生长性能测定模型的训练方法、测定方法及装置制造方法及图纸

本申请公开了一种生长性能测定模型的训练方法、测定方法及装置，通过获取牲畜系谱表以及牲畜个体的第一个体特征，并根据牲畜系谱表，建立第一邻接矩阵；对第一邻接矩阵和第一个体特征进行拼接，得到第一拼接特征，以将牲畜个体的个体特征与遗传关系进行结合，从而结合牲畜个体的当前自身状况和遗传因素对生长性能的影响；最后基于第一拼接特征作为模型输入，对预设的图神经网络模型进行迭代训练，直至图神经网络模型达到预设收敛条件，停止迭代，得到生长性能测定模型，从而利用神经网络模型实现牲畜生长性能的测定，解决依赖人工而导致测定结果不准确的问题，同时无需对牲畜进行驱赶，避免牲畜出现应激反应。避免牲畜出现应激反应。避免牲畜出现应激反应。

【技术实现步骤摘要】
生长性能测定模型的训练方法、测定方法及装置


[0001]本申请涉及动物养殖领域，尤其涉及一种生长性能测定模型的训练方法、测定方法及装置。

技术介绍

[0002]牲畜生长性能的测定对育种和育肥具有重要的意义,其可以为牲畜个体的遗传评估、群体经济性状的遗传评估、牲畜群体的生产水平评估、制定育种规划和牲畜养殖场经营管理等提供数据依据。
[0003]目前，牲畜生长性能的测定都是采用人工+设备的方式，依赖于人工借助采集设备近距离对牲畜进行测定，必要时还需要对牲畜进行驱赶。但是人工方式容易因人工经验不同和测量标准不统一，导致数据不准确，并且通过驱赶牲畜可能导致牲畜出现应激反应，影响牲畜正常生长发育。因此，当前对牲畜生长性能的测定方式很难实际反映牲畜的生长速度、饲料的利用率等重要的性能指标,更无法对牲畜的生长状况做出有效的监控。

技术实现思路

[0004]本申请提供了一种生长性能测定模型的训练方法、测定方法及装置，以解决当前牲畜生长性能的测定方式准确度差的技术问题。
[0005]为了解决上述技术问题，第一方面，本申请实施例提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种生长性能测定模型的训练方法，其特征在于，包括：获取牲畜系谱表以及牲畜个体的第一个体特征；根据所述牲畜系谱表，建立第一邻接矩阵；对所述第一邻接矩阵和所述第一个体特征进行拼接，得到第一拼接特征；基于所述第一拼接特征作为模型输入，对预设的图神经网络模型进行迭代训练，直至所述图神经网络模型达到预设收敛条件，停止迭代，得到生长性能测定模型，所述生长性能测定模型用于测定牲畜的生长性能。2.如权利要求1所述的生长性能测定模型的训练方法，其特征在于，所述根据所述牲畜系谱表，建立第一邻接矩阵，包括：根据所述牲畜系谱表的多个实体节点以及节点关系，将牲畜系谱表转换为有向图；根据所述有向图的多个所述实体节点，建立所述第一邻接矩阵。3.如权利要求1所述的生长性能测定模型的训练方法，其特征在于，所述基于所述第一拼接特征作为模型输入，对预设的图神经网络模型进行迭代训练，直至所述图神经网络模型达到预设收敛条件，停止迭代，得到生长性能测定模型，包括：对于每个训练节点，利用所述图神经网络模型，根据所述训练节点的K层邻居节点对应的第一拼接特征，预测所述训练节点的第一生长性能参数，所述训练节点和所述邻居节点均为实体节点；根据所述第一生长性能参数，计算所述图神经网络模型的第一损失值；若所述第一损失值不小于预设阈值，更新所述图神经网络模型的模型参数；利用更新后的所述图神经网络模型，预测所述训练节点的第二生长性能参数，并根据所述第二生长性能参数，计算更新后的所述图神经网络模型的第二损失值，直至所述第二损失值小于所述预设阈值，停止训练，得到所述生长性能测定模型。4.如权利要求3所述的生长性能测定模型的训练方法，其特征在于，所述对于每个训练节点，利用所述图神经网络模型，根据所述训练节点的K层邻居节点对应的第一拼接特征，预测所述训练节点的第一生长性能参数，包括：对于每个所述训练节点，利用所述图神经网络模型的注意力头数，分配K个所述邻居节点的权重值；根据所述权重值和所述第一拼接特征，预测所述训练节点的所述第一生长性能参数。5.如权利要求1所述的生长性能测定模型的训练方法，其特征在于，所述基于所述第一拼接特征作为模型输入，对预设的图神经网络模型进行迭代训练，直至所述图神经网络模型达到预设收敛条件，停止迭代，得到生长性能测定模型之后，还...

【专利技术属性】
技术研发人员：刘旭，杨帆，马文彦，
申请(专利权)人：四川新希望动物营养科技有限公司新希望六和股份有限公司，
类型：发明
国别省市：