一种基于AI云计算的便携式水稻智能考种系统技术方案

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，水稻产量性状解析对培育优质、高产、抗逆的水稻品种具有重要意义。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。本发明专利技术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。本发明专利技术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。

A portable rice intelligent seed testing system based on AI cloud computing

【技术实现步骤摘要】
一种基于AI云计算的便携式水稻智能考种系统
本专利技术基于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。该专利技术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。本专利技术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，本专利技术后续可扩展到其它主要农作物。
技术介绍
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。本专利技术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。本专利技术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。
技术实现思路
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，本专利技术设计了一种基于AI云计算的便携式水稻智能考种系统，该专利技术的技术方案如图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。本专利技术提供了一种低成本、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，本专利技术还可扩展到其他主要农作物籽粒考种。本专利技术的工作流程如图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。本专利技术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本专利技术系统技术方案图；图2本专利技术系统工作流程图；图3本专利技术云平台关键算法流程图；图4本专利技术系统测试结果图。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。具体实施方式本专利技术基于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。本专利技术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：本专利技术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：本专利技术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；本专利技术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。专利技术测试结果：为测量专利技术的效果，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专利技术可以实现了基于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。本文档来自技高网...

【技术保护点】
1.本专利技术是一种基于AI云计算的便携式水稻智能考种平台。该平台主要包括，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。移动端图像采集及用户交互模块，用于快速低成本获取水稻图像并传输至云端，同时获取云端水稻考种结果并将其展示及保存；云端水稻图像处理模块，采用深度学习卷积神经网络建立目标检测模型实现水稻稻穗籽粒智能识别，同时采用粒型测量图像处理算法实现水稻粒长、粒宽、粒面积、粒周长的准确提取；电子秤蓝牙通讯模块，采用蓝牙通讯协议将电子秤的串口数据，以蓝牙方式发送到移动端平台，实现重量数据的获取。本专利技术搭建深度学习水稻图像云处理平台，开发便携式移动端平台，实现水稻成像、参数测量、称重的智能化工作流程。/n

【技术特征摘要】
1.本发明是一种基于AI云计算的便携式水稻智能考种平台。该平台主要包括，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。移动端图像采集及用户交互模块，用于快速低成本获取水稻图像并传输至云端，同时获取云端水稻考种结果并将其展示及保存；云端水稻图像处理模块，采用深度学习卷积神经网络建立目标检测模型实现水稻稻穗籽粒智能识别，同时采用粒型测量图像处理算法实现水稻粒长、粒宽、粒面积、粒周长的准确提取；电子秤蓝牙通讯模块，采用蓝牙通讯协议将电子秤的串口数据，以蓝牙方式发送到移动端平台，实现重量数据的获取。本发明搭建深度学习水稻图像云处理平台，开发...

【专利技术属性】
技术研发人员：黄成龙，杨万能，段凌凤，宋鹏，冯慧，骆树康，陶莎，叶军立，
申请(专利权)人：华中农业大学，
类型：发明
国别省市：湖北;42