1.基于数据挖掘的农产品智能推荐系统，其特征在于：包括农产品数据采集模块(S1)、农产品数据分析模块(S2)、农产品智能匹配模块(S3)和农产品智能推荐模块(S4)；

所述农产品数据采集模块(S1)用于对农产品的初始新鲜度、农产品各时间点的新鲜度以及各时间段的农产品购买量、退换货情况和剩余量进行采集，根据采集的农产品初始新鲜度和农产品各时间点的新鲜度数据，构建表示各时间点的农产品变质率计算公式，并将采集的数据和变质率计算公式传输至农产品数据分析模块(S2)；

所述农产品数据采集模块(S1)包括农产品新鲜度采集单元(S11)、农产品购买量采集单元(S12)、农产品退换货采集单元(S13)、农产品剩余量采集单元(S14)和数据传输单元(S15)；

所述农产品新鲜度采集单元(S11)对农产品的初始新鲜度和农产品各时间点的新鲜度数据进行采集，并根据采集数据构建农产品各时间段的变质率计算模型，根据构建的变质率计算模型判断农产品的最佳售卖时间，将采集的农产品新鲜度数据以及构建的农产品变质率计算模型传输至数据传输单元(S15)；

农产品各时间段的变质率计算步骤为：

步骤一：根据农产品初始新鲜度f0，构建农产品新鲜度与时间t的初步数学模型，初步数学模型为：其中，t表示时间，β表示农产品对时间的敏感系数；

步骤二：将通过初步数学模型计算出的各时间点新鲜度数据与采集的农产品各时间点新鲜度数据进行对比，构建误差方程，误差方程公式为：其中，w(t)表示农产品新鲜度采集单元(S11)采集的农产品在t时刻的新鲜度数据，T表示某一时刻农产品新鲜度采集单元(S11)采集数据时的初始温度，T′表示温度变化参数；

步骤三：结合步骤一和步骤二构建农产品新鲜度随时间变化的最终数学模型，最终数学模型公式为：其中，n表示具体的某一时间点，在该时间点初步数学模型计算的农产品新鲜度与农产品新鲜度采集单元(S11)采集的农产品新鲜度数据相同，在该时间点前后，农产品新鲜度受温度影响较大；

步骤四：根据步骤一至步骤三求得农产品在某一时刻的变质率，变质率计算公式为：其中，a为时间常数；

所述农产品购买量采集单元(S12)对最近一段时间内客户购买农产品的量进行采集，并将采集数据传输至数据传输单元(S15)；

所述农产品退换货采集单元(S13)对最近一段时间内农产品的退换货情况进行采集，并将采集数据传输至数据传输单元(S15)；

所述农产品剩余量采集单元(S14)对最近一段时间内农产品剩余量进行采集，并将采集数据传输至数据传输单元(S15)；

所述数据传输单元(S15)对农产品新鲜度采集单元(S11)、农产品购买量采集单元(S12)、农产品退换货采集单元(S13)和农产品剩余量采集单元(S14)传输的数据进行接收，并将接收的数据传输至农产品数据分析模块(S2)；

所述农产品数据分析模块(S2)用于对农产品数据采集模块(S1)传输的数据和变质率计算公式进行接收，并根据接收内容对农产品购买量、退换货情况、剩余量与农产品新鲜度之间的关系进行分析、规划，并将分析、规划结果传输至农产品智能匹配模块(S3)；

所述农产品智能匹配模块(S3)用于对农产品数据分析模块(S2)传输的分析、规划结果进行接收，并根据接收内容对农产品的种类和最佳售卖时间进行匹配，并将匹配结果传输至农产品智能推荐模块(S4)；

所述农产品智能推荐模块(S4)用于对农产品智能匹配模块(S3)传输的匹配结果进行接收，并将匹配结果进行传输显示。

2.根据权利要求1所述的基于数据挖掘的农产品智能推荐系统，其特征在于：所述农产品数据分析模块(S2)包括数据接收单元(S21)、数据分析单元(S22)和农产品推荐规划单元(S23)；

所述数据接收单元(S21)对农产品数据采集模块(S1)传输的数据和变质率计算公式进行接收，并将接收内容传输至数据分析单元(S22)；

所述数据分析单元(S22)对农产品购买量、农产品退换货情况、农产品剩余量与农产品新鲜度之间的关系进行分析，并将分析结果传输至农产品推荐规划单元(S23)；

所述农产品推荐规划单元(S23)对数据分析单元(S22)传输的内容进行接收，并根据分析结果制定农产品推荐计划，并将制定的农产品推荐计划传输至农产品智能匹配模块(S3)。

3.根据权利要求2所述的基于数据挖掘的农产品智能推荐系统，其特征在于：所述数据分析单元(S22)对农产品购买量、退换货情况、剩余量与新鲜度之间关系的具体分析方法为：Step1：根据农产品变质率计算公式对农产品当天各时刻的新鲜度进行计算；

Step2：以时间为横坐标，农产品购买量、剩余量、新鲜度和退换货量为纵坐标构建农产品当天售卖情况走势示意图；

Step3：根据Step2中构建的示意图分析农产品退换货的主导因素、农产品的最佳售卖时间和农产品的最佳储存量；

Step4：基于Step3中的分析结果构建数据库。

4.根据权利要求3所述的基于数据挖掘的农产品智能推荐系统，其特征在于：所述农产品推荐规划单元(S23)根据分析结果制定农产品推荐计划的具体方法为：(1).根据Step3中分析得出的农产品最佳售卖时间规划农产品的最佳推荐时间；

(2).当存在两种或两种以上农产品的最佳售卖时间相同时，根据客户购买农产品的喜好程度定向推荐相应的农产品，并将客户喜好记录在数据库中；

(3).若客户对某一时刻推荐的多种农产品喜好程度相同时，采用间隔循环推荐方式进行推荐。

5.根据权利要求4所述的基于数据挖掘的农产品智能推荐系统，其特征在于：客户购买农产品时喜好程度的判断方法为：<1>.构建喜好偏爱方程

其中，P表示喜好程度，m表示近一周内购买该农产品的次数，N表示近一周内购买农产品的次数，T1表示距离上次购买该农产品的时间差；

<2>.将客户近一周农产品购买情况带入喜好偏爱方程进行计算；

若计算出的数值大于等于50％，则表示客户对该农产品的喜好程度较深；

若计算出的数值在20％至50％之间，则表示客户对该农产品的喜好程度一般；

若计算出的数值在0％至20％之间，则表示客户对该农产品的喜好程度较差。

6.根据权利要求5所述的基于数据挖掘的农产品智能推荐系统，其特征在于：所述农产品智能匹配模块(S3)包括农产品图像采集单元(S31)、处理单元(S32)和农产品匹配单元(S33)；

所述农产品图像采集单元(S31)对农产品外形、颜色和表皮特征进行采集，并将采集内容传输至处理单元(S32)；

所述处理单元(S32)对农产品图像采集单元(S31)传输的内容进行接收，并基于方向梯度直方图对采集的图像进行处理，使采集的图像与实物一一对应；

所述农产品匹配单元(S33)用于根据处理单元(S32)的处理结果，将农产品名称与实物图像和最佳售卖时间进行智能匹配，并将匹配内容传输至数据库和农产品智能推荐模块(S4)。

7.根据权利要求6所述的基于数据挖掘的农产品智能推荐系统，其特征在于：所述农产品智能推荐模块(S4)对农产品智能匹配模块(S3)传输的匹配结果进行接收，并将匹配结果以短信或新闻格式传送至客户手机端进行显示。