Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

用于评价荚果脱壳难易程度的评价模型构建方法及系统 

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:农业农村部南京农业机械化研究所

摘要:本发明公开了一种用于评价荚果脱壳难易程度的评价模型构建方法及系统,其中方法包括:基于多组荚果样本的脱壳指标的实测数据对所有品种的所述荚果样本进行分类,形成多个反应脱壳难易程度的k个难度级别,k为大于1的整数;所述脱壳指标包括破损率与脱净率;获取所述荚果样本的物理特性的数据,并利用因子分析方法对所有所述物理特性进行简化,得到多个判别因子;基于所述判别因子及其所对应荚果样本的难度级别构建对应于该所述难度级别的分级函数,所有所述分级函数构成评价模型。本发明的评价模型,可以基于荚果的荚果因子、果仁因子得到被评价的荚果的难度级别,使得荚果脱壳难度可以量化计算,为育种方向等理论研究提供理论支撑。

主权项:1.用于评价荚果脱壳难易程度的评价模型构建方法,其特征在于,所述方法包括:基于多组荚果样本的脱壳指标的实测数据对所有品种的所述荚果样本进行分类,形成多个反应脱壳难易程度的k个难度级别,k为大于1的整数;所述脱壳指标包括破损率与脱净率;获取所述荚果样本的物理特性的数据,并利用因子分析方法对所有所述物理特性进行简化,得到多个判别因子;基于所述判别因子及其所对应荚果样本的难度级别构建对应于该所述难度级别的分级函数,所有所述分级函数构成评价模型;所述基于多组荚果样本的脱壳指标的实测数据对所有品种的所述荚果样本进行分类,形成多个反应脱壳难易程度的k个难度级别,包括:随机选取k组所述荚果样本,并将其脱壳指标的数值作为质心;对剩余的每组待分类的荚果样本,基于其脱壳指标与各所述质心的距离,将待分类的荚果样本归入与其最近的所述质心对应的类别,形成k个分组;基于分组中所有所述荚果样本的脱壳指标重新计算质心,并基于新的质心重新采用对比聚类的方式重新分类,形成新的k个分组;每完成一次重新分类,重新计算各分组的质心,并将其与旧的质心对比,对比两者的偏移是否超出第一预设阈值,是则继续重新分类,否则结束进程并输出分类结果;所述基于所述判别因子及其所对应荚果样本的难度级别构建对应于该所述难度级别的分级函数,包括:针对每个难度级别的所述荚果样本,采用90%的所述荚果样本所对应的所述判别因子构建分级函数;所述方法还包括:利用剩余的10%的所述荚果样本对所述评价模型进行验证;所述利用剩余的10%的所述荚果样本对所述评价模型进行验证,包括:将每组所述荚果样本所对应的所述判别因子代入所述评价模型中的各所述分级函数,得到对应于各分级函数的计算值;对比各所述计算值的大小,将最大的计算值对应的所述分级函数所对应的级别作为该组所述荚果样本的判定级别;判断所述判定级别与所述荚果样本的实际级别是否一致,是则将其记入被正确判别的组别;计算被正确判别的荚果样本占参与验证的荚果样本总数的百分比;判断所述百分比是否超出第二预设阈值,是则判定所述评价模型是有效的;所述分级函数基于距离判别法、费舍尔判别法或贝叶斯判别法进行构建。

全文数据:

权利要求:

百度查询: 农业农村部南京农业机械化研究所 用于评价荚果脱壳难易程度的评价模型构建方法及系统

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。