一种基于大数据的金桔智能分拣方法和装置与流程

1.本发明涉及分拣识别领域，尤其涉及一种基于大数据的金桔智能分拣方法和装置。


背景技术：

2.金桔皮色金黄、皮薄肉嫩、汁多香甜，特点是果皮和果肉可一起食用，金桔含有特殊的挥发油、金桔甙等特殊物质，具有令人愉悦的香气，是颇具特色且营养价值较高的水果，目前对金桔的分拣主要靠人的肉眼，或者靠手动称重以及重量感应进行分类。
3.但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
4.现有技术存在金桔分拣效率低、误差大且缺乏专业性，导致分拣质量不合格的技术问题。


技术实现要素：

5.本申请实施例通过提供一种基于大数据的金桔智能分拣方法和装置，解决了现有技术存在金桔分拣效率低、误差大且缺乏专业性，导致分拣质量不合格的技术问题，达到缩减分拣时间，提高分拣效率进而使金桔分拣更加方便快捷且质量达标的技术效果。
6.鉴于上述问题，提出了本申请实施例提供一种基于大数据的金桔智能分拣方法和装置。
7.第一方面，本申请实施例提供了一种基于大数据的金桔智能分拣方法，所述方法包括：通过所述第一图像采集装置获得第一图像信息，所述第一图像信息包括第一金桔的图像信息；通过所述第二图像采集装置获得第二图像信息，所述第二图像信息包括第一批量金桔的图像信息，所述第一批量金桔中包括所述第一金桔和第n金桔；根据所述第一图像信息获得所述第一金桔的破损度信息；根据所述第一图像信息和所述第二图像信息获得所述第一金桔与所述第n金桔的色差信息；将所述第一金桔的破损度信息和所述第一金桔与所述第n金桔的色差信息输入金桔分拣模型，获得第一输出信息，所述第一输出信息包括第一结果和第二结果，所述第一结果为将所述第一金桔从所述第一批量金桔中进行去除，所述第二结果为将所述第一金桔保留在所述第一批量金桔中；根据所述第一图像信息和所述第二图像信息获得所述第一金桔的尺寸信息；获得预定尺寸阈值；判断所述第一金桔的尺寸信息是否在所述预定尺寸阈值之内，获得第一判断结果；根据所述第一判断结果，确定是否对所述第一输出信息继续进行分拣。
8.另一方面，本申请还提供了一种基于大数据的金桔智能分拣装置，所述装置包括：第一获得单元，所述第一获得单元用于通过第一图像采集装置获得第一图像信息，所述第一图像信息包括第一金桔的图像信息；第二获得单元，所述第二获得单元用于通过第二图像采集装置获得第二图像信息，所述第二图像信息包括第一批量金桔的图像信息，所述第一批量金桔中包括所述第一金桔和第n金桔；第三获得单元，所述第三获得单元用于根据所
述第一图像信息获得所述第一金桔的破损度信息；第四获得单元，所述第四获得单元用于根据所述第一图像信息和所述第二图像信息获得所述第一金桔与所述第n金桔的色差信息；第一输入单元，所述第一输入单元用于将所述第一金桔的破损度信息和所述第一金桔与所述第n金桔的色差信息输入金桔分拣模型，获得第一输出信息，所述第一输出信息包括第一结果和第二结果，所述第一结果为将所述第一金桔从所述第一批量金桔中进行去除，所述第二结果为将所述第一金桔保留在所述第一批量金桔中；第五获得单元，所述第五获得单元用于根据所述第一图像信息和所述第二图像信息获得所述第一金桔的尺寸信息；第六获得单元，所述第六获得单元用于获得预定尺寸阈值；第一判断单元，所述第一判断单元用于判断所述第一金桔的尺寸信息是否在所述预定尺寸阈值之内，获得第一判断结果；第一确定单元，所述第一确定单元用于根据所述第一判断结果，确定是否对所述第一输出信息继续进行分拣。
9.第三方面，本发明提供了一种基于大数据的金桔智能分拣装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
10.本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
11.由于采用了根据所述第一图像信息获得所述第一金桔的破损度信息；根据所述第一图像信息和所述第二图像信息获得所述第一金桔与所述第n金桔的色差信息；将所述第一金桔的破损度信息和所述色差信息输入金桔分拣模型，获得第一输出信息；根据所述第一图像信息和所述第二图像信息获得所述第一金桔的尺寸信息；判断所述第一金桔的尺寸信息是否在所述预定尺寸阈值之内，获得第一判断结果；根据所述第一判断结果，确定是否对所述第一输出信息继续进行分拣，进而达到缩减分拣时间，提高分拣效率进而使金桔分拣更加方便快捷且质量达标的技术效果。
12.上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
13.图1为本申请实施例一种基于大数据的金桔智能分拣方法的流程示意图；
14.图2为本申请实施例一种基于大数据的金桔智能分拣装置的结构示意图；
15.图3为本申请实施例示例性电子设备的结构示意图。
16.附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第一输入单元15，第五获得单元16，第六获得单元17，第一判断单元18，第一确定单元19，总线300，接收器301，处理器302，发送器303，存储器304，总线接口306。
具体实施方式
17.本申请实施例通过提供一种基于大数据的金桔智能分拣方法和装置，解决了现有技术存在金桔分拣效率低、误差大且缺乏专业性，导致分拣质量不合格的技术问题，达到缩减分拣时间，提高分拣效率进而使金桔分拣更加方便快捷且质量达标的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部
分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
18.申请概述
19.金桔皮色金黄、皮薄肉嫩、汁多香甜，特点是果皮和果肉可一起食用，金桔含有特殊的挥发油、金桔甙等特殊物质，具有令人愉悦的香气，是颇具特色且营养价值较高的水果，目前对金桔的分拣主要靠人的肉眼，或者靠手动称重以及重量感应进行分类。但现有技术存在金桔分拣效率低、误差大且缺乏专业性，导致分拣质量不合格的技术问题。
20.针对上述技术问题，本申请提供的技术方案总体思路如下：
21.本申请实施例提供了一种基于大数据的金桔智能分拣方法，所述方法包括：通过所述第一图像采集装置获得第一图像信息，所述第一图像信息包括第一金桔的图像信息；通过所述第二图像采集装置获得第二图像信息，所述第二图像信息包括第一批量金桔的图像信息，所述第一批量金桔中包括所述第一金桔和第n金桔；根据所述第一图像信息获得所述第一金桔的破损度信息；根据所述第一图像信息和所述第二图像信息获得所述第一金桔与所述第n金桔的色差信息；将所述第一金桔的破损度信息和所述第一金桔与所述第n金桔的色差信息输入金桔分拣模型，获得第一输出信息，所述第一输出信息包括第一结果和第二结果，所述第一结果为将所述第一金桔从所述第一批量金桔中进行去除，所述第二结果为将所述第一金桔保留在所述第一批量金桔中；根据所述第一图像信息和所述第二图像信息获得所述第一金桔的尺寸信息；获得预定尺寸阈值；判断所述第一金桔的尺寸信息是否在所述预定尺寸阈值之内，获得第一判断结果；根据所述第一判断结果，确定是否对所述第一输出信息继续进行分拣。
22.在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
23.实施例一
24.如图1所示，本申请实施例提供了一种基于大数据的金桔智能分拣方法，其中，所述方法包括：
25.步骤s100：通过所述第一图像采集装置获得第一图像信息，所述第一图像信息包括第一金桔的图像信息；
26.步骤s200：通过所述第二图像采集装置获得第二图像信息，所述第二图像信息包括第一批量金桔的图像信息，所述第一批量金桔中包括所述第一金桔和第n金桔；
27.具体而言，所述第一金桔为需要进行智能分拣的目标分拣对象，所述第一图像信息为通过所述第一图像采集装置获得的所述第一金桔的外形图像信息，包括所述第一金桔的形态、大小、颜色等图像信息，所述第二图像信息为通过所述第二图像采集装置获得的所述第一批量金桔的外形图像信息，所述第一批量金桔中包括所述第一金桔和第n金桔，其为同一批量金桔。
28.步骤s300：根据所述第一图像信息获得所述第一金桔的破损度信息；
29.具体而言，所述第一金桔的破损度信息为所述第一金桔因外界因素如温度、撞击等因素造成的破损腐烂程度信息，举例而言，所述第一金桔在采摘、存放、运输过程中因磕碰导致金桔的表面变软、颜色变深，或因温度导致所述金桔冻伤破损等。
30.步骤s400：根据所述第一图像信息和所述第二图像信息获得所述第一金桔与所述
第n金桔的色差信息；
31.进一步而言，其中，所述根据所述第一图像信息和所述第二图像信息获得所述第一金桔与所述第n金桔的色差信息，本申请实施例步骤s400还包括：
32.步骤s410：将所述第一图像信息和所述第二图像信息输入色差估计模型，其中，所述色差估计模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一图像信息和所述第二图像信息和标识所述第一金桔与所述第n金桔的色差的标识信息；
33.步骤s420：获得所述色差估计模型的第一输出结果，所述第一输出结果包括所述第一金桔与所述第n金桔的色差。
34.具体而言，所述色差估计模型为神经网络模型，所述神经网络模型即机器学习中的神经网络模型，神经网络(neural networks，nn)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(artificial neural networks，ann)，是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述第一图像信息和所述第二图像信息输入神经网络模型，则输出所述第一金桔与所述第n金桔的色差信息。
35.更进一步而言，所述训练的过程实质为监督学习的过程，每一组监督数据均包括所述第一图像信息和所述第二图像信息和标识所述第一金桔与所述第n金桔的色差的标识信息，将所述第一图像信息和所述第二图像信息输入到神经网络模型中，根据用来标识所述第一金桔与所述第n金桔的色差的标识信息，所述神经网络模型进行不断的自我修正、调整，直至获得的第一输出结果与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而使得输出的金桔色差信息更加合理、准确，进而达到准确高效的分析金桔色差，使金桔色差模型的建立更加细腻、准确的技术效果。
36.步骤s500：将所述第一金桔的破损度信息和所述第一金桔与所述第n金桔的色差信息输入金桔分拣模型，获得第一输出信息，所述第一输出信息包括第一结果和第二结果，所述第一结果为将所述第一金桔从所述第一批量金桔中进行去除，所述第二结果为将所述第一金桔保留在所述第一批量金桔中；
37.进一步而言，其中，所述将所述第一金桔的破损度信息和所述第一金桔与所述第n金桔的色差信息输入金桔分拣模型，获得第一输出信息，本申请实施例步骤s500还包括：
38.步骤s510：将所述第一金桔的破损度信息作为横坐标；
39.步骤s520：将所述第一金桔与所述第n金桔的色差信息作为纵坐标构建二维直角坐标系；
40.步骤s530：根据逻辑回归模型在所述二维直角坐标系构建逻辑回归线，其中，所述逻辑回归线的一侧代表所述第一结果，所述逻辑回归线的另一侧代表所述第二结果，所述第一结果为将所述第一金桔从所述第一批量金桔中去除，所述第二结果为将所述第一金桔保留在所述第一批量金桔中。
41.具体而言，所述金桔分拣模型为逻辑回归模型，所述逻辑回归模型是机器学习中的一种分类模型，将所述第一金桔的破损度信息作为横坐标，所述第一金桔与所述第n金桔
的色差信息作为纵坐标，构建坐标系，基于逻辑回归模型在所述坐标系中获得逻辑回归线，所述逻辑回归线的一侧代表所述第一结果，所述第一结果为将所述第一金桔从所述第一批量金桔中去除，所述逻辑回归线的另一侧代表所述第二结果，所述第二结果为将所述第一金桔保留在所述第一批量金桔中，所述逻辑回归线受第一位置和第一角度控制，根据所述第一金桔的破损度信息和所述第一金桔与所述第n金桔的色差信息可对所述逻辑回归线的第一位置和第一角度进行调整，进而使得所述逻辑回归线更加准确，进而使得获得的输出结果更加准确，进而达到结合金桔破损度与色差信息，智能专业的提高金桔分拣效率从而使金桔分拣更加方便快捷的技术效果。
42.步骤s600：根据所述第一图像信息和所述第二图像信息获得所述第一金桔的尺寸信息；
43.进一步而言，其中，所述根据所述第一图像信息和所述第二图像信息获得所述第一金桔的尺寸信息，本申请实施例步骤s600还包括：
44.步骤s610：根据所述第一图像信息获得所述第一金桔的第一尺寸信息；
45.步骤s620：根据所述第二图像信息获得所述第一金桔的第二尺寸信息和所述第一金桔与所述第n金桔的尺寸比信息；
46.步骤s630：根据所述第一尺寸信息和所述尺寸比信息，获得第三尺寸信息；
47.步骤s640：根据所述第二尺寸信息和所述尺寸比信息，获得第四尺寸信息；
48.步骤s650：根据所述第三尺寸信息和所述第四尺寸信息获得所述第一金桔的尺寸信息。
49.具体而言，所述第一金桔的第一尺寸信息为通过所述第一图像信息得到的所述第一金桔的尺寸大小信息，所述第一金桔的第二尺寸信息为通过所述第二图像信息得到的所述第一金桔的尺寸大小信息，所述第一金桔与所述第n金桔的尺寸比信息为通过所述第二图像信息得到的所述第一批量金桔中的所述第一金桔尺寸与所述第n金桔尺寸的外径尺寸大小比例信息，因所述图像的采集比例不同，需计算所述第一金桔的实际尺寸大小，所述第三尺寸信息为根据所述第一尺寸信息和所述尺寸比信息计算得到的所述第一图像信息的金桔实际尺寸大小，所述第四尺寸信息为根据所述第二尺寸信息和所述尺寸比信息计算得到的所述第二图像信息的金桔实际尺寸大小，通过所述第三尺寸信息和所述第四尺寸信息综合分析得到所述第一金桔的实际尺寸信息，达到通过比例计算金桔实际尺寸大小，提高金桔尺寸识别准确性的技术效果。
50.步骤s700：获得预定尺寸阈值；
51.步骤s800：判断所述第一金桔的尺寸信息是否在所述预定尺寸阈值之内，获得第一判断结果；
52.具体而言，所述预定尺寸阈值为预先设定的所述第一金桔的达标尺寸范围大小，所述第一判断结果为判断计算得到的所述第一金桔的尺寸信息是否在所述预定尺寸阈值之内，即所述第一金桔的尺寸大小满足预定的金桔达标尺寸。
53.步骤s900：根据所述第一判断结果，确定是否对所述第一输出信息继续进行分拣。
54.进一步而言，其中，所述根据所述第一判断结果，确定是否对所述第一输出信息继续进行分拣，本申请实施例步骤s900还包括：
55.步骤s910：如果所述第一判断结果为所述第一金桔的尺寸信息在所述预定尺寸阈
值之内，将所述第一金桔保留在所述第一批量金桔中；
56.步骤s920：如果所述第一判断结果为所述第一金桔的尺寸信息不在所述预定尺寸阈值之内，将所述第一金桔从所述第一批量金桔中去除。
57.具体而言，如果所述第一金桔的尺寸大小满足预定的金桔达标尺寸，则将所述第一金桔保留在所述第一批量金桔中，如果所述第一金桔的尺寸大小不满足预定的金桔达标尺寸，则将将所述第一金桔从所述第一批量金桔中去除，即筛选出尺寸不合格的金桔，达到结合金桔尺寸大小，智能快速的分拣出质量不合格的金桔，提高了金桔分拣效率的技术效果。
58.进一步而言，本申请实施例还包括：
59.步骤s1010：获得所述第一金桔的产地信息；
60.步骤s1020：通过大数据统计获得所述产地信息历史金桔品质信息，其中，所述历史金桔品质信息包括金桔尺寸、金桔色泽、金桔甜度和金桔含水量；
61.步骤s1030：根据所述金桔尺寸、金桔色泽、金桔甜度和金桔含水量，获得所述产地的第一特色标签；
62.步骤s1040：根据所述第一特色标签，获得第一附加分拣标准；
63.步骤s1050：通过所述第一附件分拣标准，对所述第一批量金桔进行标记筛选。
64.具体而言，所述第一金桔的产地信息为所述第一金桔的生产产地信息，举例而言，在我国金桔主要产于长江流域和南部省区，其中福建尤溪、广西融安、江西遂川和湖南浏阳是我国的金桔四大产地，这些地区金桔种植历史悠久，气候温暖湿润、土壤肥沃，所产的金桔色泽金黄、果肉饱满，在国内和海外都非常受欢迎。所述大数据统计方法为统一管理、集中存储大数据资源，满足高并发，海量数据对高性能计算能力和大容量存储能力的需求，提供数据采集，数据计算，数据存储，数据分析，数据可视化等大量开放能力，确保各系统之间数据的互联互通和共享，为数据的全链条透明化、运营决策的高度智能化提供依据的方法，通过大数据统计获得所述产地信息历史金桔品质信息，所述历史金桔品质信息包括金桔尺寸、金桔色泽、金桔甜度和金桔含水量。所述产地的第一特色标签为根据所述金桔尺寸、金桔色泽、金桔甜度和金桔含水量得到的金桔特色，如福建尤溪：尤溪金柑形美色鲜，汁多肉嫩，甜酸可口，尤以八字桥“三洪”即洪牌、洪村、洪田三村所产质量最佳；广西融安：融安金桔具有汁多味甜、口感爽脆且无甘油味的特点；江西遂川：遂川金桔以色泽金黄、果大皮薄味甜而著称，色、香、味、型俱佳，其鲜果色泽金黄，外型如椭圆或倒卵状椭圆，似鸽蛋，遂川金桔的面积、产量、果质均居全国四大金桔产地之首。所述第一附加分拣标准为根据所述第一特色标签对所述金桔附加的特色分拣标准，如附加挑选出外型为椭圆形的金桔，通过所述第一附加分拣标准，对所述第一批量金桔进行标记筛选，达到去掉不符合特色标准的金桔，进而突出具有地域特色的金桔，以维持筛选地域特产的技术效果。
65.进一步而言，本申请实施例还包括：
66.步骤s1110：获得所述第一金桔的含水量信息；
67.步骤s1120：获得所述第一金桔的弹性信息；
68.步骤s1130：根据所述含水量信息和所述弹性信息，确定所述第一金桔的新鲜度信息；
69.步骤s1140：根据所述新鲜度信息，确定所述第一金桔的新鲜度等级；
70.步骤s1150：根据所述新鲜度等级，获得第一振荡强度；
71.步骤s1160：根据所述第一振荡强度，获得第一控制指令；
72.步骤s1170：通过所述第一控制指令，控制所述金桔智能分拣装置的振荡强度保持为所述第一振荡强度。
73.具体而言，所述第一金桔的含水量信息为所述第一金桔中水的含量，含水量＝水果重量
×
含水量比例％，如按照国家标准采用减压干燥法测得金桔含水量比例平均为84.7％，则100g金桔含水量＝100
×
84.7％＝84.7g，含水量可用水分仪直接检测，所述第一金桔的弹性信息为所述第一金桔发生形变后，能恢复原来大小和形状的性质，可采用压痕试验方法快速测量所述第一金桔的弹性量，所述第一金桔的新鲜度信息为根据所述含水量信息和所述弹性信息表征所述第一金桔的新鲜程度，所述第一金桔的新鲜度等级为根据所述金桔的新鲜度所划分的新鲜度范围等级，根据所述第一金桔的所述新鲜度信息，确定所述第一金桔的新鲜度等级，所述第一振荡强度为根据所述新鲜度等级对所述金桔分拣的震荡幅度大小，所述第一控制指令为对所述金桔采用所述第一振荡强度控制分拣的指令，通过所述第一控制指令，控制所述金桔智能分拣装置的振荡强度保持为所述第一振荡强度，以此来对所述金桔进行震荡分拣，达到在分拣过程中针对金桔的新鲜程度控制分拣振荡幅度，进而降低金桔破损率的技术效果。
74.进一步而言，其中，根据所述第一图像信息获得所述第一金桔的破损度信息，本申请实施例步骤s300还包括：
75.步骤s310：通过所述第一图像信息获得所述第一金桔的缺损区域信息；
76.步骤s320：通过所述第一图像信息获得所述第一金桔的外形信息；
77.步骤s330：将所述第一金桔的缺损区域信息和所述第一金桔的外形信息输入破损度估计模型，其中，所述破损度估计模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一金桔的缺损区域信息、所述第一金桔的外形信息和标识所述第一金桔的破损度的标识信息；
78.步骤s340：获得所述破损度估计模型的第一输出结果，所述第一输出结果包括所述第一金桔的破损度。
79.具体而言，所述第一金桔的缺损区域信息为所述第一金桔因机械损伤、温度损伤等所造成的表皮缺损区域大小，所述第一金桔的外形信息为所述第一金桔的外形形状信息，如所述金桔正常形状为圆形或椭圆形，由于外界因素造成所述金桔形状被压扁。所述破损度估计模型为神经网络模型，通过大量训练数据的训练，将所述第一金桔的缺损区域信息和所述第一金桔的外形信息输入神经网络模型，则输出所述第一金桔的破损度，通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而使得输出的所述第一金桔的破损度更加合理、准确，进而达到使金桔的破损度识别更加准确，进而使金桔的分拣更加专业高效的技术效果。
80.综上所述，本申请实施例所提供的一种基于大数据的金桔智能分拣方法和装置具有如下技术效果：
81.1、由于采用了根据所述第一图像信息获得所述第一金桔的破损度信息；根据所述第一图像信息和所述第二图像信息获得所述第一金桔与所述第n金桔的色差信息；将所述第一金桔的破损度信息和所述色差信息输入金桔分拣模型，获得第一输出信息；根据所述
第一图像信息和所述第二图像信息获得所述第一金桔的尺寸信息；判断所述第一金桔的尺寸信息是否在所述预定尺寸阈值之内，获得第一判断结果；根据所述第一判断结果，确定是否对所述第一输出信息继续进行分拣，进而达到缩减分拣时间，提高分拣效率进而使金桔分拣更加方便快捷且质量达标的技术效果。
82.2、由于采用了将所述第一图像信息和所述第二图像信息输入神经网络模型的方式，进而使得输出的金桔色差信息更加合理、准确，进而达到准确高效的分析金桔色差，使金桔色差模型的建立更加细腻、准确的技术效果。
83.3、由于采用了通过所述第一金桔的破损度信息和所述第一金桔与所述第n金桔的色差信息构建逻辑回归模型的方式，进而达到结合逻辑回归模型，智能专业的提高金桔分拣效率从而使金桔分拣更加方便快捷的技术效果。
84.实施例二
85.基于与前述实施例中一种基于大数据的金桔智能分拣方法同样发明构思，本发明还提供了一种基于大数据的金桔智能分拣装置，如图2所示，所述系统包括：
86.第一获得单元11，所述第一获得单元11用于通过第一图像采集装置获得第一图像信息，所述第一图像信息包括第一金桔的图像信息；
87.第二获得单元12，所述第二获得单元12用于通过第二图像采集装置获得第二图像信息，所述第二图像信息包括第一批量金桔的图像信息，所述第一批量金桔中包括所述第一金桔和第n金桔；
88.第三获得单元13，所述第三获得单元13用于根据所述第一图像信息获得所述第一金桔的破损度信息；
89.第四获得单元14，所述第四获得单元14用于根据所述第一图像信息和所述第二图像信息获得所述第一金桔与所述第n金桔的色差信息；
90.第一输入单元15，所述第一输入单元15用于将所述第一金桔的破损度信息和所述第一金桔与所述第n金桔的色差信息输入金桔分拣模型，获得第一输出信息，所述第一输出信息包括第一结果和第二结果，所述第一结果为将所述第一金桔从所述第一批量金桔中进行去除，所述第二结果为将所述第一金桔保留在所述第一批量金桔中；
91.第五获得单元16，所述第五获得单元16用于根据所述第一图像信息和所述第二图像信息获得所述第一金桔的尺寸信息；
92.第六获得单元17，所述第六获得单元17用于获得预定尺寸阈值；
93.第一判断单元18，所述第一判断单元18用于判断所述第一金桔的尺寸信息是否在所述预定尺寸阈值之内，获得第一判断结果；
94.第一确定单元19，所述第一确定单元19用于根据所述第一判断结果，确定是否对所述第一输出信息继续进行分拣。
95.进一步的，所述系统还包括：
96.第二输入单元，所述第二输入单元用于将所述第一图像信息和所述第二图像信息输入色差估计模型，其中，所述色差估计模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一图像信息和所述第二图像信息和标识所述第一金桔与所述第n金桔的色差的标识信息；
97.第七获得单元，所述第七获得单元用于获得所述色差估计模型的第一输出结果，
所述第一输出结果包括所述第一金桔与所述第n金桔的色差。
98.进一步的，所述系统还包括：
99.第一作为单元，所述第一作为单元用于将所述第一金桔的破损度信息作为横坐标；
100.第二作为单元，所述第二作为单元用于将所述第一金桔与所述第n金桔的色差信息作为纵坐标构建二维直角坐标系；
101.第一构建单元，所述第一构建单元用于根据逻辑回归模型在所述二维直角坐标系构建逻辑回归线，其中，所述逻辑回归线的一侧代表所述第一结果，所述逻辑回归线的另一侧代表所述第二结果，所述第一结果为将所述第一金桔从所述第一批量金桔中去除，所述第二结果为将所述第一金桔保留在所述第一批量金桔中。
102.进一步的，所述系统还包括：
103.第八获得单元，所述第八获得单元用于根据所述第一图像信息获得所述第一金桔的第一尺寸信息；
104.第九获得单元，所述第九获得单元用于根据所述第二图像信息获得所述第一金桔的第二尺寸信息和所述第一金桔与所述第n金桔的尺寸比信息；
105.第十获得单元，所述第十获得单元用于根据所述第一尺寸信息和所述尺寸比信息，获得第三尺寸信息；
106.第十一获得单元，所述第十一获得单元用于根据所述第二尺寸信息和所述尺寸比信息，获得第四尺寸信息；
107.第十二获得单元，所述第十二获得单元用于根据所述第三尺寸信息和所述第四尺寸信息获得所述第一金桔的尺寸信息。
108.进一步的，所述系统还包括：
109.第一保留单元，所述第一保留单元用于如果所述第一判断结果为所述第一金桔的尺寸信息在所述预定尺寸阈值之内，将所述第一金桔保留在所述第一批量金桔中；
110.第一去除单元，所述第一去除单元用于如果所述第一判断结果为所述第一金桔的尺寸信息不在所述预定尺寸阈值之内，将所述第一金桔从所述第一批量金桔中去除。
111.进一步的，所述系统还包括：
112.第十三获得单元，所述第十三获得单元用于获得所述第一金桔的产地信息；
113.第十四获得单元，所述第十四获得单元用于通过大数据统计获得所述产地信息历史金桔品质信息，其中，所述历史金桔品质信息包括金桔尺寸、金桔色泽、金桔甜度和金桔含水量；
114.第十五获得单元，所述第十五获得单元用于根据所述金桔尺寸、金桔色泽、金桔甜度和金桔含水量，获得所述产地的第一特色标签；
115.第十六获得单元，所述第十六获得单元用于根据所述第一特色标签，获得第一附加分拣标准；
116.第一筛选单元，所述第一筛选单元用于通过所述第一附加分拣标准，对所述第一批量金桔进行标记筛选。
117.进一步的，所述系统还包括：
118.第十七获得单元，所述第十七获得单元用于获得所述第一金桔的含水量信息；
119.第十八获得单元，所述第十八获得单元用于当所述运动信息超过所述预定运动速度阈值时，获得第二调整参数；
120.第二确定单元，所述第二确定单元用于根据所述含水量信息和所述弹性信息，确定所述第一金桔的新鲜度信息；
121.第三确定单元，所述第三确定单元用于根据所述新鲜度信息，确定所述第一金桔的新鲜度等级；
122.第十九获得单元，所述第十九获得单元用于根据所述新鲜度等级，获得第一振荡强度；
123.第二十获得单元，所述第二十获得单元用于根据所述第一振荡强度，获得第一控制指令；
124.第一控制单元，所述第一控制单元用于通过所述第一控制指令，控制所述金桔智能分拣装置的振荡强度保持为所述第一振荡强度。
125.前述图1实施例一中的一种基于大数据的金桔智能分拣方法的各种变化方式和具体实例同样适用于本实施例的一种基于大数据的金桔智能分拣装置，通过前述对一种基于大数据的金桔智能分拣方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于大数据的金桔智能分拣装置的实施方法，所以为了说明书的简洁，在此不再详述。
126.示例性电子设备
127.下面参考图3来描述本申请实施例的电子设备。
128.图3图示了根据本申请实施例的电子设备的结构示意图。
129.基于与前述实施例中一种基于大数据的金桔智能分拣方法的发明构思，本发明还提供一种基于大数据的金桔智能分拣装置，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于大数据的金桔智能分拣方法的任一方法的步骤。
130.其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。
131.处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
132.本发明实施例提供的一种基于大数据的金桔智能分拣方法，所述方法包括：通过所述第一图像采集装置获得第一图像信息，所述第一图像信息包括第一金桔的图像信息；通过所述第二图像采集装置获得第二图像信息，所述第二图像信息包括第一批量金桔的图像信息，所述第一批量金桔中包括所述第一金桔和第n金桔；根据所述第一图像信息获得所述第一金桔的破损度信息；根据所述第一图像信息和所述第二图像信息获得所述第一金桔与所述第n金桔的色差信息；将所述第一金桔的破损度信息和所述第一金桔与所述第n金桔的色差信息输入金桔分拣模型，获得第一输出信息，所述第一输出信息包括第一结果和第二结果，所述第一结果为将所述第一金桔从所述第一批量金桔中进行去除，所述第二结果为将所述第一金桔保留在所述第一批量金桔中；根据所述第一图像信息和所述第二图像信
息获得所述第一金桔的尺寸信息；获得预定尺寸阈值；判断所述第一金桔的尺寸信息是否在所述预定尺寸阈值之内，获得第一判断结果；根据所述第一判断结果，确定是否对所述第一输出信息继续进行分拣。解决了现有技术存在金桔分拣效率低、误差大且缺乏专业性，导致分拣质量不合格的技术问题，达到缩减分拣时间，提高分拣效率进而使金桔分拣更加方便快捷且质量达标的技术效果。
133.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
134.本发明是参照根据本发明实施例的方法、设备(系统)、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系统。
135.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系统的制造品，该指令系统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。
136.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。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
137.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。