公开(公告)号：CN120048354A

公开(公告)日：2025-05-27

申请号：CN202411878411.0

申请日：2024-12-19

Applicant: 南京农业大学三亚研究院 ,  南京农业大学 ,  南京星罗智能科技有限公司

Inventor： 黄君贤 ,  刘泽民 ,  陈子欣 ,  史璞源 ,  季呈明 ,  黄骥 ,  朱雪爱 ,  徐焕良 ,  高健峰

IPC: G16B30/10 ,  G16B40/20 ,  G06F18/243 ,  G06N3/0464

Abstract: 本发明公开了一种大豆油、蛋白质含量预测和其SNP分析方法及系统，方法包括获取大豆样本数据集；对预处理后的大豆样本数据集进行特征选择和维度筛选，以得到筛选后的第一数据集；对第一数据集进行编码，编码基于碱基维度引入权重，以得到编码数据；将编码数据输入至预测模型，对油含量及蛋白质含量进行预测；对预测模型进解释性分析，获取SNP位点对表型的影响数据。本发明通过结合LD分析、GWAS分析、SVR模型和SHAP解释性分析，实现了在高维小样本数据中对大豆油和蛋白质含量的精准预测，同时提升了模型的解释性和可操作性。不仅能够有效降低数据冗余，还能够识别出与目标表型显著相关的SNP位点，提高了对基因型与表型关系的理解能力。

公开(公告)号：CN118887525A

公开(公告)日：2024-11-01

申请号：CN202410800499.8

申请日：2024-06-20

Applicant: 南京农业大学三亚研究院

Inventor： 翟肇裕 ,  张杰 ,  葛焱 ,  朱淑鑫 ,  徐焕良

IPC: G06V20/10 ,  G06V10/20 ,  G06V10/25 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及槟榔黄化症状分析技术领域，尤其涉及基于3D卷积神经网络的槟榔叶片黄化症状分析方法及系统，采用活体拍摄高光谱图像的方法，使用推扫式高光谱成像系统拍摄槟榔叶片的高光谱图像；采用黑白校正方法得到初步的高光谱图像；对槟榔叶片进行感兴趣区域提取并计算提取出感兴趣区域的平均光谱，对平均光谱进行SG平滑滤波器处理；使用SHAP方法提取出贡献度最高的特征波段；训练3D卷积神经网络模型，判断光谱数据所属的不同类别输出槟榔黄化症状的原因分析结果，高光谱图像和3D卷积神经网络共同提高模型对于光谱的空间特征提取能力，模型对槟榔黄化症状的原因分析能力更强，不局限于区分健康和病害，分析导致病害的不同原因。

公开(公告)号：CN118797475A

公开(公告)日：2024-10-18

申请号：CN202410794515.7

申请日：2024-06-19

Applicant: 南京农业大学三亚研究院

Inventor： 翟肇裕 ,  张胜辉 ,  张杰 ,  葛焱 ,  朱淑鑫 ,  徐焕良

IPC: G06F18/2415 ,  G06F18/213 ,  G06N3/0464 ,  G16H50/20 ,  G16H50/30

Abstract: 本发明涉及槟榔黄化病病情等级评价技术领域，具体是基于光谱指数APYDI的槟榔黄化病病情等级评估方法，包括：利用注意力机制和深度可分离卷积构建光谱特征提取模块，在网络中加入可变形卷积模块和空洞卷积模块来提取特征信息；通过硬阈值策略获取与黄化病相关性较高的光谱波段和波段的权重值；将波段和权重进行加权求和组成用于评估槟榔黄化病病情等级的光谱指数APYDI；结合时序信息，对不同时间节点的槟榔病情等级进行准确评估。本发明利用注意力机制和深度可分离卷积构建的光谱特征提取模块完成敏感波段及权重的获取，采用光谱空洞卷积模块和可变形卷积模块对病情等级评估模型进行优化，有效地提高了槟榔黄化病病情评估的性能。