近日，華中農(nóng)業(yè)大學(xué)信息學(xué)院李國亮教授團(tuán)隊在國際知名期刊Artificial Intelligence in Agriculture上發(fā)表題為“FGPointKAN++ point cloud segmentation and adaptive key plane recognition for cow body size measurement”的研究論文，該研究報道了融合點云分割與自適應(yīng)平面識別技術(shù)的奶牛體尺參數(shù)智能測量新方法。
圖1 牛三維點云分割可視化數(shù)據(jù)集與FGPointKAN++網(wǎng)絡(luò)結(jié)構(gòu)
團(tuán)隊圍繞現(xiàn)代畜牧業(yè)中奶牛體型精準(zhǔn)測量這一問題，面對傳統(tǒng)人工測量效率低下且易受動物姿態(tài)影響的行業(yè)痛點，創(chuàng)新性提出基于深度學(xué)習(xí)的像素級點云分割模型與自適應(yīng)關(guān)鍵切面識別算法，為實現(xiàn)規(guī)模化養(yǎng)殖場奶牛生長監(jiān)測自動化提供了可靠技術(shù)方案。該研究通過構(gòu)建FGPointKNN++分割模型和AKCPR關(guān)鍵切面識別算法，實現(xiàn)不同姿態(tài)下奶牛像素級點云分割（mIoU達(dá)83.24%）與體尺參數(shù)自動測量。
圖2 姿態(tài)自適應(yīng)切平面算法與關(guān)鍵體尺計算
實驗表明，該方法在真實養(yǎng)殖環(huán)境中針對不同姿態(tài)牛體高、體寬、胸圍和腹圍等關(guān)鍵表型參數(shù)的測量平均絕對百分比誤差分別低至2.07%、3.56%、2.24%和1.42%。同時，本研究使用開源數(shù)據(jù)集對本方法的有效性進(jìn)行交叉驗證，證明該技術(shù)通過三維點云幾何特征解析，突破動態(tài)姿勢下的體尺精準(zhǔn)計算瓶頸，為智能化畜牧養(yǎng)殖提供了可嵌入自動化管理系統(tǒng)的無接觸測量方案。
圖3 實際養(yǎng)殖環(huán)境與開源數(shù)據(jù)集的牛點云分割與體尺計算結(jié)果
華中農(nóng)大信息學(xué)院李嘉位老師為本文通訊作者，2023級碩士研究生周國源為第一作者；其他作者包括信息學(xué)院2023級博士研究生李勝，2024級碩士研究生趙健、王智文及工學(xué)院2023級碩士研究生葉文昊等。信息學(xué)院李國亮教授、動科動醫(yī)學(xué)院張淑君教授指導(dǎo)了該項工作。該研究得到新疆農(nóng)墾科學(xué)院及其合作牧場大力支持。
據(jù)悉，Artificial Intelligence in Agriculture期刊重點關(guān)注人工智能在農(nóng)業(yè)領(lǐng)域研究和應(yīng)用，最新年度影響因子IF=12.4，為中科院一區(qū)TOP期刊，影響因子位列農(nóng)業(yè)信息領(lǐng)域期刊排名首位。該團(tuán)隊將以本成果基礎(chǔ)，持續(xù)積累原始數(shù)據(jù)、開展后續(xù)研究，加快養(yǎng)殖領(lǐng)域的智能化、無人化轉(zhuǎn)型進(jìn)程。該研究獲得國家自然科學(xué)基金和中央高?；究蒲袠I(yè)務(wù)費專項資金資助。
