基于智能算法的鮮切花質量等級評價系統研究

錢曄 彭琳 楊婷娜 沈穎鳴 韋翌 孫吉紅

摘要：針對不同等級的鮮切花價格差別較大且同一地區、相同種植面積的種植戶種植收入差距較大的現象，設計基于智能算法的云南省鮮切花質量等級評價系統。首先采用GRNN神經網絡算法構建基于智能算法的鮮切花質量等級評價模型，然后構建包括用戶層、展示層、應用層、支撐服務層、數據層在內的鮮切花質量等級系統模型架構，將智能預測模型引入框架中，設計了基于智能算法的鮮切花質量等級評價系統。該系統的實施將為鮮切花種植企業、花農等提供種植優質鮮切花的模型，為科研人員提供對鮮切花質量等級的研究提供重要依據。

關鍵詞：智能算法;質量;等級;評價

中圖分類號：S68? ? ? ? ?文獻標識碼：A

文章編號：0439-8114（2018）22-0132-04

DOI：10.14088/j.cnki.issn0439-8114.2018.22.036? ? ? ? ? ?開放科學（資源服務）標識碼（OSID）：

Abstract： Prices of different grades of fresh cut flowers are quite different，resulting in the income gap among planting households in the same area and with the same planting area. This paper designs a quality evaluation system for fresh cut flowers in Yunnan based on intelligent algorithms：Using GRNN neural network algorithm to construct a fresh cut flower quality level assessment model based on intelligent algorithms，and then to construct a fresh cut flower quality level systematic model including user layer，presentation layer，application layer，support service layer，and data layer. Within the framework of the fresh cut flower quality level system model，the intelligent forecasting model was introduced into the framework，and a fresh cut flower quality rating system based on intelligent algorithms was designed. The implementation of such system will provide models for quality fresh cut flowers for fresh-cut flower planters and farmers，providing scientific research personnel with an important basis for the study of quality grades of fresh cut flowers.

Key words： intelligent algorithm; quality; grade; evaluation

隨著經濟社會的不斷發展，人們的物質生活水平不斷提高，對鮮切花的需求量增加，更加追求視覺和心靈的享受。然而，在鮮切花進入千家萬戶的同時，關于鮮切花質量問題已成為花農、鮮切花生產企業最為關心和關注的問題，其直接影響了花農及鮮切花生產企業的生存。目前，世界多個國家和地區已經建立了相對規范的食品質量安全追溯體系，但中國在這方面著手較晚[1-4]。鮮切花屬于特殊的農產品，由于鮮切花不用于食用而是觀賞，并未受到各地政府的重視。無論是政府、企業、科研院所對鮮切花質量、品質問題的重視程度都遠遠低于食用性農產品的程度。云南省鮮切花的年產量已經超過了80億枝，成為亞洲最大的鮮切花生產基地，面對如此巨大的數量，僅靠內銷將遠遠不能滿足巨大的生產量，出口成為了云南鮮切花產業面臨的機遇及挑戰，僅日本每年的菊花進口就達到了1億枝，并不斷地增長。雖然，云南省鮮切花產業具有巨大的市場，但出口的鮮切花在質量、品質等方面的要求更高。若生產的鮮切花品質不夠好，將面臨滯銷、生產相對過剩等問題。因此，保證鮮切花品質成為了現今鮮切花產業的重中之重。

1? 多層次的分布式體系架構設計

從保證鮮切花品質的角度出發，對云南省鮮切花生產環節進行解剖，考慮到鮮切花的生產鏈具有多個角色參與，并且各個角色分布在不同地域，為增強鮮切花質量評價體系的實用性，系統采用面向服務的體系架構[5]，將系統分為用戶層、展示層、應用層、支撐服務層、數據層，具體架構如圖1所示。

1.1? 用戶層

指對云南省鮮切花質量等級系統具有明確需求的用戶類型，主要包括花農、鮮切花生產企業、買家、管理員及其他用戶，系統根據不同的用戶，設置不同的用戶權限。

1.2? 展示層

主要是構建基于智能算法的鮮切花質量等級評價系統的門戶網站。作為一個具有強大人機交互功能的信息系統，對不同用戶設置了不同的權限。管理員作為一級管理權限的用戶，可以查看所有的信息、刪除信息、添加用戶、發布信息?；ㄞr、企業作為二級用戶，只要其提供足夠信息量，將獲得管理的部分權限，可以根據自己種植的鮮切花品種，在系統中測試一定量的施肥、澆水、噴灑農藥量，種植出的鮮切花，在不同等級的數量。買家作為第三級用戶，根據具體的需求定制、具體的方案，繳付一定金額的費用可以得到相關的數據。其他用戶可以瀏覽網站公開展示的部分信息，以便成為二級或三級用戶。

1.3? 應用層

針對云南省鮮切花質量等級評價系統的關鍵節點和關鍵性內容，按照鮮切花種植的全流程，將系統劃分為4個模塊，主要包括了種植管理、品質管理、交易管理、智能預測管理4個模塊。種植管理模塊，以云南省鮮切花市場為主要研究對象，針對云南省鮮切花種植品種多、種植量大的特點，分別構建月季、菊花、香石竹、唐菖蒲、非洲菊、百合、菊花、彩玫的質量等級預測模型，然后構建鮮切花質量等級評價信息系統，系統中花農（鮮切花生產商）提供種植過程中鮮切花施肥、澆水、噴灑農藥量以及種植后可采摘的鮮切花的不同等級的數量，作為數據收集的主要功能模塊。品質管理模塊主要是由花農、企業將種植的鮮切花根據不同種類鮮切花的分類要求進行分類，統計不同等級鮮切花的數量和所占的比例，并提交系統。交易管理模塊，管理員收集昆明斗南國際花卉市場中各類鮮切花每天拍賣的最低價、最高價及平均價格，以價格曲線的形式展示，免費向二級用戶開放。智能預測管理模塊，從花農（鮮切花生產商）的需求出發，以鮮切花質量等級預測精度為切入點，以鮮切花種植過程中的施肥、澆水、噴灑農藥量為主線，通過GRNN人工神經網絡算法對鮮切花種植階段的流程進行剖析，構建基于智能算法的鮮切花質量等級預測模型，然后搭建鮮切花質量等級預測的信息系統，為花農、企業、買家以及其他用戶提供精準的信息。

1.4? 支撐服務層

主要是通過SOA整合整個平臺，為設計基于智能算法的鮮切花質量等級評價系統提供技術服務支撐，主要技術包括面向對象的構架、組件服務、數據同步、Matlab平臺、網絡通訊能力服務、工作流引擎、權限管理、神經網絡算法等。

1.5? 數據層

數據是支撐整個信息系統運行的基礎，通過花農和鮮切花生產商提供的數據，作為智能預測模型的測試數據，構建鮮切花質量等級評價系統，服務于花農和鮮切花生產商。當花農（鮮切花生產商）提供的數據不斷增加，直接效果就是鮮切花質量等級評價模型的預測準確率不斷提高。數據層主要是數據的存儲，數據信息包括各類鮮切花種植過程中提供的澆水量、施肥量、噴灑農藥量、各類鮮切花每日的成交量以及成交的價格。

2? 系統的設計

2.1? 鮮切花質量等級評價系統的業務流程設計

系統設計了種植管理、品質管理、交易管理、智能預測管理4個模塊，全面覆蓋鮮切花種植階段及質量等級預測等方面的需求，以此滿足花農（鮮切花生產商）種植的需求;同時，根據花農、鮮切花生產商提供的數據，不斷增加智能模型的測試數據，將不斷提高模型的預測率，形成一個功能互補的信息系統，為建立云南省鮮切花大數據中心提供參考依據，具有實用價值。

2.1.1? 構建基于智能算法的鮮切花質量等級評價模型? 整個系統主要是建立在基于GRNN人工神經網絡算法構建鮮切花質量等級預測模型的基礎上。首先，通過篩選人工神經網絡中多種不同的算法，確定最適合的算法;然后，根據試驗數據及選擇的人工神經網絡算法，在Matlab平臺下構建智能預測模型。

2.1.2? 構建管理信息系統? 首先，根據已經建立的智能模型進行預測，將預測結果作為構建管理信息系統的基礎;然后，搭建基于智能算法的鮮切花質量等級評價系統，該信息系統構建主要的目的就是收集數據，然后向數據提供方提供服務（主要是通過智能預測模型預測的結果提供給數據提供方進行參考）。而整個項目的運行費用是將鮮切花質量等級評價模型的評估結果，通過信息系統銷售給需求方支撐整個系統的運行。

2.2? 鮮切花質量等級評價模型的設計

信息系統的核心部分就是鮮切花質量等級評價模型的設計及運行。收集數據，對數據進行分析處理，最后采用智能算法構建質量等級評價模型。

2.2.1? 核心技術的選擇? 大數據時代的來臨，將人工神經網絡算法重新推向了運用研究的高峰，采用Matlab平臺對已有數據進行分析整理，采用數據分析算法將已有數據進行歸一化、剔除異常數據處理，保證數據的準確性及低冗余性，采用神經網絡算法構建智能預測模型。

GRNN人工神經網絡算法作為彌補BP人工神經網絡算法在模型預測中會出現鋸齒形現象，使得BP算法預測準確率較低的現象;而且GRNN人工神經網絡算法是一種高度并行徑向基網絡，是一種訓練速度快、預測結果準確度高的算法，包括了輸入層、模式層、求和層、輸出層的4層網路結構，對于構建質量等級評價模型具有可行性、實用性。具體算法如下[5-11]：

一是輸入層。輸入層中神經元的數量與學習樣本中的輸入向量的維數相同，并且輸入變量直接傳輸至模式層中。

二是模式層。模式層中學習樣本的數量與輸入層中輸入的神經元數量相同，輸入的不同神經元與不同樣本一一對應。

三是求和層。求和層中將計算輸入樣本與對應神經元之間的距離。

四是輸出層。輸出層中學習樣本與神經元數量相等，同時將上一層中神經元加權求和除以神經元輸出求和，得出網絡輸出值。

2.2.2? 模塊的設計? 基于GRNN人工神經網絡算法的鮮切花質量等級評價模型，主要針對花農（鮮切花生產商）從種植鮮切花到鮮切花采收階段，分階段統計，每天給一定種植面積的鮮切花施肥、澆水、噴灑農藥量，然后將統計的數據進行歸一化處理，剔除異常數據，得到試驗一組的數據，采摘鮮切花后，根據鮮切花的質量等級標準，將鮮切花進行分類，統計一級花、二級花、三級花、四級花的數量，以上數據作為試驗一組數據;在溫度、濕度、種植面積不變的情況下，增加、減少鮮切花施肥、澆水、噴灑農藥量，統計得到第二、三組試驗數據。以此類推，得到第四、五、六…二十組數據。

通過GRNN人工神經網絡算法構建鮮切花質量評價模型，將二十組數據作為測試數據輸入模型中，構建鮮切花質量等級評價模型。模型構建完成之后，花農（鮮切花生產商）在種植鮮切花的過程中，將預計的施肥、澆水、噴灑農藥量輸入模型中，模型的輸出結果將較為準確地預測該批鮮切花在種植面積一定的情況下，收獲不同等級的鮮切花數量。該模型在數據輸入階段采用的鮮切花品種，決定了該質量等級評價模型的實用范圍。技術路線如圖2所示。因此，針對基于智能算法的鮮切花質量等級評價系統，必須針對市場中常用的鮮切花品種，構建不同鮮切花的質量等級評價系統，便于網站的應用及用戶的需求。

3? 小結

人工神經網絡算法作為智能算法的重要組成部分，隨著大數據的發展重新成為業界關注的重點。目前，主要將傳統的BP人工神經網絡算法進行改進，避開其缺陷，提供預測的準確率;在實際應用方面，將人工神經網絡算法與農業生產生活相結合，已成為農業信息技術，可為農業生產提供準確的參考依據。

鮮切花質量的高低將成為云南鮮花是否能立足于全國乃至全亞洲鮮切花市場的主要依據。隨著云南省鮮切花出口量不斷增加以及冬季全國稀缺鮮切花的現狀，采用智能算法構建鮮切花質量等級評價系統，為鮮切花生產商、花農提供一個種植高等級鮮切花的可靠依據，為科研人員研究提供參考，實現農業信息化、產業化奠定基礎。

參考文獻：

[1] 張? 強，郁寅良，王春生，等.蘇州市蔬菜質量安全追溯系統構建及應用[J].上海農業科技，2011（1）：25-26.

[2] 于海軍.北京市農產品質量追溯系統的實現與研究[D].天津：天津大學，2011.

[3] 楊信廷，錢建平，孫傳恒.蔬菜安全生產管理及質量追溯系統設計與實現[J].農業工程學報，2008，24（3）：162-166.

[4] 劉雪梅，章海亮，劉燕德.農產品質量安全可追溯系統建設探析[J].湖北農業科學，2009，48（8）：2001-2003.

[5] 李偲鈺.基于物聯網的乳制品追溯系統研究與開發[J].農業網絡信息，2014（5）：21-24，29.

[6] 張德豐.MATLAB神經網絡應用設計[M].北京：機械工業出版社，2009.

[7] 董長虹.Matlab神經網絡與應用[M].北京：國防工業出版社，2005.

[8] 叢? 爽.面向MATLAB工具箱的神經網絡理論與應用[M].合肥：中國科學技術大學出版社，2009.

[9] 楊淑瑩.模式識別與智能計算Matlab技術實現[M].北京：電子工業出版社，2008.

[10] 張良均，曹? 晶，蔣世忠.神經網絡實用教程[M].北京：機械工業出版社，2008.

[11] MATLAB中文論壇.MATLAB神經網絡30個案例分析[M].北京：北京航空航天大學出版社，2010.