[发明专利]生长性能测定模型的训练方法、测定方法及装置

权利要求书

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；

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。

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。

3.如权利要求2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。

4.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，还包括：

获取测试集，所述测试集包括多个待测试牲畜个体以及每个所述待测试牲畜个体的实测性能参数；

利用所述生长性能测定模型，预测所述测试集中每个所述待测试牲畜个体的预测性能参数；

若所述预测性能参数与所述实测性能参数之间的误差小于预设误差值，则确定所述生长性能测定模型测试完成。

5.一种牲畜生长性能的测定方法，其特征在于，包括：

获取牲畜系谱表以及待测定牲畜个体的第二个体特征；

根据所述待测定牲畜个体在所述牲畜系谱表中的K层邻居节点，建立第二邻接矩阵；

对所述第二邻接矩阵和所述第二个体特征进行拼接，得到第二拼接特征；

利用生长性能测定模型，根据所述第二拼接特征，测定所述待测定牲畜个体的第三生长性能参数，所述生长性能测定模型基于上述权利要求1至4任一项所述的训练方法训练得到。

6.一种生长性能测定模型的训练装置，其特征在于，包括：

第一获取模块，用于获取牲畜系谱表以及牲畜个体的第一个体特征；

第一建立模块，用于根据所述牲畜系谱表，建立第一邻接矩阵；

第一拼接模块，用于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；

训练模块，用于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；

所述第一建立模块，包括：

转换单元，用于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；

建立单元，用于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。