摘要：小麦抗寒性识别是一个耗时长、复杂度高的工作,从自然语言处理的角度,利用Python爬虫爬取小麦文本数据,对文本做预处理和分词,利用Word2vec对分词后的特征词训练词向量.使用深度学习中的卷积神经网络和双向长短期记忆网络,融合注意力机制构建小麦抗寒性识别模型,实验结果表明:深度学习方法构建的模型正确率达到了90.48%.使用Qt开发工具设计系统界面,实现人机交互.系统设计能有效降低小麦抗寒性识别的时间消耗和工作复杂度.

摘要：针对目前小麦种质资源库存在品种缺失、标准不一以及操作不便等问题,使用Python编写爬虫获取了小麦种质数据,经过数据清洗、数据标准化、数据转换等预处理操作,完成小麦种质资源基础数据整理.基于此数据设计并实现了小麦种质资源管理,实现小麦种质信息的查询、新增及缺失反馈等功能.对所建的资源进行总体分析,通过小麦特征信息量化分析各个特征之间的相关性,以抗寒性为例分析了株高和幼苗特性在小麦不同抗寒等级上的分布概况.构建的资源库可以实现小麦种质资源的信息化管理,为后续基于机器学习的小麦种质信息处理提供基础资源.