基于双目立体视觉的猪体尺测量及关键算法研究.pdfVIP

摘要

摘要

在畜牧业中，牲畜的体尺与体重参数是评估生长性能和繁殖能力的重要指标，直

接影响饲养方案调整、饲料配方优化及品种选育。传统养殖依赖人工测量，不仅效率

低、误差大，还会引发猪只应激反应。随着计算机技术的进步，机器视觉为非接触测

量提供了新路。但是现有的问题如分割模型、点云处理、三维重建、关键点定位等存

在显著弊端，如流程复杂、成本高昂、泛化性差，增加了模型调整与维护成本。在规

模化养殖中，猪只数量多、环境复杂，这些方法难以快速适应，总体经济性与实用性

受限。为此，本文以立体匹配算法和双目目标检测模型为基础提出了一种经济、高效

的生猪体尺测量算法。具体研究内容如下：

1PSMNet

（）改进了的立体匹配网络。现有算法在生猪的深度估计中面对纹理

缺失区域、遮挡边界以及光照变化等复杂场景下的视差估计精度仍有待提升，同时算

法的时间复杂度和计算效率也面临着严峻挑战。基于改进PSMNet的立体匹配网络版

本通过加入3DSE注意力块、使用转置卷积替代直接插值，优化了边缘细节和噪声

处理，显著提升了匹配精度和鲁棒性。

（2）提出一种基于轻量级的YM-Net生猪目标检测算法。针对生猪的检测环境

复杂多样，例如养殖场内光线变化大、背景杂乱以及遮挡问题（如其他生猪或饲养设

备），同时考虑网络在实际部署中的实用性，提出了一种轻量级的目标检测算法

YM-Net。该算法在保持高检测性能的同时，显著降低了计算复杂度和资源需求，从

而在实用性和性能之间实现了良好的平衡。

（3）设计了一种基于深度估计和目标检测的生猪体尺测量方法。针对传统的人

工方式测量以及基于现阶段基于深度学习的方式的复杂、部署应用环境、及泛化性的

问题，提出一种端到端的、轻量化、应用场景广、性能优的生猪体尺测量方法。

最后通过深度估计和目标检测得到三维坐标后，给出了三种生猪体尺计算的方案：

坐标投影、回归算法、比例缩放进行了实验，实验结论得出坐标投影最适合本文的生

猪体尺的检测和测量，且体长、体宽和体高最好的均方根误差、平均绝对误差和平均

相对误差为1.24cm、1cm和2.05%，完全满足资源受限的中小型养殖场对高效、精准、

生猪体尺测量的需求。

I

重庆三峡学院硕士学位论文

关键词：双目视觉；深度学习；目标检测；轻量化；生猪体尺测量

II

Abstract

ABSTRACT

Inlivestockfarming,bodymeasurementsandweightparametersarecriticalfor

assessinggrowthperformanceandbreedingpotential,directlyinfluencingfeeding

strategies,feedoptimization,andgeneticselection.Traditionalmanualmeasurementsface

inefficiency,inaccuracy,andanimalstress.Whilecomputervisionenablesnon-contact

solutions,existingmethods—includingsegmentationmodels,pointcloudprocessing,and

3Dreconstruction—sufferfromcomplexity,highcosts,andlimitedgeneralizability,

hinderingscalabilityinlarge-scalefarming.

Thisthesisp