三维点云数据能否提高奶牛自动体况评分的预测准确性？
计算机视觉与模式识别
2026-02-04 v2
摘要
体况评分（BCS）是奶牛体能状态的广泛指示物，与代谢状态、生殖性能和健康状况密切相关；然而，传统的视觉评分主观且工作量大。计算机视觉方法已用于 BCS 预测，深度图像因能独立于毛色和纹理捕获几何信息而广泛应用。更近期，三维点云数据因能表示动物形态学更丰富的几何特征而受到关注，但与深度图像方法的直接对比仍有限。本研究比较了顶视深度图像和点云数据在 BCS 预测中的表现，评估四种设置：1）未分割的原始数据，2）分割的全身数据，3）分割的后腿数据，4）手工特征数据。预测模型使用来自一个商业牧场收集的 1,020 头奶牛的数据进行评估，使用牛只级别的交叉验证以防止数据泄漏。在使用未分割的原始数据和分割的全身数据时，深度图像方法的准确率始终高于点云方法，而在分割的后腿数据使用时，两者表现相当。在使用手工特征数据时，深度图像和点云方法的准确率均低于其他设置。总体而言，点云方法的预测对噪声和模型架构更敏感。综上所述，在本研究评估的条件下，三维点云不比深度图像在 BCS 预测中提供一致的优势。
引用
@article{arxiv.2601.22522,
title = {Can 3D point cloud data improve automated body condition score prediction in dairy cattle?},
author = {Zhou Tang and Jin Wang and Angelo De Castro and Yuxi Zhang and Victoria Bastos Primo and Ana Beatriz Montevecchio Bernardino and Gota Morota and Xu Wang and Ricardo C Chebel and Haipeng Yu},
journal= {arXiv preprint arXiv:2601.22522},
year = {2026}
}