(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211072652.7 (22)申请日 2022.09.02 (65)同一申请的已公布的文献号 申请公布号 CN 115131670 A (43)申请公布日 2022.09.30 (73)专利权人 广州艾米生态人工智能农业有限 公司 地址 510900 广东省广州市从化区街口街 道风云岭森林公园内艾米稻香小镇农 智谷办公楼101室 (72)发明人 唐飞　何淑红　陈富华　陈文勇　 江会欣　黄东杰　 (74)专利代理 机构 北京劲创知识产权代理事务 所(普通合伙) 11589 专利代理师 常柯阳 (51)Int.Cl. G06V 20/10(2022.01)G06F 16/51(2019.01) G06V 10/764(2022.01) (56)对比文件 CN 111626148 A,2020.09.04 CN 112579807 A,2021.0 3.30 CN 114332849 A,202 2.04.12 CN 113780321 A,2021.12.10 CN 109740483 A,2019.0 5.10 CN 114627467 A,202 2.06.14 CN 109409412 A,2019.0 3.01 CN 110689323 A,2020.01.14 CN 113780316 A,2021.12.10 US 2021183045 A1,2021.0 6.17 JP 2010287021 A,2010.12.24 张涵笑等.基 于感知哈希的水稻生长期检 测. 《安徽农业科 学》 .2020,(第10期), 审查员 周苏玲 (54)发明名称 一种水稻图片智能审核方法、 系统、 装置及 设备 (57)摘要 本申请公开了一种水稻图片智能审核 方法、 装置、 设备及介质， 涉及图像处理技术领域。 该水 稻图片智能审核方法通过设置三次审核检测步 骤， 利用人工智能识别模 型， 结合地域信息、 哈希 值信息和水稻作物的生长周期特点对输入的图 片进行智能审核， 提高了水稻作物图片审核的效 率和准确性。 权利要求书4页 说明书10页 附图2页 CN 115131670 B 2022.12.20 CN 115131670 B 1.一种水稻图片智能审核方法， 其特 征在于， 包括： 接收第一图片和用户信息， 所述第一图片携带图片地理位置信息， 所述图片地理位置 信息表示所述第一图片拍摄时的地理位置； 所述用户信息包括用户所属区域； 根据所述第一图片、 所述用户信息， 以及哈希值数据库内所存储的图片哈希值判断所 述第一图片是否通过第一审核检测， 所述第一审核检测包括区域检测和重复检测， 所述哈 希值数据库用于存 储通过智能审核的第一图片的哈希值； 当通过第一审核检测， 将所述第一图片输入至水稻作物类型识别模型， 得到类型识别 结果； 根据所述类型识别结果确定所述第一图片是否通过第二审核检测， 以及确定作物类 型； 当通过第二审核检测， 将所述第一图片输入至水稻生长周期识别模型， 得到周期识别 结果； 根据所述周期识别结果确定所述第一图片是否通过第三审核检测， 以及确定水稻生 长周期； 当通过第三审核检测， 将所述第一图片存储至 图片数据库， 以及所述第一图片的哈希 值存储至所述哈希值数据库， 所述图片数据库用于存 储通过智能审核的第一图片； 所述第一图片还携带有日期信息， 所述将所述第一图片输入至水稻生长周期识别模型， 得到周期识别结果； 根据所述周 期识别结果确定所述第一图片是否通过第三审核检测， 以及确定水稻生长周期， 包括： 将所述第一图片输入至水稻生长周期识别模型， 得到周期识别结果， 所述周期识别结 果包括返青期、 抽穗期、 拔节孕穗期、 分蘖期和成熟期， 以及不同生长周期的概率； 所述返青 期、 抽穗期、 拔节孕穗期、 分蘖期和成熟期为水稻 作物依次经历的生长周期； 当任一生长周期的概率超过第 三概率阈值， 将概率超过第 三概率阈值的生长周期确定 为第一预测生长周期； 根据所述用户所属区域和所述日期信息确定第二预测生长周期； 当第一预测生长周期与第 二预测生长周期不相同且不相邻， 则确定第 一图片未通过第 三审核检测； 当第一预测生长周期与第 二预测生长周期相同或者相邻， 则确定第 一图片通过第 三审 核检测， 确定水稻生长周期为第一预测生长周期； 当所有生长周期的概 率均低于第四概 率阈值， 则确定第一图片未通过第三审核检测； 当周期识别结果为其他情况， 则将所述第一图片发送至人工审核界面， 根据所述人工 审核界面的输入确定是否通过第三审核检测， 以及确定水稻生长周期。 2.根据权利要求1所述的水稻图片智能审核方法， 其特 征在于， 所述根据所述第一图片、 所述用户信息， 以及哈希值数据库内所存储的图片哈希值判 断所述第一图片是否通过第一审核检测， 包括： 根据所述图片地理位置信 息确定图片所属区域， 判断所述图片所属区域与 所述用户所 属区域是否相符； 当所述图片所属区域与所述用户所属区域不相符， 则图片审核失败， 发出区域审核失 败通知信息； 当所述图片所属区域与所述用户所属区域相符， 则计算所述第一图片的第一哈希值；权　利　要　求　书 1/4 页 2 CN 115131670 B 2比较所述第 一哈希值与哈希值数据库中的各图片哈希值， 当所述第 一哈希值与所述哈 希值数据库中的任意图片哈希值相同， 则发送图片重复信息； 当所述第一哈希值与所述哈 希值数据库中的所有图片哈希值均不相同， 则确定所述第一图片通过第一审核检测。 3.根据权利要求2所述的水稻图片智能审核方法， 其特 征在于， 预先获取并保存目标范围内所有区域的地理轮廓数据， 所述根据 所述图片地理位置信 息确定图片所属区域， 包括： 根据所述图片地理位置信息和所述 地理轮廓数据确定所述图片所属区域。 4.根据权利要求1所述的水稻图片智能审核方法， 其特 征在于， 所述将所述第一图片输入至水稻作物类型识别模型， 得到类型识别结果； 根据所述类 型识别结果确定所述第一图片是否通过第二审核检测， 以及确定作物类型， 包括： 将所述第一图片输入至水稻作物类型识别模型， 得到类型识别结果， 所述类型识别结 果包括识别为水稻的第一 概率； 当所述第一概率超过第一概率阈值， 则确定所述第一图片通过第二审核检测， 并确定 所述作物类型为水稻； 当所述第一概率低于第二概率阈值， 则确定所述第一图片未通过第二审核检测， 并确 定所述作物类型为非水稻； 当所述第一概率位于第 一概率阈值和第 二概率阈值之间， 则将所述第 一图片发送至人 工审核界面， 根据所述人工审核界面的输入确定是否通过第二审核检测， 以及确定作物类 型。 5.根据权利要求1所述的水稻图片智能审核方法， 其特 征在于， 获取多个第二图片， 将所述第二图片发送至人工审核界面， 根据所述人工审核界面的 输入确定所述第二图片的作物类型； 将所述作物类型为水稻的图片标记为第 三图片， 根据所述人工审核 界面的输入确定所 述第三图片的生长周期； 将所述第二图片和所述第二图片的作物类型作为训练集用于训练所述水稻作物类型 识别模型； 将所述第三图片和所述第三图片的生长周期作为训练集用于训练所述水稻生长周期 识别模型。 6.根据权利要求1 ‑5任一项所述的水稻图片智能审核方法， 其特 征在于， 所述水稻 作物类型识别模型以及所述水稻生长周期识别模型部署到移动终端。 7.一种水稻图片智能审核系统， 其特 征在于， 包括： 待审核图片 获取模块， 位于移动终端， 用于接收第 一图片和用户信 息， 所述第 一图片携 带图片地理位置信息， 所述图片地理位置信息表示所述第一图片拍摄时的地理位置， 所述 用户信息包括用户所属区域； 还用于计算所述第一图片的第一哈希值； 图片元信息检测模块， 位于服务器， 用于接收所述第 一图片、 所述用户信息和所述第一 哈希值； 用于根据所述第一图片、 所述用户信息、 所述第一哈希值， 以及哈希值数据库内所 存储的图片哈希值判断所述第一图片是否通过第一审核检测， 所述第一审核检测包括区域 检测和重复检测， 所述哈希值数据库用于存 储通过智能审核的第一图片的哈希值； 第二审核检测模块， 部署于移动终端， 用于当通过第 一审核检测， 将所述第 一图片输入权　利　要　求　书 2/4 页 3 CN 115131670 B 3