动物系谱的更新方法、装置及计算机设备

    公开(公告)号:CN113961724B

    公开(公告)日:2022-04-22

    申请号:CN202111575407.3

    申请日:2021-12-22

    IPC分类号: G06F16/36 G06K9/62

    摘要: 本申请公开了一种动物系谱的更新方法、装置及计算机设备,通过获取原始动物系谱和待加入到原始动物系谱中的第一动物关系数据,对第一动物关系数据进行数据转换,得到第一关系m元组;以第一关系m元组中的每个遗传关系数据分别建立超平面,并将头节点数据投影至超平面,得到每个超平面的节点投影数据;利用预设的系谱表示模型,将尾节点数据和每个超平面的节点投影数据均投影至目标全局投影空间,得到尾节点数据的表示向量;最后根据尾节点数据的表示向量,更新原始动物系谱,得到目标动物系谱,从而只需计算局部系谱关系,而无需重新计算所有系谱关系,提高了运算效率。

    生长性能测定模型的训练方法、测定方法及装置

    公开(公告)号:CN113951169B

    公开(公告)日:2022-04-22

    申请号:CN202111536205.8

    申请日:2021-12-16

    发明人: 刘旭 杨帆 马文彦

    IPC分类号: A01K29/00 G06N3/04 G06N3/08

    摘要: 本申请公开了一种生长性能测定模型的训练方法、测定方法及装置,通过获取牲畜系谱表以及牲畜个体的第一个体特征,并根据牲畜系谱表,建立第一邻接矩阵;对第一邻接矩阵和第一个体特征进行拼接,得到第一拼接特征,以将牲畜个体的个体特征与遗传关系进行结合,从而结合牲畜个体的当前自身状况和遗传因素对生长性能的影响;最后基于第一拼接特征作为模型输入,对预设的图神经网络模型进行迭代训练,直至图神经网络模型达到预设收敛条件,停止迭代,得到生长性能测定模型,从而利用神经网络模型实现牲畜生长性能的测定,解决依赖人工而导致测定结果不准确的问题,同时无需对牲畜进行驱赶,避免牲畜出现应激反应。

    一种牲畜的优生选配方法和装置
    7.
    发明公开

    公开(公告)号:CN114511068A

    公开(公告)日:2022-05-17

    申请号:CN202210139824.1

    申请日:2022-02-15

    发明人: 刘旭 马文彦 杨帆

    摘要: 本发明提供了一种牲畜的优生选配方法和装置,所述方法包括:获取公母畜的已育种信息,将每组公母畜的已育种信息作为结点特征,并生成若干个与每组公母畜一一对应的综合指标值;按照预设比例抽取结点特征和综合指标值,结合公母畜的系谱数据,建立训练集和图神经网络模型,直至模型收敛;输入待选育公母畜的育种信息至模型,获得输入的公母畜的综合指标值,结合第二预设条件,从所述待选育公畜中进行选配。本发明相对于现有技术,输入公母畜的育种信息到训练好的图神经网络模型,以此智能地获得公母畜的最优选配结果,而不局限于育种指标的计算,替代了人工根据育种指标和经验进行选配的步骤,具有更高的遗传进展效率和更低的人力、物力成本。

    动物系谱的生成方法、装置及计算机设备

    公开(公告)号:CN113946695B

    公开(公告)日:2022-04-22

    申请号:CN202111558018.X

    申请日:2021-12-20

    IPC分类号: G06F16/36 G06F16/28 G06K9/62

    摘要: 本申请公开了一种动物系谱的生成方法、装置及计算机设备,通过获取原始动物系谱和待加入到原始动物系谱中的第一动物关系数据,对第一动物关系数据进行数据转换,得到第一关系四元组,从而解决传统三元组描述节点之间遗传关系存在关系表示冲突的问题;再以第一关系四元组中的遗传关系数据建立超平面,并将父节点数据、母节点数据和子节点数据投影至超平面,得到投影数据,从而分解出子节点与父节点和母节点之间的线性关系;最后利用预设的系谱表示模型,根据投影数据,将第一动物关系数据加入到原始动物系谱,得到目标动物系谱,实现只需计算局部系谱关系,而无需重新计算所有系谱关系,提高了运算效率。

    生长性能测定模型的训练方法、测定方法及装置

    公开(公告)号:CN113951169A

    公开(公告)日:2022-01-21

    申请号:CN202111536205.8

    申请日:2021-12-16

    发明人: 刘旭 杨帆 马文彦

    IPC分类号: A01K29/00 A01K15/02

    摘要: 本申请公开了一种生长性能测定模型的训练方法、测定方法及装置,通过获取牲畜系谱表以及牲畜个体的第一个体特征,并根据牲畜系谱表,建立第一邻接矩阵;对第一邻接矩阵和第一个体特征进行拼接,得到第一拼接特征,以将牲畜个体的个体特征与遗传关系进行结合,从而结合牲畜个体的当前自身状况和遗传因素对生长性能的影响;最后基于第一拼接特征作为模型输入,对预设的图神经网络模型进行迭代训练,直至图神经网络模型达到预设收敛条件,停止迭代,得到生长性能测定模型,从而利用神经网络模型实现牲畜生长性能的测定,解决依赖人工而导致测定结果不准确的问题,同时无需对牲畜进行驱赶,避免牲畜出现应激反应。