(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 202210747186.1 (22)申请日 2022.06.28 (71)申请人 安徽未来种业有限公司 地址 230000 安徽省合肥市蜀山 新产业园 振兴路自主创新产业基地3 栋4层 (72)发明人 方胜　李友强　刘兆明　许敏敏　 周军　 (74)专利代理 机构 北京奥肯律师事务所 1 1881 专利代理师 左大帅 (51)Int.Cl. G06Q 10/04(2012.01) G06F 16/36(2019.01) G06Q 50/02(2012.01) (54)发明名称 一种水稻收成预测评估方法及系统 (57)摘要 本申请公开了一种水稻收成预测评估方法 及系统， 所述方法包括： 通过对水稻 收成关键期 的阶段生长参数进行分析， 可以构建知识图谱， 利用图谱中的参数进行其他相关知识关系的检 索， 获取需要的对应的生长条件， 然后在判断出 水稻的生长阶段后， 与所述关键期参数图谱进行 参数匹配， 得到阶段性的影响参数， 最后将所述 影响数据、 所述籽粒状态信息、 所述叶片颜色活 性输入预测模型中， 获得收成预测评估值。 解决 了现有技术中存在无法准确的根据影响水稻收 成的相关因素对 水稻收成进行预测评估， 确定收 获时间的技术问题， 达到了在水稻籽粒重量最 大、 养分积累量最多的时候进行采收， 实现了水 稻的高产优产， 准确进行水稻收成预测评估的技 术效果。 权利要求书2页 说明书13页 附图4页 CN 115238964 A 2022.10.25 CN 115238964 A 1.一种水稻收成预测评估方法， 其特征在于， 所述方法应用于水稻收成预测评估系统， 所述系统包括图像采集设备， 所述方法包括： 根据水稻收成关键期进行阶段生长参数分析， 构建 关键期参数图谱； 通过所述图像采集设备获得第 一水稻图像信 息， 对所述第 一水稻图像信 息进行特征分 析， 确定水稻生长阶段； 判断所述水稻生长阶段是否处于水稻收成关键期， 当处于时， 根据 所述水稻生长阶段、 所述关键期参数图谱进行参数匹配， 获得阶段影响参数信息； 根据所述阶段影响参数信息进行参数对应数据获取， 得到影响数据； 基于所述水稻生长阶段， 对所述第一水稻图像信息进行水稻生长状态特征分析， 获得 籽粒状态信息、 叶片颜色活性； 将所述影响数据、 所述籽粒状态信 息、 所述叶片颜色活性输入预测模型中， 获得收成预 测评估值。 2.如权利要求1所述的方法， 其特征在于， 根据水稻收成关键期进行阶段生长参数分 析， 构建关键期参数图谱， 包括： 获得水稻种植记录数据库， 其中， 所述水稻种植记录数据库包括生长阶段、 种植参数、 收成信息； 基于所述生长阶段、 种植参数、 收成信息进行知识抽取， 获得知识要素信息， 所述知识 要素信息包括阶段实体信息、 抽取关系信息、 抽取属性信息； 对所述知识要素信 息进行知识融合， 消除知识之间歧义， 并以所述阶段实体信 息对齐， 根据所述抽取关系信息、 抽取属性信息， 构建知识关系库； 对所述知识关系库进行隐含知识关系挖掘， 构建所述关键期参数图谱。 3.如权利要求1所述的方法， 其特征在于， 所述对所述第一水稻图像信息进行特征分 析， 确定水稻生长阶段， 包括： 获得水稻生长指标参数； 基于所述水稻生长指标参数， 确定指标识别特 征； 根据所述指标识别特 征对所述第一水稻图像信息进行 特征遍历， 获得图像指标 特征； 根据所述图像指标 特征与水稻生长阶段 特征集进行比较， 确定所述水稻生长阶段。 4.如权利要求2所述的方法， 其特征在于， 所述将所述影响数据、 所述籽粒状态信 息、 所 述叶片颜色活性输入预测模型中， 获得收成预测评估值， 包括： 构建神经网络模型； 利用水稻种植记录数据库， 确定训练数据、 校验数据， 其中， 所述训练数据、 校验数据均 包括影响数据、 籽粒状态信息、 叶片颜色活性及具有收成评估结果的标签信息； 通过所述训练数据对所述神经网络模型进行训练， 通过所述校验数据对所述神经网络 模型进行 校验， 直到所述神经网络模型达 到收敛要求时， 确定所述预测模型； 将待评估水稻的所述影响数据、 所述籽粒状态信息、 所述叶片颜色活性输入所述预测 模型中， 获得 所述收成预测评估值。 5.如权利要求 4所述的方法， 其特 征在于， 所述方法还 包括： 获得新水稻品种信息； 基于所述新水稻品种信 息与当前水稻品种信 息进行差异性分析， 获得收成参数差异信权　利　要　求　书 1/2 页 2 CN 115238964 A 2息； 根据所述收成参数差异信息对所述预测模型进行迁移学习， 构建新品种预测模型； 将所述新水稻品种信息 输入所述 新品种预测模型中， 获得新品种预测收成结果。 6.如权利要求5所述的方法， 其特征在于， 所述根据 所述收成参数差异信 息对所述预测 模型进行迁移学习， 构建新品种预测模型， 包括： 根据所述预测模型， 获得 预测模型 卷积层信息、 全连接层信息； 根据所述预测模型卷积层信息， 确定第一卷积层， 所述第一卷积层为靠近输出层的卷 积层； 基于所述收成参数差异信 息， 对所述第一卷积层、 全连接层进行训练， 获得所述新品种 预测模型。 7.如权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 当所述水稻生长阶段为预设收成阶段时； 根据所述第一水稻图像信息， 确定 籽粒颜色信息、 颜色 分布信息； 根据所述籽粒颜色信息、 所述籽粒状态信息， 获得籽粒成熟状态； 基于所述颜色 分布信息， 获得成熟颜色占比； 根据所述籽粒成熟状态、 所述成熟颜色占比进行收成时间预测， 获得收成预测时间。 8.一种水稻收成预测评估系统， 其特征在于， 所述系统应用于权利要求1～7任一所述 方法， 所述系统包括： 第一构建单元， 所述第一构建单元用于根据水稻收成关键期进行阶段生长参数分析， 构建关键期参数图谱； 第一确定单元， 所述第一确定单元用于通过图像采集设备获得第一水稻图像信息， 对 所述第一水稻图像信息进行 特征分析， 确定水稻生长阶段； 第一获得单元， 所述第 一获得单元用于判断所述水稻生长阶段是否处于水稻收成关键 期， 当处于时， 根据所述水稻生长阶段、 所述关键期参数图谱进行参数匹配， 获得阶段影响 参数信息； 第二获得单元， 所述第 二获得单元用于根据 所述阶段影响参数信 息进行参数对应数据 获取， 得到影响数据； 第三获得单元， 所述第三获得单元用于基于所述水稻生长阶段， 对所述第一水稻图像 信息进行 水稻生长状态特 征分析， 获得籽粒状态信息、 叶片颜色活性； 第四获得单元， 所述第四获得单元用于将所述影响数据、 所述籽粒状态信息、 所述叶片 颜色活性输入预测模型中， 获得收成预测评估值。 9.一种水稻收成预测评估系统， 其特征在于， 包括： 处理器， 所述处理器与存储器耦合， 所述存储器用于存储程序， 当所述程序被所述处理器执行时， 使系统以执行如权利要求 1至 7任一项所述方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述存储介质上存储有计算机程序， 所述 计算机程序被处 理器执行时实现权利要求1至7任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115238964 A 3