[发明专利]混合神经网络融合Attention机制的小麦抗寒性识别方法

说明书

本发明提出了一种基于混合神经网络融合Attention机制的小麦抗寒性识别方法，其步骤为：首先，将小麦特征文本转换为特征向量输入词向量层，得到小麦文本向量；其次，使用多个不同维度的卷积层和池化层对小麦文本向量的不同层级的局部特征进行提取，之后再使用双向长短期记忆网络充分捕获特征词之间的词序信息，提取特征词上下文特征信息；最后结合注意力机制识别不同特征信息的重要性。本发明将卷积神经网络、双向长短时记忆网络和注意力机制相结合构建了Attention‑CNN+BiLSTM模型，能够提取文本局部特征信息和文本上下文序列特征信息，提高了小麦抗寒性的识别率。

技术领域

本发明涉及小麦抗寒性识别技术领域，特别是指一种基于混合神经网络融合Attention机制的小麦抗寒性识别方法。

背景技术

近年来，全球气候变暖所引起的极端天气频发，对农业生产活动特别是种植业活动的影响尤为明显。小麦种植区在冬春时节遭受的倒春寒、寒潮等极端低温天气发生的频率在逐年增加、周期在逐年缩短。小麦的抗寒性能日益成为影响小麦高产和稳产的重要因素。由于气候条件的不可抗拒性，要确保小麦稳产高产，就需要培育抗寒性较强的新型小麦品种。目前，对小麦抗寒性的鉴定主要依靠前人经验的积累和试验田中实测的数据分析。文献[欧行奇,王玉玲.黄淮南片麦区小麦耐倒春寒育种研究初探[J].麦类作物学报,2019,39(05):560-566.]通过区域和栽培条件的变换试验结果以及和抗寒性密切关联的性状信息分析对小麦品种的抗寒性进行鉴定；文献[李桐,付连双,刘鑫,等.冬小麦抗寒性鉴定的低温处理方式和鉴定指标的研究[J].麦类作物学报,2019,39(07):851-858.]采用室内快速低温处理结合SOD活性及ASA、H2O2和MDA含量分析对小麦品种抗寒性进行识别。文献[赵瑞玲,赵勇,易腾飞,肖轶娆,张树华,杨学举.小麦种质资源的抗寒性鉴定及品种筛选[J].山东农业大学学报(自然科学版),2019,50(01):25-30.]在三个试验点种植534份小麦品种，以小麦的死苗率和枯叶率与冻害等级呈极显著正相关作为小麦抗寒性识别的重要指标。现有的抗寒性鉴定和育种杂交配置组合的选择通常需要耗费大量人力、物力和财力。因此，将信息技术特别是人工智能应用于抗寒性识别，获取有效的信息来辅助小麦品种的抗寒性识别和筛选。这不仅顺应了国家“人工智能+农业”的发展战略，也可以减少育种科研人员的繁重的工作量，提高育种的工作效率。

近年来，深度学习方法被应用到农业相关领域，如卷积神经网络(ConvolutionalNeural Networks，CNN)、反向传播(Back Propagation，BP)神经网络等。这些方法已经成功应用于农业文本分类、作物识别和作物育种特征选择等有关农业领域。文献[吴粤敏,丁港归,胡滨.基于注意力机制的农业金融文本关系抽取研究[J].数据分析与知识发现,2019,3(05):86-92.]使用双重注意力机制的门控循环单元算法在农业金融相关文本的关系抽取上取得较好效果；文献[刘忠强,赵向宇,王开义,等.基于序相关的作物育种评价性状特征选择方法[J].农业机械学报,2015,46(S1):283-289.]采用基于序相关的作物育种评价性状特征选择的方式将作物的性状表现与评价结果的相关程度以及各个性状表现之间的相似程度综合考虑，选择出性状组合与评价结果相关性最大且性状组合内部相似性最小的特征组合；文献[刘忠强.作物育种辅助决策关键技术研究与应用[D].中国农业大学,2016.]采用基于决策树的作物育种评价方法，将育种人员在先前试验中选育的评价结果引入到模型，综合利用数据挖掘、机器学习等现代信息技术进行育种辅助决策，在一定程度上解决了作物育种经验和时间匮乏的问题。