(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211142672.7 (22)申请日 2022.09.20 (71)申请人 重庆市农业科 学院 地址 401329 重庆市九龙坡区高新区白市 驿镇农科 大道 (72)发明人 吕斌　姚强　粟超　李波　 (74)专利代理 机构 重庆一叶知秋专利代理事务 所(普通合伙) 50277 专利代理师 刘洪雨 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/90(2017.01) G06N 3/08(2006.01) G06V 10/82(2022.01) (54)发明名称 基于深度学习的水稻氮素营养快速诊断系 统及方法 (57)摘要 本发明公开了基于深度学习的水稻氮素营 养快速诊断系统， 其包括： 数据采集模块， 所述数 据采集模块用于采集待诊断水稻的图像数据， 并 将数据进行上传； 中心服务器， 所述中心服务器 用于接收上传的数据并存储； 氮素分析模块， 所 述氮素分析模块通过所述中心服务器进行深度 学习训练； 用于对待诊断水稻进行氮素营养状态 诊断， 生成氮素状态参数； 用于生成氮素调整参 数； 用于对所述中心服务器进行优化； 及系统对 应的方法， 本发明对水稻氮素营养进行快速诊 断， 根据诊断结果进行氮素调整， 并对调整后的 水稻进行追踪， 基于调整反馈对 水稻氮素营养状 态的调整方案进行优化， 并制定精确的氮素调整 方案， 对农业 生产和生态 环境保护有重要意 义。 权利要求书1页 说明书7页 附图1页 CN 115526849 A 2022.12.27 CN 115526849 A 1.基于深度学习的水稻氮素 营养快速诊断系统， 其特 征在于， 包括： 数据采集模块， 所述数据采集模块用于采集待诊断水稻的图像数据， 并将数据进行上 传； 中心服务器， 所述中心服 务器用于 接收上传的图像数据并存 储； 氮素分析模块， 用于根据已训练完成的深度学习模型和图像数据； 对待诊断水稻进行 氮素营养状态诊断， 生成氮素状态参数和氮素调整参数； 所述已训练完成的深度学习模型 为水稻的图像数据与氮素 营养状态、 氮素调整参数。 2.根据权利要求1所述的基于深度学习的水稻氮素营养快速诊断系统， 其特征在于， 还 包括数据标定模块和边缘数据处理模块， 所述数据标定模块用于根据预设信息发射固定强 度的高光谱光线； 边缘数据处理模块用于根据数据采集模块 发送的高光谱光线的强度信息 与预设值比较确定环境干扰强度信息， 并且根据 环境干扰强度信息对待诊断水稻的图像数 据进行滤波； 然后连续获取相同的待诊断水稻的图像数据并标记， 并利用帧间差分法判断 图像数据中的水稻是否因无人机旋翼气流出现剧烈扰动， 若 未出现则生成无人机高度下降 信号； 若出现， 则生成无人机高度上升信号， 然后再次采集标记的待诊断水稻的图像数据并 与未标记的待诊断水稻的图像数据进行比对， 若相同光谱强度相 差超过阈值， 则生成无人 机高度下降信号， 进行图像数据采集， 数据采集模块还用于在采集待诊断水稻的图像数据 的同时采集数据标定模块发出 的高光谱光线； 若相同光谱强度相 差未超过阈值， 则生成无 人机移动信号， 并连续采集不同的待诊断水稻的图像数据， 数据采集模块还用于在采集待 诊断水稻的图像数据的同时采集数据标定模块发出的高光谱光线。 3.根据权利要求1所述的基于深度学习的水稻氮素营养快速诊断系统， 其特征在于， 所 述数据采集模块对待诊断水稻的图像数据进 行特征提取， 生成颜色特征数据及形态特征数 据并打包上传至中心服 务器。 4.根据权利要求3所述的基于深度学习的水稻氮素营养快速诊断系统， 其特征在于， 所 述中心服务器包括水稻氮素应用数据库， 所述水稻氮素应用数据库预存有： 分类结果与水 稻氮素营养状态对应关系表、 氮素 营养状态调整方案数据表。 5.根据权利要求4所述的基于深度学习的水稻氮素营养快速诊断系统， 其特征在于， 所 述氮素分析模块 通过被认可的水稻氮素应用数据库进行深度学习训练。 6.根据权利要求5所述的基于深度学习的水稻氮素营养快速诊断系统， 其特征在于， 中 心服务器用于 接收并存 储被认可的水稻氮素应用数据库。 7.如权利要求1 ‑6所述的任一项基于深度学习的水稻氮素营养快速诊断系统的方法， 其特征在于， 包括以下步骤： S1、 采集待 诊断水稻的图像数据， 并将数据进行 上传； S2、 中心服 务器接收上传的数据存 储； S3、 氮素分析模块对待诊断水稻进行氮素营养状态诊断， 生成氮素状态参数及氮素调 整参数。权　利　要　求　书 1/1 页 2 CN 115526849 A 2基于深度学习的水稻氮素营养快速 诊断系统及方 法 技术领域 [0001]本发明涉及农作物氮素应用技术领域， 尤其涉及基于深度学习的水稻氮素营养快 速诊断系统及方法。 背景技术 [0002]氮素是绿色植物光合作物的重要元素， 自然状态下， 土壤广泛存在氮素不足的现 象。 在农田中使用氮肥补 充作物氮素营养， 可显著 提高作物光合效率。 但当氮素施用超过一 定量后， 则出现一些负面效应， 引起农业面源污染。 诊断作物氮素营养状况， 合理施用氮肥 对农业生产和生态 环境保护有重要意 义。 [0003]现有技术在对相关数据进行获取后， 需要人为进行较长时间进行诊断， 并根据粗 略文献记载及操作人员的经验对氮素进行调整， 如何快速的诊断水稻的氮素营养状态， 并 制定精确的氮素调整方案， 对农业 生产和生态 环境保护有重要意 义。 [0004]近年来， 由于无人机平台快速发展， 可以及时的获取大量的遥感数据， 研究人员应 该成功的使用无人机携带多光谱传感器来估算作物叶面积指数、 生物量和氮素情况。 其原 理是， 利用作物(水稻)冠层光谱信息与叶绿素值具有较高的相关性， 采集作物冠层光谱信 息， 并提出冠层光谱信息与植物当前 的氮吸收量/需求量/追施氮肥量之间的算法关系， 得 到一个算法模型， 以期在后续的工作中， 根据采集到的冠层光谱信息得到水稻的含氮量， 并 且据此制定相应的施肥计划。 但是通过算法模型获取相应的信息， 存在因不同种类的(水 稻)冠层光谱信息与叶绿素值的相关性不完全相同， 当作 物的种类特点 发生变化后， 无法准 确的获知相应的信息 。 发明内容 [0005]针对上述问题， 本发明提供对水稻氮素进行快速诊断， 并根据诊断结果提供氮素 调整方案， 基于水稻反馈信息不断优化氮素调整方案的基于深度学习的水稻 氮素营养快速 诊断系统及方法。 [0006]本发明具体如下： [0007]基于深度学习的水稻氮素 营养快速诊断系统， 包括： [0008]数据采集模块， 所述数据采集模块用于采集待诊断水稻的图像数据和类别数据， 并将数据进行 上传； [0009]中心服务器， 所述中心服 务器用于 接收上传的图像数据并存 储； [0010]氮素分析模块， 用于根据类别数据选择已训练完成的深度学习模型， 然后根据图 像数据对待诊断水稻进行氮素营养状态诊断， 生成氮素状态参数和氮素调整参数； 所述已 训练完成的深度学习模型为水稻的图像数据和类别数据与氮素营养状态、 氮素调整参数之 间的映射关系。 [0011]本发明通过对水稻进行氮素营养状态相关的数据采集， 获取水稻氮素营养状态， 快速的诊断水稻的氮素营养状态， 并制 定氮素调整方案， 对水稻进行调整后的氮素营养状说　明　书 1/7 页 3 CN 115526849 A 3