一种盐碱地耐盐作物智能选育评估方法及系统技术方案

本发明专利技术公开了一种盐碱地耐盐作物智能选育评估方法及系统，方法包括作物数据采集、作物数据完善、建立作物选育评估模型和作物智能选育评估。本发明专利技术属于选育评估领域，具体是指一种盐碱地耐盐作物智能选育评估方法及系统，本方案通过引入环境适配性级差调控，避免仅生成单一耐盐等级样本；通过引入胁迫级差系数进行目标函数优化，通过表型样本生成器特征调整函数，使得生成样本与盐碱地实际盐胁迫规律高度适配；通过层级注意力机制，按特征重要性函数，评估作物选育数据不同层级特征的贡献，剔除冗余特征；通过引入环境边缘损失，提升极端盐碱环境中相邻耐盐等级的区分度；拉大相邻耐盐等级特征中心的距离，进而提高作物选育评估效果。

【技术实现步骤摘要】

本专利技术涉及选育评估，具体是指一种盐碱地耐盐作物智能选育评估方法及系统。

技术介绍

1、盐碱地耐盐作物选育评估方法是指通过测定作物在盐碱环境中的生长指标和环境参数，对作物耐盐能力进行等级划分或优劣判断的手段。但是一般盐碱地耐盐作物选育评估方法存在作物选育数据失衡，漏判优良品种；环境适配性差，作物选育样本与实际盐胁迫下的作物表型规律脱节，进而导致选育评估可靠性低的问题；一般盐碱地耐盐作物选育评估方法存在作物特征冗余干扰，相邻耐盐等级表型差异细微，且极端盐碱环境会加剧特征重叠，进而导致高耐盐品种误判，作物选育评估效果差的问题。

技术实现思路

1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了一种盐碱地耐盐作物智能选育评估方法及系统，针对一般盐碱地耐盐作物选育评估方法存在作物选育数据失衡，漏判优良品种；环境适配性差，作物选育样本与实际盐胁迫下的作物表型规律脱节，进而导致选育评估可靠性低的问题，本方案通过引入环境适配性级差调控和整数特征范围调控，避免仅生成单一耐盐等级样本；通过引入胁迫级差系数进行目标函数优化本文档来自技高网...

【技术保护点】

1.一种盐碱地耐盐作物智能选育评估方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的一种盐碱地耐盐作物智能选育评估方法，其特征在于：在步骤S2中，所述作物数据完善具体包括以下内容：

3.根据权利要求2所述的一种盐碱地耐盐作物智能选育评估方法，其特征在于：在步骤S2中，所述目标函数优化是对于整数型数据增强，构建包含环境适配性级差调控的真实性判别损失，表示为：；其中，是真实整数型样本的分布；是整数型样本；是表型真实性鉴别器的真实性判别输出；是噪声z的分布；是表型样本生成器根据噪声z和耐盐等级标签生成的整数样本；构建耐盐等级分类损失，表示为：；生成新整数样...

【技术特征摘要】

1.一种盐碱地耐盐作物智能选育评估方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的一种盐碱地耐盐作物智能选育评估方法，其特征在于：在步骤s2中，所述作物数据完善具体包括以下内容：

3.根据权利要求2所述的一种盐碱地耐盐作物智能选育评估方法，其特征在于：在步骤s2中，所述目标函数优化是对于整数型数据增强，构建包含环境适配性级差调控的真实性判别损失，表示为：；其中，是真实整数型样本的分布；是整数型样本；是表型真实性鉴别器的真实性判别输出；是噪声z的分布；是表型样本生成器根据噪声z和耐盐等级标签生成的整数样本；构建耐盐等级分类损失，表示为：；生成新整数样本记为；其中，是表型真实性鉴别器对真实整数样本的耐盐等级分类输出；是表型真实性鉴别器对生成整数样本的耐盐等级分类输出；引入胁迫级差系数，胁迫级差系数表示为：；定义表型样本生成器特征调整函数，表示为：；其中，是耐盐等级衰减函数，；e是土壤电导率，未标准化前的数值；和分别是调整后和调整前的浮点型表型特征；是作物耐盐等级；最终整数型数据增强的损失函数表示为：；和是增强权重；是对不同土壤电导率级差的求和；是真实样本中，在土壤电导率为e时的浮点型表型特征均值。

4.根据权利要求3所述的一种盐碱地耐盐作物智能选育评估方法，其特征在于：在步骤s3中，所述建立作物选育评估模型是以深度学习模型为基础，建立作物选育评估模型；模型通过梯度下降算法更新参数，通过粒子群算法调整初始参数；具体包括以下内容：

5.根据权利要求4所述的一种盐碱地耐盐作物智能选育评估方法，其特征在于：在步骤s3中，所述网络分类是用数据增强后的样本计算每类耐盐等级的特征中心，计算待预测样本特征与各类特征中心的欧氏距离，距离最近的等级即为预测结果；耐盐等级特征中心计算所用公式为：；分类概率计算所用公式为：；其中，和分别是第j类和第u...

【专利技术属性】
技术研发人员：孙一鸣，徐新建，王红叶，李慧，贾冲冲，宋科，张宁，张小燕，王宁，韩哲，张峰，高迎春，姜超，卜令豪，李文豪，卢晓亮，刘晓，韩立婷，
申请(专利权)人：滨州市农业科学院，
类型：发明
国别省市：