(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 20221093109 2.X (22)申请日 2022.08.04 (71)申请人 江西省农业科 学院农业工程研究所 地址 330200 江西省南昌市南 莲路602号 (72)发明人 舒时富　吴罗发　李艳大　叶春　 孙滨峰　曹中盛　罗翔　黎邹邹　 (74)专利代理 机构 西安合创非凡知识产权代理 事务所(普通 合伙) 61248 专利代理师 支思迪 (51)Int.Cl. H04N 5/225(2006.01) H04N 7/18(2006.01) G06V 10/30(2022.01) G06V 10/54(2022.01) G06V 10/56(2022.01)G06V 20/00(2022.01) (54)发明名称 一种水稻图像识别和氮肥定量诊断系统及 方法 (57)摘要 本发明公开了一种水稻图像识别和氮肥定 量诊断系统及方法， 属于水稻定量监测技术领 域， 所述水稻智能图像识别和氮肥定量诊断系统 包括： 图像采集模块、 主控模 块、 5G无线数据传输 模块、 氮肥诊断调控模块、 数据存储模块、 显示模 块。 本发明实现了水稻的精确施肥和远程监管， 显著提高水稻生产的管理效率， 降低管理成本。 与传统手段相比， 本发明快速、 无损、 省时， 而且 信息获取量大， 可现实水稻的精确诊断和 智慧调 控。 同时本发明能够实现水稻氮肥的精确管理， 提高水稻生产的科学化和信息化管理水平， 减少 过量施肥， 促进农业的可持续发展。 权利要求书2页 说明书4页 附图1页 CN 115297243 A 2022.11.04 CN 115297243 A 1.一种水稻图像识别和氮肥定量诊断系统， 其特 征在于， 包括： 图像采集模块， 用于水稻图像的采集； 采用高清摄像头， 实时获取水稻图像信息， 将水 稻图像信息传递到主控模块； 图像采集模块对获取水稻图像信息进行处理的过程为： 对采 集的水稻图像信息中识别获取含有 噪声的图像信息， 建立相 应的训练样本； 利用小波变换 对含有噪声的图像信息训练样本进行分解， 确定相应的极值点； 根据确定的极值点， 改变较 低的极值 点； 根据处 理完成的水稻图像， 对水稻图像进行重组， 得到去噪完成的水稻图像； 氮肥诊断调控模块， 用于对采集到的水稻图像数据进行处理， 通过模型对水稻氮肥进 行诊断调控， 指导氮肥精确管理， 与主控模块连接； 氮肥诊断调控模块对采集的图像数据进 行统计分析处理， 根据图像颜色指数和纹理特征参数， 可估算水稻叶片实时氮含量； 通过在 水稻目标产量下 的估算最高叶片氮含量、 总需氮量和单位叶片氮含量需氮量的基础上， 利 用相应的计算公式计算得到各时期施 氮量； 5G无线数据传输模块， 用于数据的传输； 采用5G网络技术， 实时传输图像数据， 与主控 模块连接； 主控模块， 用于与图像采集模块、 氮肥诊断调控模块、 5G无线数据传输模块、 数据存储 模块、 显示模块连接， 用于控制各个模块 正常工作， 对图像数据进行处 理； 数据存储模块， 用于通过存储器存储采集的水稻图像数据和氮肥的诊断调控结果， 与 主控模块连接； 显示模块， 用于通过显示器显示采集的水稻图像、 氮肥的诊断调控结果， 与主控模块连 接。 2.一种水稻图像识别和氮肥定量诊断方法， 其特 征在于， 包括： 步骤一， 图像采集模块采用高清摄像头， 实时获取水稻图像信 息， 将水稻图像信 息传递 到主控模块； 步骤二， 根据采集的图像， 氮肥诊断调控模块， 对采集到的水稻图像进行处理， 通过模 型对水稻氮肥进行诊断调控， 指导氮肥精确管理， 与主控 模块连接； 步骤三， 主控模块控制5G无线数据传输模块采用5G网络技术， 实时传输图像数据； 主控 模块控制数据存 储模块通过存储器存储采集的水稻图像数据和氮肥的诊断调控结果； 步骤四， 主控模块控制显示模块通过显示器显示采集的水稻图像、 氮肥的诊断调控结 果。 3.根据权利要求2所述的水稻图像识别和氮肥定量诊断方法， 其特征在于， 所述根据采 集的图像， 氮肥诊断调控模块， 对采集到的水稻图像进 行处理， 通过模型对水稻氮肥进行诊 断调控， 指导氮肥精确管理， 与主控 模块连接包括： 步骤A： 对采集的水稻图像信息中识别获取含有噪声的图像信息， 建立相应的训练样 本； 利用小波变换对含有噪声的图像信息训练样本进 行分解， 确定相应的极值点； 根据确定 的极值点， 改变较低的极值点； 根据处理完成的水稻图像， 对水稻图像进行重组， 得到去 噪 完成的水稻图像； 步骤B： 提取 图像中的颜色指数红蓝差值 （r ‑b） 和纹理特征参数G ‑mean， 估算水稻叶片 实时氮含量(L NC)模型方程为： LNC =a+bx1‑cx2‑dx1x2+ex12+fx22 式中： a、 b、 c、 d、 e和  f 为方程系数， 由试验数据拟 合而得；x1 为水稻图像中的颜色指数权　利　要　求　书 1/2 页 2 CN 115297243 A 2红蓝差值 （r‑b） ，x2为纹理特征参数G‑mean； r‑b= R/ （R+G+B）‑ B/ （R+G+）B， R、 G、 B 分别为图像的平均红光值、 绿光值和蓝光值； G ‑ mean为对图像进行二阶矩阵的纹 理滤波处 理的G通道均值， ， 式中 表示第 i行第 j 列的像元亮 度值，N 表示纹理分析时的窗口大小； 利用如下公式计算得到各时期施 氮量为： PN=(LNCmax–LNC)×LNDLNC； 式中， LNCmax为目标产量下的最高叶片氮含量； LNC为各时期实时叶片氮含量； LNDLNC为 目标产量下的单位叶片氮含量需氮量kg/亩， LNDLNC=TND/ LNCmax； TND 为获得目标产量的总 需氮量， kg/亩， TND=GYT ×ND， GYT 为目标产量， kg/亩； ND  为单位籽粒吸氮量； 氮肥诊断调控模块对采集的图像进行统计分析处理， 根据图像中的颜色指数和纹理特 征参数， 可估算水稻叶片实时氮含量； 步骤C： 通过在水稻目标产量下的估算最高 叶片氮含量、 总需氮量和单位叶片氮含量需 氮量的基础上， 利用相应的计算公式计算得到各时期施 氮量。权　利　要　求　书 2/2 页 3 CN 115297243 A 3