多模态特征驱动的深度学习用于鸭体尺与体重预测
计算机视觉与模式识别
2025-05-12 v4
摘要
精确的体尺和体重测量对于优化家禽管理、健康评估和经济效率至关重要。本研究提出了一种创新的基于深度学习的模型，利用多模态数据——来自不同视角的二维RGB图像、深度图像和三维点云——对鸭体尺和体重进行无创估计。收集了1023只临武鸭的数据集，包含超过5000个具有多样姿态和条件的样本，以支持模型训练。该方法创新性地利用PointNet++从点云中提取关键点，提取并计算相应的三维几何特征，并将其与多视角卷积二维特征融合。随后利用Transformer编码器捕获长程依赖关系并细化特征交互，从而增强预测鲁棒性。该模型在八项形态学参数上实现了6.33%的平均绝对百分比误差（MAPE）和0.953的R²，展示了强大的预测能力。与传统手动测量不同，所提出的模型能够在无需物理接触的情况下实现高精度估计，从而减少动物应激并扩大其应用范围。本研究首次将深度学习技术应用于家禽体尺与体重估计，为畜牧业的智能化和精准化管理提供了有价值的参考，具有深远的实际意义。
引用
@article{arxiv.2503.14001,
title = {Multimodal Feature-Driven Deep Learning for the Prediction of Duck Body Dimensions and Weight},
author = {Wenbo Xiao and Qiannan Han and Gang Shu and Guiping Liang and Hongyan Zhang and Song Wang and Zhihao Xu and Weican Wan and Chuang Li and Guitao Jiang and Yi Xiao},
journal= {arXiv preprint arXiv:2503.14001},
year = {2025}
}