一种基于深度学习的畜禽育种表型观测方法及系统

本发明属于畜禽表型观测技术领域，公开了一种基于深度学习的畜禽育种表型观测方法及系统，方法包括：输入畜禽的图像数据，提取当前畜禽的表型信息；构建畜禽亲缘关系矩阵，获取畜禽育种值特征；将预设基因序列输入到大语言模型，获取该基因序列在大语言模型不同层次的词嵌入向量，结合时间卷积模型获取该基因序列的时序特征；融合上述获取的特征生成多模态交互信息，通过预设模型计算获取表型观测值。本发明相较于以往的单一表型观测值计算方法，通过多模态特征提取对种猪的信息进行处理，不同模态的数据能够提供互补的视角，使得模型能够更全面地理解和处理信息。该模型在不同的环境下具有较强的适应性，并且由于结合了VIT和TCN，模型能够学习到更为丰富和复杂的特征表示，提高了任务的准确性。除此之外，这是第一个将DNA‑BERT这样的大语言预训练模型与TCN结合起来的算法，对大模型进行微调的同时获取了丰富的DNA语义知识，也兼顾了时序特征的获取。