一种基于AI云计算的便携式水稻智能考种系统的制作方法

本发明基于ai云计算的便携式水稻智能考种平台，属于农业人工智能领域。该发明涉及移动端图像采集及网络数据传输技术；基于深度学习的水稻粒子智能识别和粒型计算技术；基于蓝牙通讯的智能称重技术。本发明是针对水稻产量重大问题展开的智能考种平台研究，致力于发展一种低成本、便携式、鲁棒性高的水稻智能考种方案，本发明后续可扩展到其它主要农作物。

背景技术：

水稻(oryzasativa)是世界半数以上人口的主粮，而我国是最主要的水稻种植和消费国家，目前国际形势风云变幻，我国农业安全问题日益突出，其中水稻产量直接影响到我国粮食安全和社会稳定。水稻产量性状是水稻研究的重要指标，无论是水稻育种还是功能基因解析，都需要提取水稻实际产量性状作为育种或遗传分析的依据，水稻考种主要是指对水稻粒数、粒型、重量等性状进行考查，是水稻育种和功能基因解析中不可或缺的环节。

传统的考种方法主要依靠人工“一把尺子、一杆秤”的测量方式，人工测量主要存在效率低、主观性强、且测量参数有限等不足；另外目前市面上也有一些自动化的考种设备，主要采用扫描仪和工业成像等方法，存在成本高、移动性差、算法抗干扰能力弱等缺点。本发明致力于设计一种基于ai云计算的便携式水稻智能考种平台，采用移动端图像采集及交互方式降低图像采集的成本，同时利用深度学习云计算技术，可以克服混入杂质、带芒、黏连、复杂背景等因素的影响，提高系统的便携性和抗干扰能力。本发明属于农业人工智能领域，将为水稻考种提供一种低成本、便携式、鲁棒性高的智能化解决方案，对水稻研究具有重要意义。

技术实现要素：

现有的水稻自动化考种平台存在成本高、移动性差、算法抗干扰弱等缺点。针对上述问题，本发明设计了一种基于ai云计算的便携式水稻智能考种系统，该发明的技术方案如图1所示。主要由移动端图像采集及用户交互模块，云端水稻图像智能识别及粒型计算模块，高精度电子秤蓝牙通讯模块组成。

该系统将预训练的水稻深度学习识别模型部署到阿里云gpum40上，通过手机端拍摄水稻图片采用http协议上传至云端进行籽粒粒数识别及粒型参数计算，再利用蓝牙通讯协议获取重量数据，最后将所有的测量结果返回到手机端，并在阿里云oss上存储。本发明提供了一种低成本、便携式、鲁棒性高的智能水稻考种解决方案，具有较强的实际应用价值和科技创新性，本发明还可扩展到其他主要农作物籽粒考种。

本发明的工作流程如图2所示：1.首先开发者在阿里云端部署相应的基于深度学习fasterr-cnn的水稻模型和图像处理算法；2.然后户端通过移动端平台控制相机拍摄水稻籽粒图像(支持所有在安卓系统下正常工作的可拍照的移动设备)，同时将拍摄的图像数据上传至云平台；3.接着云平台基于已部署的水稻智能识别和图像处理算法，获取图像中的水稻籽粒并计算籽粒粒型参数；4.云平台将计算的水稻粒数和粒型参数返回至用户移动端平台，并利用蓝牙通讯协议获取籽粒的重量(精度0.01g)；5.所有的考种结果保存到云端数据库，用户可以通过手机端进行查看测量结果以及将相关参数导出。本发明提供了一种水稻低成本、便携式、高精度智能考种解决方案。

附图说明

图1本发明系统技术方案图；

图2本发明系统工作流程图；

图3本发明云平台关键算法流程图；

图4本发明系统测试结果图。a为测量平铺开的水稻效果图，b为测量掺有杂物的水稻籽粒效果图，c为测量密集粘连水稻籽粒效果图。

具体实施方式

本发明基于ai云计算的便携式水稻智能考种系统，主要由移动端图像采集及用户交互模块，云端水稻图像智能识别及粒型计算模块，高精度电子秤蓝牙通讯模块组成。本发明的具体实施方案如下所示：

1.基于移动端设备图像采集模块及用户交互模块：本模块是基于android平台开发，支持实时拍摄图像或上传已有图像，拍摄完成后通过http协议传输至云平台进行处理并反馈处理数据，用户可在移动端实现测量结果的展示，数据存储及导出。

2.云端水稻图像智能识别及粒型计算模块：本发明的水稻智能考种模块是基于深度学习fasterr-cnn算法下建立目标检测网络实现水稻智能识别模型，采用水稻粒型测量算法计算稻籽粒粒型相关参数。该模块的算法流程如图3所示，目标识别模型是基于不同场景，不同品种的水稻籽粒图像，进行人工标注，然后采用fasterr-cnn网络进行训练，将训练得到的模型作为水稻目标识别模型，可以有效克服复杂背景，混入杂质，黏连等不利因素的影响。对于用矩形框识别出来的水稻籽粒区域采用，图像分割，轮廓提取，最大欧式距离搜索，及垂直方向最大欧式距离累加求和，可以计算得到谷粒的粒长、粒宽、粒面积等粒型参数。

3.高精度电子秤蓝牙通讯模块：本发明的称重装置为蓝牙电子秤，量程满足绝大多种日常测量要求，精度为0.01g，用于测量待测水稻籽粒的重量；本发明采用蓝牙串口对电子称进行改装，然后在移动端设计蓝牙通信协议，实现电子称与移动端的通信，准确获取水稻的重量信息。

4.操作人员将不同品种，不同场景的水稻谷粒平铺，使移动设备能够完整的采集到所有水稻的清晰图像，拍摄获取图像，等到app将图像上传至云平台处理并由其反馈处理后的图像，在app界面中能够清楚的看到稻穗穗粒被分割开来，并有穗粒总数、穗长、穗宽及穗粒面积的标准差和平均值、穗粒的长宽比、千粒重等参数直观的显示在被处理的图像下方，用户可实时对图像标题日期进行编辑、存储以及实时导出。并进行图像的处理和反馈显示，以及测量结果的存储。

发明测试结果：为测量发明的效果，如图4所示，选取附着于枝干，混入大量杂质，严重黏连的水稻谷粒场景进行测试，表1显示了对于图4中三种不同场景下测量数据的结果。

表1不同场景下的测量数据结果

测试结果表明本发明可以实现了基于ai云计算的便携式水稻智能考种流程，且能有效克服杂质、黏连、复杂背景的影响，具有低成本、便携式、高精度的特点。