[发明专利]基于机器学习的肉牛育种优选方法及装置

权利要求书

1.一种基于机器学习的肉牛育种优选方法，其特征在于，包括：

根据配种公牛和配种母牛包含年龄的繁育性状数据，提取量化的繁育性状特征；

将所述繁育性状特征，输入到已训练的预测模型，输出后裔牛不同年龄时期的繁育性状特征；

根据后裔牛不同年龄时期的繁育性状特征，确定后裔牛不同年龄时期的繁育性状数据；

其中，所述预测模型包括输入端的全连接神经网络和输出端的长短时记忆神经网络；

所述全连接神经网络，根据配种公牛和配种母牛包含年龄的繁育性状特征，以及出生时的后裔牛的繁育性状特征训练得到；所述长短时记忆神经网络根据不同个体牛的出生后不同年龄段的繁育性状特征序列训练得到；

所述后裔牛或者个体牛繁育性状特征包括：品种、体重、育肥期日增重、饲料转化率、屠宰率、净肉率和肉骨比；

公牛繁育性状特征还包括品种、体重、育肥期日增重、饲料转化率、屠宰率、净肉率、肉骨比和精液量；

母牛繁育性状特征还包括品种、体重、育肥期日增重、饲料转化率、屠宰率、净肉率、肉骨比和产犊率；

将所述繁育性状特征，输入到已训练的预测模型，输出后裔牛不同年龄时期的繁育性状特征，包括：

将配种公牛和配种母牛包括年龄的繁育性状特征，输入全连接神经网络的N个神经元的输入层，经若干隐藏层提取特征后，输入M个数量神经元的输出层，输出对应的后裔牛出生时的繁育性状特征；

将所述后裔牛出生时的繁育性状特征，输入长短时记忆神经网络的L个神经元的输入层，输出后裔牛不同年龄时期的繁育性状特征；

其中，N为配种公牛和配种母牛包含年龄的繁育性状特征数量总数；M为后裔牛不包括年龄的繁育性状特征数量；L为后裔牛包括年龄的繁育性状特征数量；

将所述繁育性状特征，输入到已训练的预测模型之前，还包括：

获取配种公牛和配种母牛的多个样本对在多个不同年龄的繁育性状特征，以及对应年龄时配种的后裔牛出生时的繁育性状特征，作为训练数据；

将公牛和母牛样本对包括年龄的繁育性状特征作为输入，后裔牛出生时的繁育性状特征作为标签，对所述预测模型的全连接神经网络进行训练；

在全连接神经网络满足预设达标条件后，冻结全连接神经网络的模型参数，根据不同个体牛的出生后多个年龄段的繁育性状特征，对长短时记忆神经网络进行训练。

2.根据权利要求1所述的基于机器学习的肉牛育种优选方法，其特征在于，所述对所述预测模型的全连接神经网络进行训练，包括：

根据训练集数据的配种公牛和配种母牛包括年龄的繁育性状特征，输入全连接神经网络，输出后裔牛出生时的繁育性状特征预测值；

根据训练集数据的真实值和所述预测值，计算模型误差，使用反向传播的方式优化全连接神经网络的模型参数。

3.根据权利要求1所述的基于机器学习的肉牛育种优选方法，其特征在于，所述根据不同个体牛的出生后多个年龄段的繁育性状特征，对长短时记忆神经网络进行训练，包括：

获取多个个体牛出生时以及出生后预设时长不同年龄的繁育性状特征，作为训练样本；

将每一训练样本的繁育性状特征序列，依次输入构建的长短时记忆神经网络，输出下个年龄的繁育性状特征预测值，根据对应年龄的繁育性状特征的真实值，对长短时记忆神经网络模型参数进行更新。