公开(公告)号：CN118447928A

公开(公告)日：2024-08-06

申请号：CN202410678242.X

申请日：2024-05-29

Applicant: 福建农林大学

Inventor： 刘若愚 ,  陈盛圳 ,  陈新华 ,  郑平 ,  孟子钰

IPC: G16B40/00 ,  G16B5/00 ,  G06N3/0455 ,  G06N3/096

Abstract: 本发明公开一种基于迁移学习的抗冻蛋白分型预测方法，属于生物信息技术领域。本发明方法包括：收集已经过结构域注释的抗冻蛋白和非抗冻蛋白序列作为正负数据集；采取过采样和欠采样方法进行数据平衡；选择ProteinBert模型对抗冻蛋白序列数据集进行训练，使抗冻蛋白序列与结构域标签之间形成对应关系，以构建BERT‑DomainAFP模型；将待鉴定蛋白序列数据输入BERT‑DomainAFP模型中进行预测，得到对应的结构域预测值；设定目标数据标签，若BERT‑DomainAFP模型输出的结构域预测值与目标数据标签相同，则判定待鉴定的蛋白序列中存在抗冻蛋白序列结构域。本发明的模型特征提取能力强，能够自动从蛋白质序列中提取出复杂的特征信息，对抗冻蛋白预测的准确率高、特异性好、灵敏度高、预测精度高。

公开(公告)号：CN117710733A

公开(公告)日：2024-03-15

申请号：CN202311716192.1

申请日：2023-12-14

Applicant: 福建农林大学

Inventor： 秦源 ,  郑平 ,  陈盛圳 ,  安昌 ,  吴佳昊 ,  陆琳

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/26 ,  G06T7/13 ,  G06T7/194 ,  G06N3/047 ,  G06N3/045

Abstract: 本发明公开了一种基于深度学习的快速植物腊叶标本分类识别方法，其由图像输入模块，图像分割模块，图像识别分类模块，预测信息处理与输出模块构成，其中图像分割模块采用基于卷积神经网络的图像分割算法，图像识别分类模块采用基于卷积神经网络的分类算法，本发明的优点：提高了工作效率和精度；对于植物图像的预处理中对植物图像的背景去噪，增加导致模型性能，可以完成需要较高精度的植物腊叶标本识别工作；对植物标本图像进行分割，提取出植物腊叶标本的轮廓并去除背景干扰；可以使用训练好的深度学习模型，对未分类的植物腊叶标本图像进行分类识别，模型会对输入图像的特征进行提取和分析，并预测图像所属的物种类别。