买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆市农业科学院

摘要：本申请公开了一种基于深度学习的表型辅助柠檬育种方法，涉及园艺作物育种技术领域，所述方法具体步骤如下：从收集到的柠檬种质资源中，筛选出抗耐黄脉病柠檬种质；使用抗耐黄脉病柠檬种质和易感品种为亲本进行杂交创制抗病种质，构建抗病育种群体；针对抗病育种群体，以构建的柠檬高密度遗传图谱和全基因组图谱为技术平台，建立基于深度学习的表型分析模型，利用表型精准分级数据进行抗病基因定位筛选；进行抗黄脉病基因筛选、挖掘和鉴定，构建柠檬高效辅助育种体系。能够实现全面了解抗黄脉病基因与表型之间关系的效果；基于表型分析模型,设置共享层和任务特定层，能够实现抗黄脉病基因筛选、挖掘和鉴定，构建柠檬高效辅助育种体系的效果。

主权项：1.一种基于深度学习的表型辅助柠檬育种方法，其特征在于，所述方法具体步骤如下：S100：从收集到的柠檬种质资源中，筛选出抗耐黄脉病柠檬种质；S200：使用抗耐黄脉病柠檬种质和易感品种为亲本进行杂交创制抗病种质，构建抗病育种群体；S300：针对抗病育种群体，以构建的柠檬高密度遗传图谱和全基因组图谱为技术平台，建立基于深度学习的表型分析模型，利用表型精准分级数据进行抗病基因定位筛选；S400：进行抗黄脉病基因筛选、挖掘和鉴定，利用分子和表型组学技术构建柠檬高效辅助育种体系；其中，所述高密度遗传图谱从抗病育种群体中选择具有代表性和遗传多样性的柠檬个体为样本，通过全基因组重测序技术获取大量柠檬个体的SNP标记，针对柠檬抗病性进行构建和分析；所述全基因组图谱选择代表性的柠檬个体进行全基因组测序，对同一柠檬个体进行转录组测序、蛋白组学分析、代谢组学分析，将基因组、转录组、蛋白组和代谢组多组学数据进行整合，全面了解基因与表型之间的关系；所述表型分析模型基于深度学习技术，其模型架构包括共享层和任务特定层，所述共享层通过调整卷积核的大小、步长和填充针对柠檬表型的重要特性进行独特分析，所述任务特定层以共享层输出的特征图作为输入数据对单一特征任务进行分析；所述表型分析模型构建步骤包括：S310：利用作物三维重构技术对柠檬表性特征数据进行收集；所述柠檬表性特征数据包括树形与叶片特征、果实特征、生长与发育特征、产量与品质特征和抗病抗逆性特征；S320：数据预处理；所述预处理包括图像标注、数据增强和归一化；其中，图像标注使用CVAT图像标注工具对图像中的关键特征进行标注，关键特征至少包括树形结构轮廓、叶片边缘、果实边界；数据增强应用图像变换技术，对图像进行旋转、缩放、裁剪和翻转这些操作，来增加数据的多样性，减少过拟合；归一化用于将图像数据归一化到相同的尺寸和颜色空间，设置固定的格式、固定的宽度、高度和通道数，以便于网络处理；所述表型分析模型构建步骤还包括：S330：设计模型架构；所述模型架构包括共享层和任务特定层；其中，共享层，用于提取图像的基本特征，基本特征包括数据收集时的全部特征，包括一系列的卷积层、激活函数、池化层和批归一化层组成；任务特定层，为每个任务添加特定的网络层，针对柠檬表型重要特征，任务特定层分为分类任务特定层、检测任务特定层和分割任务特定层；所述分类任务特定层以共享层输出的特征图作为输入数据进行全局平均池化以减少特征维度，添加三个全连接层，每层全连接层之后使用ReLU激活函数，最后一层全连接层使用Softmax激活函数，以输出每个类别的概率，分类任务损失函数使用交叉熵损失，给定网络的输出概率分布p和真实的概率分布y，交叉熵损失计算为：L_class=-sumy*logp其中y是独热编码one-hotencoded的真实标签，p是网络输出的类别概率；所述检测任务特定层使用FasterR-CNN框架，以共享层不同层级的输出特征图作为输入数据用于检测不同尺度的目标，包括锚点生成、区域提议网络RPN、分类和回归头，对每个选定的特征图，生成一系列锚点框，使用RPN网络对锚点框进行前景分类、背景分类和初步边框回归，对RPN输出的感兴趣区域RoIs进行采样，并通过RoIPooling层提取固定大小的特征，并添加分类和回归头，对RoI特征进行分类和精细边框回归；所述分割任务特定层使用U-Net架构，以共享层的输出特征图为输入数据，包括上采样层、卷积层和跳跃连接，形成U形结构；从共享基础网络的输出开始，逐步使用上采样层增加特征图的分辨率，在每个上采样步骤后，添加卷积层以细化特征，使用跳跃连接将上采样路径中的特征图与下采样路径中对应大小的特征图相融合，以保留更多的空间信息，最后一个卷积层输出分割图，节点数对应于每个像素的类别数。

全文数据：

权利要求：

百度查询： 重庆市农业科学院 一种基于深度学习的表型辅助柠檬育种方法