-
公开(公告)号：CN111613273B
公开(公告)日：2023-03-28
申请号：CN202010277398.9
申请日：2020-04-10
Applicant: 安徽省农业科学院畜牧兽医研究所
Abstract: 本发明公开了一种模型训练方法、蛋白质相互作用预测方法、装置和存储介质。模型训练方法包括获取由第一描述信息、第二描述信息和标签信息组成的训练数据，使用训练数据执行至少一次迭代操作，直至所述人工智能模型的损失函数满足收敛条件等步骤。通过对人工智能模型进行训练，可以使得人工智能模型具有获取不同蛋白质的序列信息之间相似性的能力，由于根据序列信息相似性来判断两种蛋白质之间是否能够发生相互作用，更符合蛋白质相互作用的机理，训练所得的人工智能模型能够准确地预测两种蛋白质之间是否能够发生相互作用，将人工智能模型用于预测蛋白质之间能否发生相互作用时，能够达到较高的准确率。本发明广泛应用于计算机技术领域。
-
公开(公告)号：CN107079833A
公开(公告)日：2017-08-22
申请号：CN201710532934.3
申请日：2017-07-03
Applicant: 安徽省农业科学院畜牧兽医研究所
CPC classification number: Y02P60/873 , Y02P60/877 , A01K29/005
Abstract: 本发明涉及一种防治大别山母牛隐性发情的方法，所述的母牛采用以下饲料饲养：基础日粮10000份、维生素E 0.5‑0.8份、蛋氨酸螯合铜0.8‑1.5份、蛋氨酸螯合硒6‑10份，其中，维生素E有效含量为50％，蛋氨酸螯合铜中有效铜含量≥17％，蛋氨酸螯合硒中有效含硒量为0.15％，以上百分数均为质量百分数。本发明选用合适的饲料配方，通过在饲料中补入适量的铜、硒、维生素E可以显著提高发情周期E2的平均浓度、显著降低了T的平均浓度，进而显著改善了大别山牛的隐性发情，隐性发情牛的正常发情率达到80％，降低了因为隐性发情带来的经济损失。
-
公开(公告)号：CN111951888B
公开(公告)日：2023-10-03
申请号：CN202010755437.1
申请日：2020-07-31
Applicant: 安徽省农业科学院畜牧兽医研究所
Abstract: 本发明公开了一种牛肉脂肪酸组成预测方法、系统和存储介质，所述方法包括：对待测目标进行全基因组测序，获取所述待测目标的SNPs位点；根据预设置的SNPs位点，在所述待测目标的SNPs位点中筛选出有效的SNPs位点；将所述有效的SNPs位点输入到牛肉脂肪酸预测模型中，获取所述待测目标的牛肉脂肪酸组成。本发明实施例通过全基因组测序技术获取待测目标的SNPs位点，并在待测目标的SNPs位点中筛选出有效的SNPs位点，并将有效的SNPs位点输入到牛肉脂肪酸预测模型中，获取待测目标的牛肉脂肪酸组成，相较于现有的气相色谱法，大大提高了牛肉脂肪酸组成检测的效率。本发明可广泛应用于生物技术领域中。
-
公开(公告)号：CN109903282A
公开(公告)日：2019-06-18
申请号：CN201910151420.2
申请日：2019-02-28
Applicant: 安徽省农业科学院畜牧兽医研究所
Abstract: 本发明公开了一种细胞计数方法、系统、装置和存储介质。所述方法包括将待计数细胞图像输入到深度学习网络中，返回所述深度学习网络输出的细胞计数值等步骤，所述深度学习网络经过使用训练数据集进行的训练。本发明使用卷积神经网络来对待计数细胞图像进行处理，可以避免待计数细胞图像中的细胞出现的相互粘连和遮挡等情况产生的干扰，从而准确快速地输出细胞计数值。所使用的卷积神经网络所用的训练数据集的一部分是通过生成式对抗网络生成的，可以避免完全依靠人工标记来建立训练数据集导致的效率低下和数据集规模过小造成训练效果不佳的缺点，使得卷积神经网络可以得到良好的训练，具有较高的识别准确度。本发明广泛应用于图像识别技术领域。
-
公开(公告)号：CN110163846A
公开(公告)日：2019-08-23
申请号：CN201910319924.0
申请日：2019-04-19
Applicant: 安徽省农业科学院畜牧兽医研究所
Abstract: 本发明公开了一种肉牛体况自动评分方法、装置和存储介质。所述方法包括获取多张肉牛图像，将各所述肉牛图像按照所述拍摄角度所确定的顺序进行组合并将所述组合输入到深度学习网络中和接收所述深度学习网络输出的体况评分值等步骤。本发明所使用的深度学习网络经过训练后具有自动进行体况评分的能力，使用深度学习网络对肉牛进行体况评分，可以避免人工参与评分过程带来的主观性造成评分标准不稳定，从而提高评分准确度，同时使用深度学习网络可以更快地得到评分结果；同时深度学习网络评分过程中所使用的肉牛图像可以由可拍摄可见光以及可拍摄二维图像的摄像机拍摄得到，具有较低的使用成本。本发明广泛应用于肉牛体况评分技术领域。
-
Patent Agency Ranking
公开(公告)号：CN109903282B
公开(公告)日：2023-06-09
申请号：CN201910151420.2
申请日：2019-02-28
Applicant: 安徽省农业科学院畜牧兽医研究所
IPC: G06T7/00 , G06V20/69 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种细胞计数方法、系统、装置和存储介质。所述方法包括将待计数细胞图像输入到深度学习网络中，返回所述深度学习网络输出的细胞计数值等步骤，所述深度学习网络经过使用训练数据集进行的训练。本发明使用卷积神经网络来对待计数细胞图像进行处理，可以避免待计数细胞图像中的细胞出现的相互粘连和遮挡等情况产生的干扰，从而准确快速地输出细胞计数值。所使用的卷积神经网络所用的训练数据集的一部分是通过生成式对抗网络生成的，可以避免完全依靠人工标记来建立训练数据集导致的效率低下和数据集规模过小造成训练效果不佳的缺点，使得卷积神经网络可以得到良好的训练，具有较高的识别准确度。本发明广泛应用于图像识别技术领域。
-
公开(公告)号：CN111613273A
公开(公告)日：2020-09-01
申请号：CN202010277398.9
申请日：2020-04-10
Applicant: 安徽省农业科学院畜牧兽医研究所
Abstract: 本发明公开了一种模型训练方法、蛋白质相互作用预测方法、装置和存储介质。模型训练方法包括获取由第一描述信息、第二描述信息和标签信息组成的训练数据，使用训练数据执行至少一次迭代操作，直至所述人工智能模型的损失函数满足收敛条件等步骤。通过对人工智能模型进行训练，可以使得人工智能模型具有获取不同蛋白质的序列信息之间相似性的能力，由于根据序列信息相似性来判断两种蛋白质之间是否能够发生相互作用，更符合蛋白质相互作用的机理，训练所得的人工智能模型能够准确地预测两种蛋白质之间是否能够发生相互作用，将人工智能模型用于预测蛋白质之间能否发生相互作用时，能够达到较高的准确率。本发明广泛应用于计算机技术领域。
-
公开(公告)号：CN110378385A
公开(公告)日：2019-10-25
申请号：CN201910534881.8
申请日：2019-06-20
Applicant: 安徽省农业科学院畜牧兽医研究所
IPC: G06K9/62
Abstract: 本发明公开了一种牛肉纹理自动评级方法、系统、装置和存储介质，所述方法包括将作为处理对象的牛肉图像输入到经过训练的纹理特征提取网络中，接收所述纹理特征提取网络输出的第一纹理特征，将所述第一纹理特征输入到经过训练的支撑向量机中，以及接收所述支撑向量机输出的评分等级等步骤。本发明所使用的支撑向量机能够很好的对小样本进行分类，因此本发明克服了现有的通过深度学习来进行牛肉纹理自动评级的技术虽然可以提取鲁棒的特征，但需要海量的样本的缺点，解决了因样本不足无法精确训练对牛肉纹理进行分类的问题。本发明广泛应用于牛肉图像处理技术领域。
-
公开(公告)号：CN107354216A
公开(公告)日：2017-11-17
申请号：CN201710678279.2
申请日：2017-08-09
Applicant: 安徽省农业科学院畜牧兽医研究所
IPC: C12Q1/68
CPC classification number: C12Q1/6888 , C12Q1/683 , C12Q2600/124 , C12Q2600/156 , C12Q2531/113 , C12Q2521/301
Abstract: 本发明公开了一种肉牛脂肪颜色性状的分子标记方法。该方法包括了牛基因组DNA的提取、β胡萝卜素9’，10’双加氧酶(BCO2)基因第3外显子引物设计、体外扩增和基因型检测4个步骤。本发明可以用于牛的育种中脂肪颜色性状的辅助选择，可实现种牛的早期选种，运用该基因聚合方法可以经过一个世代就可以将BCO2基因的优良基因型稳定下来，即经一个世代的选育即将一个肉牛品系的脂肪颜色性状的优良基因达到纯合，大大缩短了世代间隔，加快选择进程。本发明操作简便，聚合酶链式反应过程中条件要求不高，扩增片段长度较短(525bp)，扩增较容易，提高了扩增效率及判断基因型的准确性。
-
公开(公告)号：CN112102496B
公开(公告)日：2024-03-26
申请号：CN202011034291.8
申请日：2020-09-27
Applicant: 安徽省农业科学院畜牧兽医研究所
IPC: G06T17/20 , G06T7/62 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种牛体格测量方法、模型训练方法和系统，涉及人工智能技术，其中所述方法包括以下步骤：获取待测对象的3D点云数据；获取与所述3D点云数据处于同一坐标系下的三维点阵；根据所述3D点云数据中的各点与所述三维点阵中点的位置关系，将所述3D点云数据的各点的位置信息映射到所述三维点阵中，得到点阵信息；根据所述点阵信息得到多通道图像；将所述多通道图像输入到经过训练的模型中得到测量结果。本发明可以提升测量结果的精度。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.028 seconds)
