[发明专利]基于机器学习的肉牛育种优选方法及装置

说明书

本发明提供一种基于机器学习的肉牛育种优选方法及装置，该方法包括：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LSTM网络。该方法与常规遗传评估和基因组评估方法相比，能够实现后裔牛育种的多时段评价，并具有实时、有效、低成本和适用于不同品种等特点；此外，基于大量现实数据训练全连接神经网络及LSTM网络，使得预测模型具有较强的鲁棒性。

技术领域

本发明涉及畜牧养殖领域，尤其涉及一种基于机器学习的肉牛育种优选方法及装置。

背景技术

肉牛业是畜牧业的重要组成部分，为了切实提高肉牛整体生产水平和经济效益，以肉牛遗传评估为提升肉牛种业发展的重要一环。目前，已经形成了一套完善且有效的肉牛育种体系，制定了综合选择指数为肉牛优选育种提供了较为可靠的方案。

目前，常规遗传评估和基因组评估方法，作为常用的对肉牛性状进行评估的两种方案，以提高肉牛育种繁育质量。常规遗传评估方法，使用固定指标如CBI使用部肉牛部分性状对单头肉牛进行评估，肉牛繁育涉及配种牛表征性状，该方法忽略了配种牛不同繁育性状对其后裔性状的影响程度。常规遗传评估方法无法对肉牛后裔性状进行准确的量化评估，基因组评估方法也存在此问题，受到成本，技术，育种环境的影响等，普及难度较高。

发明内容

针对现有技术存在的问题，本发明提供一种基于机器学习的肉牛育种优选方法及装置。

本发明提供一种基于机器学习的肉牛育种优选方法，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(Long Short-Term Memory，LSTM)；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LSTM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。

根据本发明一个实施例的基于机器学习的肉牛育种优选方法，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。

根据本发明一个实施例的基于机器学习的肉牛育种优选方法，所述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；所述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。

根据本发明一个实施例的基于机器学习的肉牛育种优选方法，所述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LSTM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。