(shí)施例而已，并非對(duì)本發(fā)明作任何形式上的限制，凡是依據(jù)本發(fā)明的技術(shù)實(shí)質(zhì)對(duì)以上實(shí)施例所做的任何簡(jiǎn)單修改，等同變化與修飾，均屬于本發(fā)明技術(shù)方案的范圍內(nèi)。