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！

龙图腾网获悉河南农业大学申请的专利基于生长周期的花生抗青枯病育种策略分析方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120126734B 。

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510170394.3，技术领域涉及：G16H50/20；该发明授权基于生长周期的花生抗青枯病育种策略分析方法及系统是由殷冬梅;巩方平;孙晓健设计研发完成，并于2025-02-17向国家知识产权局提交的专利申请。

本基于生长周期的花生抗青枯病育种策略分析方法及系统在说明书摘要公布了：本申请涉及数据处理技术领域，公开了一种基于生长周期的花生抗青枯病育种策略分析方法及系统。该方法包括：通过对花生生长期特征数据进行采集和分析，获得生长周期特征库；对健康植株和发病植株进行表型对比，建立抗青枯病预警模型；依据预警模型进行实时监测，获得风险预警结果；基于预警结果进行生长期跟踪，建立抗性评分体系；通过环境响应分析得到品系稳定性参数；最终确定优良株系，形成抗青枯病育种方案。本申请通过建立全生育期的数据监测和分析体系，实现对植株抗青枯病性的动态评价和早期预警，提高抗青枯病品种选育的准确性和效率。

本发明授权基于生长周期的花生抗青枯病育种策略分析方法及系统在权利要求书中公布了：1.一种基于生长周期的花生抗青枯病育种策略分析方法，其特征在于，所述基于生长周期的花生抗青枯病育种策略分析方法包括： 通过表型监测系统对花生生长期的形态特征、生理指标和病害症状进行连续采集，经时间序列分割将数据按关键生育期划分，构建时序特征向量，得到生长周期特征库； 根据所述生长周期特征库，对健康植株和发病植株的表型轨迹进行对比分析，通过差异特征提取建立早期预警指标，得到抗青枯病预警模型，包括：从所述生长周期特征库中提取健康植株的形态特征、生理指标和病害症状数据，建立健康植株表型数据集；从所述生长周期特征库中提取发病植株的形态特征、生理指标和病害症状数据，建立发病植株表型数据集；对所述健康植株表型数据集和发病植株表型数据集进行时序对比，计算每个时间点的特征差异值，构建表型轨迹差异矩阵；对所述表型轨迹差异矩阵按生育期进行分段处理，统计各生育期的差异特征分布，形成特征差异统计量；基于所述特征差异统计量设定差异阈值，筛选关键生育期的显著差异特征，构建早期预警指标集；将所述早期预警指标集输入到递归神经网络构建的预警评估网络中，所述预警评估网络由输入层、特征提取层、时序分析层和预警输出层构成；所述输入层包含N个输入节点，N为早期预警指标的特征维度，每个节点对应一个表型特征数据；所述特征提取层由长短期记忆单元构成，每个单元包含遗忘门、输入门和输出门，用于捕获表型特征的长期依赖关系；所述时序分析层采用双向结构，正向处理当前时刻到未来时刻的特征序列，反向处理历史时刻到当前时刻的特征序列，实现对生育期全程数据的分析；所述预警输出层通过Softmax函数计算不同风险等级的概率分布，将概率值与预设阈值比对生成预警判定规则，得到抗青枯病预警模型； 依据所述抗青枯病预警模型，对育种材料的生长表型数据进行实时监测和分析，通过预警阈值判定确定潜在易感个体，得到风险预警结果； 基于所述风险预警结果，对不同抗性水平的植株进行生长期全程跟踪，通过关键期表型特征比对建立抗性评分体系，得到动态抗性评价方案； 根据所述动态抗性评价方案，收集多点试验数据进行环境响应分析，通过植株-环境互作评估建立适应性指标，得到品系稳定性参数，包括：在不同地理位点收集所述动态抗性评价方案中的植株生长数据，对生长条件、土壤特性、气候参数进行记录，构建多点试验数据集；对所述多点试验数据集进行分点位统计，计算各试验点的植株表型数据与环境因子之间的关联度，形成环境响应数据矩阵；从所述环境响应数据矩阵中提取植株生长与环境因子的时序变化规律，建立植株-环境互作数据表；对所述植株-环境互作数据表中的数据进行方差分解，分离基因型效应、环境效应和互作效应，得到效应分量数据；基于所述效应分量数据计算各基因型的表现稳定性，构建包含基因型与环境互作的适应性指标体系；对所述适应性指标体系进行数值分析，筛选出稳定性高的基因型组合，得到品系稳定性参数； 依据所述品系稳定性参数，对育种材料进行综合评价和分级，通过分级筛选系统确定优良株系，得到基于生长周期的抗青枯病育种方案。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河南农业大学，其通讯地址为：450000 河南省郑州市郑东新区平安大道218号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。