知搜-全球专利检索

  1. Login
  2. Sign Up

Search Results

11 records (took 0.019 seconds)

    一种融合多环境因子预测新环境材料表型的方法
    1.
    发明公开
    一种融合多环境因子预测新环境材料表型的方法 审中-实审

    公开(公告)号：CN118629491A

    公开(公告)日：2024-09-10

    申请号：CN202410794374.9

    申请日：2024-06-19

    Applicant: 华中农业大学

    Inventor： 方文婕 ,  杨文宇 ,  张建 ,  肖英杰 ,  严建兵

    IPC: G16B20/20 ,  G16B40/00 ,  G06Q10/04 ,  G06Q50/02

    Abstract: 本发明提供了一种融合多环境因子预测新环境材料表型的方法，首先根据材料的种植环境和种植时期，获得整个生育期以天为单位的25类环境数据；然后针对每种环境数据、经过不同大小窗口的滑窗，求得每个窗口内环境数据的均值，将环境均值和表型关联，挑选具有最大相关性的窗口代表该环境数据；在单环境下使用GBLUP预测已知环境新材料表型；最后利用三个地点的环境数据和表型数据构建模型，一个地点的环境数据和表型数据挑选环境因子，实现了预测新环境表型的功能。本发明帮助育种家无需种植就得到目标材料在新环境的表型，进而辅助遗传改良和材料选育，以及为特定生态环境培育具有优秀表现的品种提供了建议。

    一种基于深度学习的复杂性状高效基因组预测方法
    2.
    发明公开
    一种基于深度学习的复杂性状高效基因组预测方法 审中-实审

    公开(公告)号：CN117711484A

    公开(公告)日：2024-03-15

    申请号：CN202311826967.0

    申请日：2023-12-27

    Applicant: 华中农业大学

    Inventor： 肖英杰 ,  严建兵 ,  刘建晓 ,  姚州 ,  罗靓赟 ,  王创 ,  谢傲

    IPC: G16B20/00 ,  G16B40/00 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/047

    Abstract: 本发明公开了一种基于深度学习的复杂性状高效基因组预测方法，包括：S1，获取测序得到的全基因组数据以及田间获取的表型数据，并对其数据预处理；S2，通过充分提取SNP位点间的局部和全局特征，构建单性状基因组预测模型；S3，通过计算表型性状之间的相关性确定辅助性状的数量，构建多性状联合基因组预测深度学习模型；S4，基于预处理后的全基因组数据和表型数据训练gMLP模型和MT‑gMLP模型，进而实现育种决策辅助；S5，通过Saliency map的可解释技术解析MT‑gMLP模型与gMLP模型预测准确率差异的原因，以及挖掘表型相关的潜在基因以及功能位点。本发明实现了基于SNP数据精准预测复杂性状的表型值，进而加快作物智能设计育种。

    基于无人机与深度学习的大田作物幼苗高精度检测方法
    4.
    发明公开
    基于无人机与深度学习的大田作物幼苗高精度检测方法 审中-实审

    公开(公告)号：CN118196669A

    公开(公告)日：2024-06-14

    申请号：CN202410451507.2

    申请日：2024-04-16

    Applicant: 华中农业大学

    Inventor： 张建 ,  石昊天 ,  王晨光 ,  雷安 ,  肖英杰 ,  吴成秀 ,  薛国忠 ,  谢静 ,  吴擎 ,  张纾

    IPC: G06V20/17 ,  G06V20/10 ,  G06V10/82 ,  G06V10/10 ,  G06V10/32 ,  G06V10/25

    Abstract: 本发明公开了一种基于无人机与深度学习的大田作物幼苗高精度检测方法。该方法首先通过无人机拍摄获取高清遥感图像，然后将这些图像经过无人机影像处理软件拼接为具有地理坐标的DOM影像，DOM影像经过裁切、检测、拼接等处理步骤，以获取大田作物幼苗的具体位置和大小信息。结合数据分析和图像处理技术，进一步获取大田作物苗情信息。在检测和拼接的关键环节，本发明采用了IoA方法，用于消除了深度学习模型在检测过程中产生的错误，以及图像裁切过程带来的偏差。结果表明，本方法在识别大田作物幼苗时，幼苗计数精度达到了95.3%以上，mAP指标也不低于87.1%。此方法为大田作物幼苗的高精度检测提供了一种有效的技术途径。

    一种用于整合多类型数据进行表型预测的多视图GBLUP方法
    5.
    发明公开
    一种用于整合多类型数据进行表型预测的多视图GBLUP方法 审中-实审

    公开(公告)号：CN117153247A

    公开(公告)日：2023-12-01

    申请号：CN202310986747.8

    申请日：2023-08-04

    Applicant: 华中农业大学

    Inventor： 杨文宇 ,  卓琳 ,  吴冰杰 ,  肖英杰 ,  严建兵

    IPC: G16B20/20 ,  G16B40/00 ,  G16B50/00 ,  G06N3/126

    Abstract: 本发明公开了一种用于整合多类型数据进行表型预测的多视图GBLUP方法，包括以下步骤：将SNP基因型数据按照不同的表型类型表示为0/1/2形式的多类型数据，对数据进行Z‑score标准化；设多类型数据矩阵中的第i行和第j行为个体xi,xj，计算Kinship矩阵，定义两个个体间的相似性函数；将多类型数据加权整合成一个Kinship矩阵，使用差分进化算法，对种群进行变异、交叉操作，对比种群中的个体和经过变异、交叉后的个体，将权重赋予多类型数据的Kinship矩阵，将其代入到GBLUP模型中学习，选择表型预测精度高的个体作为下一代种群的成员；设置终止条件，输出多类型数据最优的权重组合。本发明能够快速准确的获取多类型数据的最优权重组合，辅助表型预测。

    基于高光谱成像的作物籽粒代谢性状检测和遗传解析方法
    6.
    发明授权
    基于高光谱成像的作物籽粒代谢性状检测和遗传解析方法 有权

    公开(公告)号：CN113393897B

    公开(公告)日：2022-04-12

    申请号：CN202110707252.8

    申请日：2021-06-22

    Applicant: 华中农业大学

    Inventor： 杨万能 ,  冯慧 ,  宋鹏 ,  戴国新 ,  宋京燕 ,  赵爽 ,  陈晓茜 ,  叶军立 ,  李为坤 ,  严建兵 ,  罗杰 ,  郭亮 ,  陈伟 ,  石涛涛 ,  肖英杰 ,  刘谦 ,  熊立仲

    IPC: G16B20/20

    Abstract: 本发明公开了一种基于高光谱成像的作物籽粒代谢性状检测和遗传解析方法。首先利用高光谱相机采集作物籽粒的高光谱图像，得到上千种作物籽粒高光谱指数，其次利用气相/高效液相色谱‑串联质谱法检测上千种代谢物；基于群体各株系的基因分型信息，分别以高光谱指数和代谢物含量作为作物籽粒表型性状进行全基因组关联分析，筛选显著SNP位点，对两组显著SNP位点进行共定位分析，构建高光谱表型‑基因型‑代谢表型关联网络H1‑G‑M1；对高光谱指数和代谢物含量使用Lasso回归进行特征筛选，构建高光谱‑代谢表型关联网络H2‑M2；综合分析H1‑G‑M1和H2‑M2网络，整合二者构建高光谱表型‑基因型‑代谢物表型关联网络H3‑G‑M3，进一步挖掘作物籽粒代谢遗传结构的新信息。

    基于高光谱成像的作物籽粒代谢性状检测和遗传解析方法
    7.
    发明公开
    基于高光谱成像的作物籽粒代谢性状检测和遗传解析方法 有权

    公开(公告)号：CN113393897A

    公开(公告)日：2021-09-14

    申请号：CN202110707252.8

    申请日：2021-06-22

    Applicant: 华中农业大学

    Inventor： 杨万能 ,  冯慧 ,  宋鹏 ,  戴国新 ,  宋京燕 ,  赵爽 ,  陈晓茜 ,  叶军立 ,  李为坤 ,  严建兵 ,  罗杰 ,  郭亮 ,  陈伟 ,  石涛涛 ,  肖英杰 ,  刘谦 ,  熊立仲

    IPC: G16B20/20

    Abstract: 本发明公开了一种基于高光谱成像的作物籽粒代谢性状检测和遗传解析方法。首先利用高光谱相机采集作物籽粒的高光谱图像，得到上千种作物籽粒高光谱指数，其次利用气相/高效液相色谱‑串联质谱法检测上千种代谢物；基于群体各株系的基因分型信息，分别以高光谱指数和代谢物含量作为作物籽粒表型性状进行全基因组关联分析，筛选显著SNP位点，对两组显著SNP位点进行共定位分析，构建高光谱表型‑基因型‑代谢表型关联网络H1‑G‑M1；对高光谱指数和代谢物含量使用Lasso回归进行特征筛选，构建高光谱‑代谢表型关联网络H2‑M2；综合分析H1‑G‑M1和H2‑M2网络，整合二者构建高光谱表型‑基因型‑代谢物表型关联网络H3‑G‑M3，进一步挖掘作物籽粒代谢遗传结构的新信息。

Patent Agency Ranking