近日，信息学院李国亮教授团队在国际知名期刊Artificial Intelligence in Agriculture上发表题为“FGPointKAN++ point cloud segmentation and adaptive key plane recognition for cow body size measurement”的研究论文，该研究报道了融合点云分割与自适应平面识别技术的奶牛体尺参数智能测量新方法。
团队围绕现代畜牧业中奶牛体型精准测量这一问题，面对传统人工测量效率低下且易受动物姿态影响的行业痛点，创新性提出基于深度学习的像素级点云分割模型与自适应关键切面识别算法，为实现规模化养殖场奶牛生长监测自动化提供了可靠技术方案。该研究通过构建FGPointKNN++分割模型和AKCPR关键切面识别算法，实现不同姿态下奶牛像素级点云分割（mIoU达83.24%）与体尺参数自动测量。
实验表明，该方法在真实养殖环境中针对不同姿态牛体高、体宽、胸围和腹围等关键表型参数的测量平均绝对百分比误差分别低至2.07%、3.56%、2.24%和1.42%。同时，本研究使用开源数据集对本方法的有效性进行交叉验证，证明该技术通过三维点云几何特征解析，突破动态姿势下的体尺精准计算瓶颈，为智能化畜牧养殖提供了可嵌入自动化管理系统的无接触测量方案。
华中农大信息学院李嘉位老师为本文通讯作者，2023级硕士研究生周国源为第一作者；其他作者包括信息学院2023级博士研究生李胜，2024级硕士研究生赵健、王智文及工学院2023级硕士研究生叶文昊等。信息学院李国亮教授、动科动医学院张淑君教授指导了该项工作。该研究得到新疆农垦科学院及其合作牧场大力支持。
据悉，Artificial Intelligence in Agriculture期刊重点关注人工智能在农业领域研究和应用，最新年度影响因子IF=12.4，为中科院一区TOP期刊，影响因子位列农业信息领域期刊排名首位。该团队将以本成果基础，持续积累原始数据、开展后续研究，加快养殖领域的智能化、无人化转型进程。该研究获得国家自然科学基金和中央高校基本科研业务费专项资金资助。
原文链接：https://www.sciencedirect.com/science/article/pii/S2589721725000662
