TGDFCA 065-2021 粤港澳农产品种类智能识别管理系统技术方法 谷物.pdf

ICS 67.120 X20 团体标准 T/GDFCA 0652021 粤港澳农产品种类智能识别管理系统技术方法 谷物 Guangdong-Hong Kong-Macao Type of agricultural produce intelligent recognition management systems requirement and technical specification-cereal produces 2021-12-21 发布 2021-12-21 实施 广东省食品流通协会 发 布 全国团体标准信息平台全国团体标准信息平台T/GDFCA 0652021 I 目 录 目 录.I 前 言.II 1 范围.1 2 规范性引用文件.1 3 术语与定义.1 4 系统组成架构.2 5 系统设备要求.4 6 系统性能要求.5 7 谷物种类识别准确率的确定.6 8 谷物种类识别速度的确定.7 9 系统验收.7 全国团体标准信息平台T/GDFCA 0652021 II 前 言 本标准按照GB/T 1.1-2021给出的规则起草。本标准的某些内容可能涉及相关专利。本文件的发布机构不承担识别这些专利的责任。本标准由广东省食品流通协会提出并归口。本标准主要起草单位：广州寻奇科技有限公司、睿龍國際有限公司、科技導航(澳門)有限公司、华南理工大学、物流与供应链多元技术研发中心（香港）、广州格利技术服务有限公司、珠海复旦创新研究院、食品安全联盟（香港）、澳门科技大学、重庆大学、南粤食品水产有限公司（澳门）、广东省食品流通协会、广州食协技术服务有限公司。本标准主要起草人：王礼、王宇、韦恩祥、彭永豪、劉家明、余翔宇、胡永健、刘琲贝、李引、王旭、袁敏夫、孙微微、廖建平、刘建南、麦小鹏、王振宇、许可、冯玉翔、王俊宇、高自立、李露露、黄广扬、唐志鸿、梁俊伟、刘乐庭、林志军、徐劲飞、付国春、黄虎、王娜、李冰、李煜、黄美山、程琳琳、周亚杰、文钰、庞无瑕、叶映朵、刘丽梅、李超宇、陆智、李亚贤、王涛、冯德悦、彭荣生、曾广勇、黄永杰。本标准为首次发布。全国团体标准信息平台T/GDFCA 0652021 1 粤港澳农产品种类智能识别管理系统技术规范 谷物 1 范围 本标准规定谷物种类智能识别系统的术语和定义、系统组成架构、系统设备要求、系统性能要求、谷物种类识别准确率的确定、识别速度的确定、系统验收。本标准适用于超市、菜市场、农贸市场、农场等场所的谷物种类识别。2 规范性引用文件 下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅所注日期的版本适用于本文 件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。ISO 24333-2009 Cereals and cereal products-Sampling CEA CTA-2089-2019 Definitions and Characteristics of Artificial Intelligence GB/T 37110-2018 农产品基本信息描述 谷物类 GBT/ISO/IEC 24713-1：2008 信息技术 用于互操作性和数据交换的生物特征识别轮廓 第1部分 GB/T 26238-2010 信息技术 生物特征识别术语 GB/T 5271.34-2006 信息技术 词汇 第34部分:人工智能 神经网络 GB/T 5271.31-2006 信息技术 词汇 第31部分:人工智能 机器学习 DB44/T 595-2009 农产品质量监测技术规范 DB32/T 2213-2012 镇稻 14 号品种 DB22/978-2002 绿豆品种 522 DB63/T 1326-2014 豆类品种审定规范 DB32/T 1391-2009 小麦品种 扬麦 15 DB51/T 1397-2011 水稻品种描述规范 DB51/T 1351-2011 玉米品种描述规范 澳門特別行政區基本法第五十條（五）項及第5/2013號法律 食品安全法 3 术语与定义 下列术语和定义适用于本标准。3.1 谷物种类识别 Grain Type Recognition 对谷物的种类进行分辨及标识。3.2 计算机神经网络 Computation Neural Net 具有模仿人的大脑判断能力和适应能力，可判断对象的性质与状态并能采取相应的行动，可同时并行处理实时变化的大量数据并引出结论的系统。全国团体标准信息平台T/GDFCA 0652021 2 3.3 计算机视觉 Computer Vision 通过摄像头采集图像或视频并通过计算机作进一步处理从而获取相应场景的三维信息进而对目标进行识别、跟踪和测量等。3.4 谷物单种类识别准确率 Recognition Accuracy Rate Of Single Grain 单种类谷物正确识别数量与该种类谷物总数量的百分比。3.5 谷物综合识别准确率 Comprehensive Grain Recognition Accuracy 各单种类谷物正确识别准确率的加权平均值。3.6 谷物单种类识别速度 Recognition Speed Of Single Grain 单种类谷物识别速度的平均值。3.7 谷物综合识别速度 Comprehensive Grain Recognition Speed 各单种类谷物识别速度的加权平均值。3.8 摄像头角度和高度 Camera Angle and Height 摄像头相对谷物的角度和摄像头相对谷物的高度。3.9 物体识别区域 Object Recognition Area 包含了物体的全部像素的区域。3.10 智能分析服务器 Intelligent Analysis Server 对被采集谷物的图像进行建模、分析、比对，从而识别出该谷物种类的服务器设备。3.11 重力传感器 Gravity Sensor 一种完成从重力变化到电信号转换的传感器。3.12 光传感器 Opto-Sensor 一种完成从光能量到电信息转换的传感器。4 系统组成架构 谷物种类智能识别管理系统由数据采集子系统、数据分析子系统及数据管理子系统组成，架构图如下图1所示。全国团体标准信息平台T/GDFCA 0652021 3 图1 谷物种类智能识别管理系统架构 4.1 数据采集子系统 数据采集子系统应具备对谷物的图像或者视频、重量等信息采集功能，对采集到的信息能够本地存储并输出显示或上传至服务器的功能，系统组成如图2。系统主要由摄像头、重力传感器、光传感器组成。其中摄像头主要用于拍摄谷物的图像或者视频，摄像头的高度与角度应根据目标物体是否摆放在物体识别区域手动或自动调节，并具备自动对焦功能；重力传感器用于采集谷物重量；光传感器主要用于采集周边光照信息。对于光照条件较差或者不满足拍摄条件时，通过光传感器采集周边光照信息从而动态补光以保证拍摄的图像或者视频的质量。图2 数据采集子系统组成及工作流程 4.2 数据分析子系统 数据分析子系统是通过对采集到的图像和视频信息通过图像处理技术和计算机视觉技术处理从而提取目标物体的特征、建模、匹配、定位，从而识别出目标物体，系统组成如图3。全国团体标准信息平台T/GDFCA 0652021 4 数据分析子系统由图像处理模块、大数据库服务器、智能分析服务器三个重要部分组成。其中图像处理模块用于对采集到的图像进行滤波、消除模糊、降噪等预处理，从而使每张图像的表观特征（如颜色分布、整体明暗、尺寸大小等）一致，然后再通过算法提取图像特征（如图像颜色、纹理、形状等）；智能分析服务器通过计算机神经网络算法进行学习和训练，用于对图像处理模块提取特征进行特征选取、匹配、建模、定位，最终识别目标物体；大数据库服务器主要于储存目标物体的样本作为学习和训练样本库。图3 数据分析子系统组成及工作流程 4.3 数据管理子系统 数据管理子系统应具备目标物体相关属性检索能力，提供账号管理、安全认证等服务功能，系统组成如图4所示。数据管理子系统由产品种类数据服务器、账号管理平台、安全认证模块组成。其中产品种类数据服务器主要用于产品种类属性等相关信息的存储及检索；账号管理平台用于管理客户端账号的申请、删除及权限等事项；安全认证模块负责访问数据管理子系统的安全认证及数据安全工作。图4 数据管理子系统组成及工作流程 5 系统设备要求 5.1 谷物种类智能识别管理系统要求 a)可实现谷物种类的自动化识别，以及库存、销售等信息可编辑与查询功能；b)兼容市场上主流摄像头，开放摄像头接入接口；全国团体标准信息平台T/GDFCA 0652021 5 c)系统应支持根据目标物体的摆放位动态调整摄像头的高度及角度以及自动对焦；对于目标物体超出可识别区域应报警提示；d)操作系统：支持Windows、Linux、Android、IOS等主流操作系统；e)数据库：兼容多种数据库，包括SQL Server、Oracle及MYSOL等主流数据库平台；f)支持用户账号申请、删除及权限配置管理，对于不同权限账户分配不同的操作权限；g)支持后台数据库管理平台，包括数据库的更新、维护；h)支持数据信息的统计、查询、生成报表等功能；i)支持友好交互界面及语音播报功能。5.2 谷物种类智能识别管理系统的设备要求 a)设备电源转换插头应至少支持国标、英标两种标准要求；b)设备应具备过载、过压、过流等保护功能；c)设备电源稳定，能耗低。需支持长时间供电，系统休眠、唤醒功能；d)摄像头应支持根据环境亮度自动调节参数、自动补光同步，夜间增强技术；e)支持有线、无线两种网络连接方式；f)设备应支持IP65级防层、防水设计；g)设备面板上的商标、名称、型号、文字说明等应清晰准确，易于辨识；h)设备应具有产品合格证，并能提供型式检验报告；i)设备应配套说明书，说明书应包括下列文件：使用说明书，安装说明书，维护说明书，其他有关说明资料。6 系统性能要求 6.1 谷物种类智能识别管理系统环境适应性应符合以下要求：a)设备正常工作温度应为-4070；b)数据库等室内机房设备的工作温度应为050；c)设备正常工作的相对湿度应为10%90%。6.2 谷物种类智能识别管理系统供电、防雷接地设计要求应符合国家现行标准安全防范工程技术规范GB50348 中 3.9 节防雷与接地设计的有关规定。6.3 谷物种类智能识别管理系统机房防火要求应符合国家现行标准电子信息系统机房设计规范GB50174 中 6.3 节防火与疏散的有关规定。6.4 谷物种类智能识别管理系统识别准确率应符合表 1 的要求。表1 谷物种类智能识别管理系统数据准确率 系统类型 单种类识别准确率 综合识别准确率 谷物种类智能识别管理系统 98.5%99.2%6.5 谷物种类智能识别管理系统识别速度应符合表 2 的要求。全国团体标准信息平台T/GDFCA 0652021 6 表2 谷物种类智能识别管理系统识别速度 系统类型 响应要求 单种类识别速度 综合识别速度 谷物种类智能识别管理系统 从谷物平稳放置可识别区域到系统识别并显示谷物种类的响应时间 1s/单次 1s/单次 谷物种类智能识别后到系统可查询该谷物信息的时间间隔 5s/次 5s/次 6.6 谷物种类智能识别管理系统图像应采用 JPEG、JPG 格式，图像完整度、清晰度应能满足人工对农产品品种判定的要求。谷物种类智能识别管理系统图像最低分辨率应符合表 3 的要求。表3 谷物种类智能识别管理系统图像最低分辨率 子系统类型 设备名称 图像最低分辨率 谷物种类智能识别管理系统 摄像头 640480 7 谷物种类识别准确率的确定 7.1 谷物种类识别准确率的确定基本程序：a)确定方案；b)设计试验方步和试验步骤；c)实际测试验证；d)识别结果正确性分析；e)识别准确率的确定；7.2 谷物种类识别准确率确定的要求：a)能识别谷物的种类应覆盖全谷物类别；b)单种类谷物识别的测试次数应不少于100000次；c)测试样本应充分且随机抽取；d)对于多种谷物混合情况，表面可见谷物全部正确识别才认为本次识别正