申请/专利权人：北京市农林科学院信息技术研究中心

申请日：2024-04-23

公开（公告）日：2024-07-05

公开（公告）号：CN118097435B

主分类号：G06V20/10

分类号：G06V20/10;G06V20/68;G06V10/764;G06V10/82;G06N3/042;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本发明提供一种基于超图神经网络的玉米倒伏分类方法及装置，涉及智能农业信息处理技术领域，该方法包括：基于玉米表型数据及环境型数据，构建出气候、病虫害和育种性状的多视角视图；将所述多视角视图中的样本作为节点，各视图中节点间关系构建超边，形成多视角超图；利用超图神经网络识别玉米倒伏风险相关的关键特征子集，并利用所述关键特征子集重构多视角超图结构，再根据重构后的多视角超图结构更新所述超图神经网络；根据预设的倒伏分类阈值，使用更新后的超图神经网络确定玉米倒伏分类结果。本发明利用超图神经网络挖掘玉米倒伏风险的多视图特征子集，实现高性能、高精度的玉米倒伏风险预测，辅助玉米育种效率的有效提高。

主权项：1.一种基于超图神经网络的玉米倒伏分类方法，其特征在于，包括：基于玉米表型数据及环境型数据，构建出气候、病虫害和育种性状的多视角视图；将所述多视角视图中的样本作为节点，各视图中节点间关系构建超边，形成多视角超图；利用超图神经网络识别玉米倒伏风险相关的关键特征子集，并利用所述关键特征子集重构多视角超图结构，再根据重构后的多视角超图结构更新所述超图神经网络；根据预设的倒伏分类阈值，使用更新后的超图神经网络确定玉米倒伏分类结果；将所述多视角视图中的样本作为节点，各视图中节点间关系构建超边，形成多视角超图，包括：将所述多视角视图中的样本作为节点，预设K值；所述K值为最近邻居的数量；采用KNN算法将相似节点连成一个超边，形成多视角超图；利用超图神经网络识别玉米倒伏风险相关的关键特征子集，包括：利用包含多层卷积结构的超图神经网络学习节点的特征和超边结构的重要性，得到综合特征表示，输出每个节点的预测结果；使用HSICLasso图可解释性分析方法，应用于掩蔽向量标记的已知节点，依次计算已知节点之间在不同特征上的高斯核值，分析得到HSIC值并选择出玉米倒伏风险相关的关键特征子集；根据预设的倒伏分类阈值，使用更新后的超图神经网络确定玉米倒伏分类结果，包括：掩蔽向量应用到更新后的超图神经网络的输出上，进行元素级别的乘法操作，保留未知数据点的预测值并求和；根据预设的倒伏分类阈值将预测值的和归类到相应的类别，得到玉米倒伏分类结果。

全文数据：

权利要求：

百度查询： 北京市农林科学院信息技术研究中心 基于超图神经网络的玉米倒伏分类方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD