[发明专利]肉牛个体生长曲线获取方法、装置和存储介质有效

专利信息
申请号: 202010440542.6 申请日: 2020-05-22
公开(公告)号: CN111738410B 公开(公告)日: 2023-09-26
发明(设计)人: 赵拴平;贾玉堂;徐磊;金海 申请(专利权)人: 安徽省农业科学院畜牧兽医研究所
主分类号: G06N3/045 分类号: G06N3/045;G06N3/082;G06F18/25;G06T11/20;G06Q50/02
代理公司: 广州嘉权专利商标事务所有限公司 44205 代理人: 何文聪
地址: 230031 安*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 肉牛 个体 生长 曲线 获取 方法 装置 存储 介质
【说明书】:

发明公开了一种肉牛个体生长曲线获取方法、装置和存储介质。肉牛个体生长曲线获取方法包括从肉牛获取在小于等于t个月的多个生长时间下的各第三体征特征,设定u‑t个零值数据,将第1个月至第u个月生长时间下的各第三体征特征输入到第t个月对应的人工智能模型,获取人工智能模型的输出值,根据所述人工智能模型的输出值确定第三曲线参数,获取由所述第三曲线参数确定的个体生长曲线等步骤。本发明实施例使用经过训练的人工智能模型,可以利用肉牛群体的生长信息,从而预测单个肉牛的生长趋势。本发明广泛应用于肉牛生产技术领域。

技术领域

本发明涉及肉牛生产技术领域,尤其是一种肉牛个体生长曲线获取方法、装置和存储介质。

背景技术

肉牛生长曲线描述肉牛的体征信息与生长时间的关系,生长曲线拟合是研究和分析生长发育规律的重要方法之一,是对肉牛整体或组织器官等的增重过程中进行的动态描述和分析。例如,在肉牛的生产和育种中,通过在肉牛各个生长时间下对肉牛的体重进行测定,可以建立肉牛的体重-生长时间生长曲线,通过对生长曲线的分析,可以对肉牛的体重增重进行评定和预测,确定肉牛在实际生产条件下的营养需要建立饲喂方案。因此,科学合理地预测肉牛的生长曲线能够帮助企业充分发挥其生产潜力,提高经济效益。

现有技术中,生长曲线是基于肉牛的群体测定的,即主要考虑了肉牛的群体特征。但是,群体和特定的个体之间存在差异,即使现有技术得到的生长曲线能够用来较好地预测肉牛群体的生长变化,但应用于每个个体时很可能会出现偏差,导致预测结果不准确。

发明内容

针对上述至少一个技术问题,本发明的目的在于提供一种肉牛个体生长曲线获取方法、装置和存储介质。

一方面,本发明实施例包括一种肉牛个体生长曲线获取方法,包括以下步骤:

确定所述肉牛当前的生长时间为t个月;

从所述肉牛获取在小于等于t个月的多个生长时间下的各第三体征特征;所述第三体征特征用于从第一方面描述肉牛的体征信息;

获取u-t个零值数据;u为生长时间的上限;

将各所述第三体征特征和各所述零值数据输入到第t个月对应的人工智能模型;

获取所述人工智能模型的输出值;

根据所述人工智能模型的输出值确定第三曲线参数;

获取由所述第三曲线参数确定的个体生长曲线。

进一步地,所述第t个月对应的人工智能模型经过如下训练:

获取训练数据;所述训练数据包括无量纲化参数以及在小于等于t个月的多个生长时间下从肉牛获取的多个第一体征特征;所述第一体征特征用于从第一方面描述肉牛的体征信息,所述第一体征特征与所述肉牛的生长时间之间通过个体生长曲线描述,相同生长时间的多个所述第一体征特征形成群体体征特征,所述群体体征特征与所述肉牛的生长时间之间通过群体生长曲线描述;所述无量纲化参数为根据所述群体生长曲线对所述个体生长曲线进行无量纲化的结果;

使用所述训练数据对所述人工智能模型进行训练;在所述训练中,以各所述第一体征特征和u-t个零值数据作为所述人工智能模型的输入,以所述无量纲化参数作为所述人工智能模型的预期输出。

进一步地,所述训练数据还包括第二体征特征,所述第二体征特征用于从第二方面描述肉牛的体征信息;所述第二体征特征与所述第一体征特征以及所述零值数据共同作为所述人工智能模型的输入。

进一步地,所述人工智能模型包括线性融合模块和全连接模块;

所述线性融合模块用于接收所述第一体征特征和第二体征特征,以可训练的线性融合模块参数对所述第一体征特征和第二体征特征进行线性组合,从而输出组合体征特征;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽省农业科学院畜牧兽医研究所,未经安徽省农业科学院畜牧兽医研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010440542.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top