無接觸式豬體體尺測量技術(shù)研究進展

關(guān)鍵詞 豬； 無接觸測量； 體尺； 視覺傳感器； 三維點云； 計算機視覺

肉類中的蛋白質(zhì)是人類必需的營養(yǎng)成分之一，也是人類膳食結(jié)構(gòu)的重要部分［1］。隨著工業(yè)化和城市化的發(fā)展，世界人口數(shù)量和生活水平不斷提高，人們對動物性食品的需求不斷增長。根據(jù)聯(lián)合國糧農(nóng)組織（FAO）提供的數(shù)據(jù)，截至2020 年底，世界肉類總產(chǎn)量已經(jīng)超過33 000 萬t。其中，豬肉作為全球三大肉類之一，占全球肉總產(chǎn)量的33%［2］。我國是養(yǎng)豬大國，養(yǎng)豬基數(shù)大、豬肉消費占比高。國家統(tǒng)計局數(shù)據(jù)［3］顯示，2022 年中國全年豬肉產(chǎn)量5 541 萬t，同比增加4.6%，生豬出欄69 995 萬頭，同比增加4.3%，能繁殖母豬存欄4 390 萬頭，同比增加1.4%。因此，全球畜牧業(yè)生產(chǎn)，特別是豬肉的生產(chǎn)與安全，對糧食安全有著重要的影響［4］。

合理的豬體生理信息監(jiān)測是確保豬肉安全的關(guān)鍵環(huán)節(jié)之一。通過監(jiān)測豬體生理信息，可以實現(xiàn)豬的生長發(fā)育狀況監(jiān)測［5］、疾病預(yù)警［6］和生產(chǎn)性能評估［7］等。其中，豬的體尺參數(shù)測量是生理信息監(jiān)測的主要內(nèi)容，測量參數(shù)包括體高、體長、體寬、胸圍、臀圍和腹圍等［8］，這些參數(shù)對指導(dǎo)實際生產(chǎn)如評價生長狀況［9］、性狀選擇［10］和參數(shù)預(yù)測［11］具有重要意義。

傳統(tǒng)的豬體體尺測量通常是通過皮尺、卷尺和測量杖等工具進行人工測量［12］。在養(yǎng)殖數(shù)量大、測量頻率高和待測體尺參數(shù)多的情況下，傳統(tǒng)的人工體尺測量方式耗時耗力，且工作量巨大。同時，豬的應(yīng)激反應(yīng)也會導(dǎo)致人工測量的精度下降。此外，這種接觸式的測量為人和牲畜之間細菌和病毒的傳播提供了可能［13］。因此，傳統(tǒng)的豬體體尺測量方式亟需進一步的改進。

為減少牲畜的應(yīng)激影響，無接觸式的牲畜體尺測量方法已開始研究和推廣［8-9，12，14-19］。無接觸式測量是在對象處于正?；顒拥那疤嵯拢褂孟冗M的光學(xué)傳感器對檢測對象的表面實現(xiàn)二維或三維的成像，同時結(jié)合計算機視覺算法，達到體尺測量的目的［16］。不同牲畜體尺測量要求具有一定的差異性［17-18］。一是養(yǎng)殖環(huán)境，牛羊一般養(yǎng)殖在室外牧場，而豬的養(yǎng)殖環(huán)境一般是半封閉或封閉的室內(nèi)場地，由于生豬養(yǎng)殖環(huán)境缺少自然光照，可忽略陽光直射對設(shè)備工作造成的影響，應(yīng)選取工作場景亮度不足條件下的測量設(shè)備和方案。二是體形體態(tài)，由于生豬的體形比奶牛和肉牛的小，且活潑好動，對測量設(shè)備的采樣率和算法適應(yīng)性要求更高。三是體表，牛羊需考慮被毛對體尺測量的影響；而豬毛一般較稀疏，不會完全遮擋體表，但生豬體表一般沾有糞便、泥點等，需要考慮其產(chǎn)生的噪聲對數(shù)據(jù)真實性的干擾。

近年來，隨著無接觸式豬體體尺測量技術(shù)的發(fā)展，對該技術(shù)在實際生產(chǎn)中應(yīng)用的需求越來越旺盛。目前，針對無接觸式體尺測量的研究主要聚焦于算法細節(jié)，例如數(shù)據(jù)的預(yù)處理、獲取目標數(shù)據(jù)、體尺計算方式等［19-20］，但沒有特別關(guān)注工程部署方面的條件限制和可行性技術(shù)方案的需求。因此，本文從工程部署角度概述了近年來不同的無接觸式豬體體尺測量方法研究進展，將算法細節(jié)和工程部署需求相結(jié)合，突出在工程應(yīng)用中相關(guān)算法差異，并對三維體尺測量技術(shù)進行詳細的技術(shù)分析，以期更好地提升無接觸式豬體體尺測量技術(shù)的成熟度、準確度和便利性，為該技術(shù)在監(jiān)測豬體生理信息方面的應(yīng)用提供參考。

1 無接觸式體尺測量原理及硬件技術(shù)

無接觸式體尺測量主要利用視覺傳感器進行視頻圖像數(shù)據(jù)采集。視覺傳感器一般分為兩大類：RGB 設(shè)備和深度設(shè)備［20］。RGB 設(shè)備即普通相機，通過內(nèi)部的成像元件將光線轉(zhuǎn)換為數(shù)字信號并存儲［21］，其成像原理簡單、材料成本低、發(fā)展時間長且設(shè)備種類繁多，技術(shù)十分成熟，通常是便攜、低成本視覺系統(tǒng)的重要組成部分。但RGB 設(shè)備輸出的是二維圖像數(shù)據(jù)，這極大限制了計算機感知和理解三維現(xiàn)實世界的能力［22］。深度設(shè)備利用3D 表面成像技術(shù)實現(xiàn)設(shè)備到物體表面距離的測量，即深度測量。深度信息能夠反映物體的三維空間關(guān)系和特征，可以改善計算機在二維圖像上感知能力受限的問題。3D 表面成像技術(shù)的基本原理可以分為三大類［23］：三角測量、飛行時間和干涉法。

基于三角測量的3D 表面成像技術(shù)本質(zhì)上是一種幾何計算，通過測量三角形的角度和基線，計算確定目標的距離。三角測量的計算原理用公式（1）表示，Z 表示深度，b 是基線長度，d1和d2分別是入射光束在相機1 和相機2 的位置，f 是相機的焦距［24］。

基于飛行時間的3D 表面成像技術(shù)，顧名思義，是通過計算光的飛行時間來測量深度。光源發(fā)射出已知速度的光束，經(jīng)由測量物體的表面反射回傳感器上，根據(jù)來回時間t 來計算深度Z［25］。而深度Z 和時間t 之間的關(guān)系可以用函數(shù)f 表示，即公式（2）。

基于干涉法的3D 表面成像技術(shù)一般通過干涉儀將相干光束一分為二，其中1 條射向參考鏡，另1條射向樣品，再將2 條光束反射回分束器，通過波的相位信息來確定深度，其精度在納米范圍［26］。但這種方法不適用于牲畜的體尺測量。

無接觸式的豬體體尺測量技術(shù)的發(fā)展已有30 多年，從最早的黑白相機到深度相機，從單個設(shè)備到多個設(shè)備，從灰度圖到三維點云圖，從機器學(xué)習(xí)到深度學(xué)習(xí)，視覺傳感器的轉(zhuǎn)型升級和算法技術(shù)的發(fā)展促使工程實施方案發(fā)生了明顯的變化，不同階段的工程實施方案具有顯著的特點［27-28］。本文將無接觸式豬體體尺測量工程部署方法分為兩大類，分別為基于RGB 設(shè)備的部署方法和基于深度設(shè)備的部署方法，如圖1 所示。為了條理清晰地回顧無接觸式的豬體體尺測量技術(shù)的發(fā)展，以視覺傳感器作為切入點進行闡述。

2 工程部署方法

2.1 基于RGB設(shè)備的部署方法

1）單RGB 相機。在早期的研究中，無接觸式豬體體尺測量并沒有構(gòu)成一項獨立的研究。研究者將單個相機安裝在進食站處，在飼養(yǎng)環(huán)境下對豬進行日常監(jiān)測、計數(shù)等［29-30］，把長度或面積等圖像測量數(shù)據(jù)作為估計豬活體質(zhì)量等指標的參數(shù)［31］。這些研究沒有明確地對測量體尺進行學(xué)術(shù)性的定義，但其基于圖像進行測量的思想為無接觸式體尺測量提供了思路［32］。

直至VIA 系統(tǒng)（visual image analysis system，VIA system）［33］的出現(xiàn)，基于RGB 圖像的體尺測量技術(shù)獨立出來并成為研究熱點。VIA 系統(tǒng)中，主要有兩大部分，第一部分為安裝在食槽頂部的RGB 相機，第二部分為計算機內(nèi)的圖像分析軟件，用于計算和處理采集設(shè)備采集的圖像。該系統(tǒng)首先對采集的豬體背部圖像進行失真矯正，再通過圖像算子的處理以及灰度圖像的閾值選取獲得目標豬體的背部輪廓。同時，為了得到更準確的結(jié)果，使用圖像腐蝕和膨脹等簡單操作對背部輪廓圖像進行處理。最終，該系統(tǒng)通過背部的輪廓圖獲得豬體形態(tài)數(shù)據(jù)。Doe?schl 等［34］對VIA 系統(tǒng)所計算的豬體體尺測量指標進一步明確，定義了線性測量指標和面積測量指標。VIA 系統(tǒng)創(chuàng)造性地給出了一種早期的無接觸式豬體體尺測量方案，通過單RGB 相機采集豬體背部圖像，對豬日常活動的干擾較小，可應(yīng)用于現(xiàn)場飼養(yǎng)環(huán)境。但是該系統(tǒng)的人工圖像處理過程過于復(fù)雜，同時由于圖像質(zhì)量低和分析算法低效還會產(chǎn)生誤差。單RGB 相機只能拍攝豬體的某個視角，大多數(shù)研究將相機放置于頂部拍攝俯視圖以獲取豬體背部圖像，所獲取的豬體體尺數(shù)據(jù)或豬體圖像特征有限。

2）雙RGB 相機。為了獲取更多的豬體體尺數(shù)據(jù)，部分研究改為使用雙RGB 相機。這種雙相機的組合方式主要有2 種。

第1 種組合方式是在食槽頂部拍攝的基礎(chǔ)上再增加一個側(cè)面進行拍攝。Chen 等［35］開發(fā)了一種基于機器視覺技術(shù)的豬體生長監(jiān)測系統(tǒng)，通過一對相機得到的俯視圖和側(cè)視圖計算體高、體長、胸寬和臀寬，并根據(jù)這些體尺參數(shù)預(yù)測豬的肉產(chǎn)量。類似的，Tian 等［36］也從雙視角RGB 相機采集豬體圖像，然后轉(zhuǎn)換成二值圖像以獲得感興趣區(qū)域和豬體的邊緣，最后根據(jù)豬體邊緣的位置計算豬體的體高、體長、胸寬和臀寬。與基于單個RGB 相機的豬體體尺測量方法不同，這種方法可以同時在側(cè)視圖上計算體高，可獲得更多的體尺數(shù)據(jù)。

第2 種組合方式是雙目視覺系統(tǒng)，即類似人眼結(jié)構(gòu)，將2 個相機放置在有一定間距的同一個視角，左右相機參數(shù)相同。雙目視覺系統(tǒng)通過立體匹配算法對2 個RGB 相機的圖像進行匹配，基于三角原理把雙相機視差轉(zhuǎn)換為深度，最后將深度信息重新映射到原始圖像中以得到3D 點云圖像。李卓等［37］使用雙目視覺系統(tǒng)獲得豬體深度圖像，利用幀差法提取豬只高度信息，并基于豬體輪廓的拐點篩選體尺檢測關(guān)鍵點，計算體長、體寬、體高、臀寬、臀高5 個體尺參數(shù)。Shi 等［38-40］的團隊基于雙目視覺系統(tǒng)展開了多項豬體體尺測量研究，通過雙RGB 相機獲取豬體的深度圖，使用深度閾值獲取豬體圖像區(qū)域以消除圖像背景的干擾［38］，然后在豬體深度圖中確定測量關(guān)鍵點，最后基于關(guān)鍵點的位置計算體長、體寬、臀寬、肩寬、臀高等多項體尺參數(shù)［39］。該團隊還構(gòu)建了一種無接觸式的豬體體尺檢測系統(tǒng)［40］，實現(xiàn)了工程化和自動化。該系統(tǒng)把滑軌放置于飲水區(qū)域圍欄的上方，當該系統(tǒng)工作時，滑軌上帶有雙目視覺相機的電氣柜在不同的圍欄處停止并進行圖像采集，同時使用軟件程序?qū)崿F(xiàn)電氣柜的控制以及采集圖像的校準和體尺測量。與VIA 系統(tǒng)的人工圖像閾值處理和傳統(tǒng)的灰度閾值分割不同，雙目視覺利用深度信息可以得到更加精確的豬體背部輪廓圖像，測量更多的豬體體尺數(shù)據(jù)。

3）多個RGB 相機。為了得到更加完整的豬體三維圖像，可以將多對RGB 相機應(yīng)用在多個視角分別獲取視差圖像，進而構(gòu)建豬體三維圖像。Wu 等［41］開發(fā)了由6 個高分辨率相機組成的立體成像系統(tǒng)，分別拍攝豬的側(cè)視圖、俯視圖和后視圖，并通過視差計算深度以獲得豬的三維圖像。盡管多個RGB 相機可以得到更完整的豬體三維圖像，但是與單個或一對RGB 相機相比，所需設(shè)備的數(shù)量更多，且需要更復(fù)雜的測量環(huán)境和測量系統(tǒng)，因此，該方法難以應(yīng)用到實際養(yǎng)殖和農(nóng)業(yè)生產(chǎn)中。

2.2 基于深度設(shè)備的部署方法

1）單深度相機。面向消費者的3D 深度相機在問世后受到了業(yè)界的廣泛關(guān)注，研究者將其應(yīng)用于無接觸式的豬體體尺測量和豬活體質(zhì)量預(yù)測中。Condotta 等［42］通過Kinect v1 深度相機獲取的深度圖和點云數(shù)據(jù)計算豬的體積，從而進一步估計豬的活體質(zhì)量。Okayama 等［43］將點云數(shù)據(jù)與豬的姿態(tài)角度相結(jié)合，以減少活體質(zhì)量估計的誤差。Li 等［44］將Ki?nect v2 深度相機放置于飲水區(qū)的上方采集深度圖像，將深度圖轉(zhuǎn)為點云數(shù)據(jù)后計算肩寬、體高和體長。單深度相機和雙目視覺系統(tǒng)類似，都是從單個方向上獲取豬體的深度圖或點云數(shù)據(jù)。其主要區(qū)別除了基本原理不同外，3D 深度相機避免了雙相機匹配的計算過程。利用單深度相機可以構(gòu)建一個簡單、有效且可靠的無接觸式豬體體尺測量系統(tǒng)。然而受視角單一的影響，這種方式只能獲取有限的豬體部分點云，因此只能測量部分豬體體尺。

2）雙深度相機。為了獲取更完整的豬體點云數(shù)據(jù)，有研究使用了2 個深度相機。Pezzuolo 等［45］將2個Kinect v1 深度相機放置于豬的喂食區(qū)上方和側(cè)方，測量的體尺數(shù)據(jù)包括體長、腹圍、肩寬和臀高。相比單深度相機的方法，該研究獲取的點云數(shù)據(jù)更完整，因此還可以獲得豬體的腹圍數(shù)據(jù)。

除了這種常規(guī)的基于雙深度相機的研究，Wang等［46］將其設(shè)計成便攜式的豬體體尺檢測系統(tǒng)，把2個Xtion Pro 深度相機固定在一個V 型背攜式金屬支架上進行移動式數(shù)據(jù)采集。該研究首先對2 個相機進行配準，再使用歐幾里得聚類剔除背景，從而獲得目標豬體點云。為了讓整個流程自動化，還需要使用主成分分析算法對豬的姿態(tài)進行歸一化，最終確定歸一化點云的測量關(guān)鍵點，以此來計算體長、體寬和體高。

3）3 個深度相機。為了能夠基本完整地采集到目標豬體的表面點云數(shù)據(jù)，需使用3 個深度相機。常見的方式是先將3 個深度相機分別放置于一個通道的兩側(cè)和頂部，然后進行配準，測量時讓豬逐頭通過該通道，當行至最佳位置時捕獲點云數(shù)據(jù)，再利用隨機樣本一致性算法等技術(shù)提取豬的點云，最后根據(jù)關(guān)鍵點計算體長、體高、體寬和腹圍的體尺數(shù)據(jù)［47］。Hu 等［48］通過改進的深度學(xué)習(xí)網(wǎng)絡(luò)PointNet++對豬體的不同部位進行點云分割，以避免其他點云部分干擾關(guān)鍵點的確定，分別測量了體長、體高、體寬、胸圍、腹圍、臀圍等體尺數(shù)據(jù)。三維視角的深度相機組合能夠獲取比較豐富的體尺數(shù)據(jù)。

2.3 工程部署方法對比

從視覺傳感器角度看，不同的工程部署方法所使用的設(shè)備數(shù)量、設(shè)備類型大有不同；從算法技術(shù)角度看，隨著設(shè)備的更新，新技術(shù)和更高效的算法逐漸替代了傳統(tǒng)方法。總的來說，不同的工程部署方法不僅與視覺傳感器設(shè)備和測量算法技術(shù)緊密相連，還決定了測量環(huán)境、采集數(shù)據(jù)類型、可測量體尺數(shù)據(jù)。表1 對不同工程部署方法的特點進行匯總。對于無接觸體尺測量方法評價，通常采用算法測量結(jié)果與人工測量結(jié)果進行對比。表2 中列舉了不同工程部署方法的體尺測量性能指標［8，37，40，44，46-49］。由于表2 中各個文獻使用了不同的自建數(shù)據(jù)集，且其中一些研究為了避免豬的非標準姿態(tài)、數(shù)據(jù)缺失、噪聲等帶來的較大誤差，在評估其方法性能時采取了數(shù)據(jù)過濾的措施，因此表2 中結(jié)果僅供參考。通過對比各種工程部署方法的優(yōu)缺點及應(yīng)用效果可以看出，使用三維視角的深度相機系統(tǒng)采集的三維點云可獲取更豐富、準確的豬體體尺數(shù)據(jù)，更能滿足實際的體尺測量需求。

3 基于點云的三維體尺測量技術(shù)

基于深度設(shè)備的部署方法使用以點云為基礎(chǔ)的三維體尺測量技術(shù)，其可測量的數(shù)據(jù)豐富，精度較高，具有更為廣泛的應(yīng)用前景［50］。這類方法可劃分為5 個技術(shù)步驟：目標豬體提取、豬體數(shù)據(jù)補全、豬體姿態(tài)歸一化、關(guān)鍵點檢測和體尺計算（圖2）。

3.1 目標豬體提取

在數(shù)據(jù)采集的過程中，原始點云數(shù)據(jù)不僅包括目標豬體，還包括地面、欄桿、屋內(nèi)天花板等現(xiàn)場環(huán)境的其他物體，如果測量位置位于飼養(yǎng)區(qū)等豬的日?；顒訁^(qū)域，點云數(shù)據(jù)還可能包括非測量對象豬體［51］。因此，目標豬體提取是無接觸式測量的必要步驟。例如，Condotta 等［42］直接選取某個深度范圍的數(shù)據(jù)；Li 等［44］使用方差分類算法消除非豬點云，通過區(qū)域生長法分割同一點云下的多只豬；Wang 等［46］使用歐幾里得聚類提取豬體點云。上述方法均是基于人工操作或者傳統(tǒng)機器學(xué)習(xí)的算法，難以具備高精度和強泛化能力。在實際的應(yīng)用中，豬在進食和飲水時，其點云呈現(xiàn)與欄桿、地面等物體接觸的狀態(tài)，還有豬的多種姿態(tài)和多只豬混合圈養(yǎng)等特點均使得豬體信息提取存在一定的難度。因此，由于環(huán)境的復(fù)雜性、豬體的多種姿態(tài)和多場景應(yīng)用等因素，使得上述傳統(tǒng)目標豬體提取方法難以滿足日后實際測量的需求。

3.2 豬體數(shù)據(jù)補全

點云數(shù)據(jù)本身是稀疏的，且受被測對象特性、處理方法和環(huán)境的影響，采集的點云數(shù)據(jù)存在缺失。當前研究的豬體數(shù)據(jù)缺失一般是數(shù)據(jù)采集方式導(dǎo)致的。單深度相機或雙深度相機的拍攝方式難以兼顧所有的角度，只能獲得局部的豬體點云。三維視角的深度相機一般需要狹長的拍攝通道，該通道可由繩子、鐵鏈或木板等材料圍成，以盡量使通道不遮擋豬體的關(guān)鍵部位，因此這種拍攝方式下，豬體點云會呈現(xiàn)條紋狀的缺失。除此之外，反射、透射、分辨率和角度等原因也會導(dǎo)致點云數(shù)據(jù)的缺失。李孟飛等［52］使用模型豬作為實驗對象，結(jié)合了3 次B 樣條曲線擬合和邊緣檢測，提出一種基于閾值分析的豬側(cè)視點云補全方法，補全因欄桿遮擋而缺失的部分點云數(shù)據(jù)，有效減小了豬體胸圍和腹圍的測量誤差。在無接觸式豬體體尺測量的領(lǐng)域中針對缺失點云補全的相關(guān)研究較少，然而豬體數(shù)據(jù)的補全有助于確定測量關(guān)鍵點，有利于提高測量體尺的精度，還能夠在設(shè)備數(shù)量有限的情況下為獲取更多的數(shù)據(jù)提供支持。因此，豬體數(shù)據(jù)的補全對于后續(xù)的測量任務(wù)以及推動下游應(yīng)用至關(guān)重要。

3.3 豬體姿態(tài)歸一化

當完成豬的點云數(shù)據(jù)采集后，為了更好地利用計算機視覺技術(shù)實現(xiàn)點云測量關(guān)鍵點的自動提取，提高測量體尺的自動化程度，需要對豬體進行姿態(tài)的歸一化，即對點云進行三維旋轉(zhuǎn)和三維平移，使得豬體在點云坐標系中呈現(xiàn)的姿態(tài)統(tǒng)一，便于后續(xù)處理。目前，傳統(tǒng)的姿態(tài)歸一化方法主要有三類［53］：第一類是基于主成分分析的經(jīng)典姿態(tài)歸一化方法［54］；第二類是基于3D 點云對稱特征的姿態(tài)歸一化方法［55-57］；第三類是基于特定幾何信息的方法［58-60］。在復(fù)雜的環(huán)境下，上述方法難以捕獲目標的關(guān)鍵特征。另外，受點云數(shù)據(jù)質(zhì)量的影響，其歸一化效果不穩(wěn)定，容易導(dǎo)致歸一化主軸不準確。為了進一步提高豬體姿態(tài)歸一化方法的性能，王可等［61］提出了一種基于地面法向量的局部坐標系矯正方法，用于修正主成分分析方法帶來的誤差或錯誤。Guo 等［62］將對稱特征的姿態(tài)歸一化方法與豬體的前方朝向相結(jié)合，提出了一種自動豬體歸一化框架，其性能優(yōu)于傳統(tǒng)方法。這些基于傳統(tǒng)方法改進的姿態(tài)歸一化方法仍然受到傳統(tǒng)方法缺陷的制約，難以進一步推廣至更為復(fù)雜的環(huán)境下。

3.4 豬體測量關(guān)鍵點檢測與體尺測量

豬體體尺測量實質(zhì)上是基于體尺的幾何定義，對測量關(guān)鍵點的位置和距離進行度量。因此，在完成目標豬體提取、數(shù)據(jù)補全和姿態(tài)歸一化后，需要先檢測豬體的測量關(guān)鍵點，才能進行豬體體尺的計算。以體長測量為例，Hu 等［48］首先確定耳根部中點和尾部中點，再將豬體背部邊緣的點云分為前、中、后三部分，然后分別計算每個部分的體長關(guān)鍵點，最后擬合得到背部的體長曲線以計算體長。這類傳統(tǒng)的豬體測量關(guān)鍵點檢測方法具有嚴格的定義，解釋性強。其準確測量的前提是需要準確的豬體點云數(shù)據(jù)，如果存在噪聲數(shù)據(jù)干擾，則會對測量產(chǎn)生較大的影響。

3.5 其他

在基于深度相機的豬體體尺測量的研究中，使用的三維點云數(shù)據(jù)不包含顏色信息，導(dǎo)致使用這種點云數(shù)據(jù)的網(wǎng)絡(luò)無法提取物體的顏色特征。而現(xiàn)在的消費級深度傳感器一般同時具備RGB 相機和深度相機，這為同時捕獲深度信息和顏色信息提供了硬件支持。因此，在牲畜體尺測量的研究中，可以把RGB 數(shù)據(jù)與點云數(shù)據(jù)相結(jié)合［63］，將RGB 相機與深度相機進行配準，使得每個點信息除三維坐標外還有RGB 三通道值。在豬體體尺測量領(lǐng)域暫時沒有利用類似的數(shù)據(jù)類型進行的相關(guān)研究，但在豬體體尺測量的各項任務(wù)中，通過多模態(tài)特征融合算法使模型能夠同時學(xué)習(xí)點云的空間特征及顏色特征，將有利于提高三維體尺測量部署方法的精度。

4 展望

綜上所述，使用視覺傳感器和先進的計算機視覺技術(shù)進行無接觸式豬體體尺測量，可以有效解決傳統(tǒng)豬體體尺測量中費時費力、精度低和存在接觸風(fēng)險等問題。設(shè)備是工程實施方案的主要核心，工程實施方案會隨著設(shè)備的更新而升級。使用三維視角深度相機的部署方法能夠獲取更豐富且準確的豬體體尺數(shù)據(jù)。但目前無接觸式豬體體尺測量領(lǐng)域應(yīng)用的相關(guān)技術(shù)與前沿的深度學(xué)習(xí)方法結(jié)合尚不夠深入。而深度學(xué)習(xí)方法憑借神經(jīng)網(wǎng)絡(luò)強大的特征提取和學(xué)習(xí)能力，使計算機能更好地處理各種點云任務(wù)。在未來的研究中，結(jié)合點云數(shù)據(jù)處理相關(guān)領(lǐng)域的深度學(xué)習(xí)方法，有望能提升無接觸式豬體體尺測量技術(shù)的成熟度、準確度和便利性。

1）點云分割。與規(guī)則剛體目標相比，豬體點云存在無序性和密度不均勻等特點，傳統(tǒng)方法提取的特征較為簡單，難以處理復(fù)雜的點云數(shù)據(jù)以提取目標豬體。在實際工程的應(yīng)用上，還需要算法具備較強的泛化能力和遷移能力，即能夠適用于不同周齡、品種的豬及各種環(huán)境等。此外，深度學(xué)習(xí)的點云分割方法還存在分割模型復(fù)雜導(dǎo)致計算成本高、標注大量的點云樣本十分耗時等問題。盡管面臨以上挑戰(zhàn)，深度學(xué)習(xí)方法由于其高效的特征學(xué)習(xí)能力，在點云語義分割領(lǐng)域展現(xiàn)出優(yōu)良的效果，可以感知更深層的點云語義信息，因此由傳統(tǒng)方法轉(zhuǎn)向深度學(xué)習(xí)方法是豬體點云分割的未來主流方向。除了豬體點云提取，點云分割還可應(yīng)用于豬體不同部位的分割，即部件分割任務(wù)，以輔助豬體體尺測量。

2）點云補全。點云補全是通過局部點云對整體點云進行生成和估計，可以有效地提高豬體點云數(shù)據(jù)質(zhì)量。目前主要面臨兩大挑戰(zhàn)：一是結(jié)構(gòu)特征的挑戰(zhàn)，點云補全任務(wù)需要網(wǎng)絡(luò)學(xué)習(xí)局部點云的結(jié)構(gòu)特征，但點云數(shù)據(jù)具有無序性和非結(jié)構(gòu)性，這使得點云補全任務(wù)更難完成。二是點云細粒度的挑戰(zhàn)，即網(wǎng)絡(luò)需要學(xué)習(xí)點云的幾何對稱性、規(guī)則排列和表面光滑度等細粒度細節(jié)。點云數(shù)據(jù)補全在近幾年已經(jīng)取得了重大的進展，將該技術(shù)應(yīng)用到豬體體尺測量中是該領(lǐng)域未來的重點之一。

3）點云姿態(tài)歸一化。為了實現(xiàn)豬體體尺測量的自動化，豬體姿態(tài)歸一化是必要的步驟。在無接觸式豬體體尺測量中，豬體是一種復(fù)雜的非剛體，感知其姿態(tài)需要大量的特征信息，且實際養(yǎng)殖中同個欄位的數(shù)量較多、養(yǎng)殖密度較大，目標個體容易被遮擋，難以進行姿態(tài)歸一化。因此，使用考慮遮擋的端到端網(wǎng)絡(luò)對豬體進行姿態(tài)歸一化成為了該領(lǐng)域的趨勢。

4）關(guān)鍵點檢測。傳統(tǒng)的豬體測量關(guān)鍵點檢測方法具有嚴格的定義，解釋性強，其準確測量的前提是需要準確的豬體點云數(shù)據(jù)，因此，這種方法嚴重依賴于上游任務(wù)的準確完成，諸如豬體點云提取、豬體表面點云去噪等。深度學(xué)習(xí)在點云關(guān)鍵點檢測任務(wù)中展現(xiàn)了更為優(yōu)異的檢測性能，可以解決傳統(tǒng)方法的缺點。豬體測量關(guān)鍵點檢測可視為點云分類任務(wù)，即構(gòu)建函數(shù)將點云數(shù)據(jù)映射為豬體的各個關(guān)鍵點，還可以視為點云的興趣點檢測任務(wù)，輔助研究人員進行關(guān)鍵點檢測結(jié)果的判斷。

目前在豬體體尺測量領(lǐng)域中，深度設(shè)備的應(yīng)用更加廣泛且效果良好，以深度學(xué)習(xí)為核心的算法正逐漸占據(jù)主導(dǎo)地位。在未來的研究中，深度設(shè)備與深度學(xué)習(xí)算法相結(jié)合的無接觸式豬體體尺測量方式將有更大的發(fā)展和提升空間。