Estimation of chicken body size based on point cloud edge smoothing and biometric features
-
摘要:目的
针对使用深度相机的鸡只体尺估测中，鸡只点云边缘抖动、羽毛冗余、特征点提取难的问题，本文提出一种结合点云边缘平滑和基于生物特征的特征点提取方法用于鸡只多部位体尺估测。
方法首先，通过直通滤波、统计滤波等方法对点云进行预处理，减少背景和噪点对目标的影响；其次，通过点云的空间变化约束边缘，采用连续多帧序列变化平滑边缘，减少边缘抖动对体尺测点提取的干扰；再次，对处理后的点云进行生物特征分析，结合基于邻域分析的边缘算法，融合RGB图像采用Canny边缘检测、霍夫变换等方法提取特征点；最后，依据特征点估测胸宽、半潜水长和胫长体尺。
结果试验结果表明，估测的胸宽平均误差为6.64%，胫长平均误差为5.93%，半潜水长平均误差为3.34%，平均每帧图像计算体尺耗时8.8 s。
结论本文算法可为鸡只体尺测量提供技术参考。
Abstract:ObjectiveTo address the issues of edge jitter in chicken point clouds, feather redundancy and challenging feature point extraction in chicken body size estimation using depth cameras, this paper proposes a method combining point cloud edge smoothing and biometric-based feature point extraction for mult-position estimation of chicken body size.
MethodFirstly, the point cloud was preprocessed by direct filtering, statistical filtering and other methods to reduce the impact of background and noise on the target. Secondly, the edge was constrained by the spatial change of point cloud, and the edge was smoothed by continuous multi-frame sequence changes, so as to reduce the interference of edge jitter on the extraction of body measurement points. Thirdly, the biological characteristics of the processed point cloud were analyzed. Combined with the edge algorithm based on neighborhood analysis, the RGB image was fused and the feature points were extracted by Canny edge detection, Hough transform and other methods. Finally, the chest width, semi diving length and tibial length were estimated according to the feature points.
ResultThe test results showed that the average error of estimated chest width was 6.64%, the average error of tibial length was 5.93%, and the average error of semi diving length was 3.34%. The average calculation time of body size per frame image was 8.8 s.
ConclusionThe algorithm of this paper can provide a technical reference for chicken body size measurement.
-
Keywords:
- Point cloud /
- Chicken /
- Body size /
- Edge smoothing /
- Biological characteristic
-
光是植物进行光合作用的主要驱动因子，是决定植物生长发育及生理功能的重要环境因素[1]。由于植物自身生长习性的差异，其对光环境的适应性不尽相同[2]。即使对于同一种植物，其对光的需求以及对光环境的适应性亦因生长发育阶段而异，这种差异亦是林分更新和群落演替的重要驱动机制[3]。通常情况下，光照不足会造成植物光合受阻和碳供应障碍，进而引发植物叶片黄化和死亡[4]；而光照过强则易引发光抑制，导致光合作用减弱，植物光化学效率降低[5]。对光环境进行适度调控更有利于植物的生长发育，对红锥 Castanopsis hystrix[6]、夏腊梅Sinocalycanthus chinensis[7]、香樟Cinnamomum camphora[8]、桢楠Phoebe zhennan[8]、花榈木Ormosia henryi[9]等植物的幼苗研究发现，适度遮阴较全光照对其生长发育更为有利，且可提高苗木生长量及质量[10-11]。
造林密度是人工林营建的基础，其决定着林分内的竞争状态及光环境，进而影响到树冠及枝条发育。Mäkinen[12]通过不同密度欧洲白桦Betula pendula 人工林分枝解析发现，随着密度增加分枝增量减少，分枝寿命增加，枯死枝条掉落率降低；Ulvcrona等[13]分析樟子松Pinus sylvestris 人工林分枝特性与林分密度的关系，发现分枝直径随林分密度增加而减小，但林分密度对每轮分枝数和分枝角度无显著影响；王志海等[14]的研究表明，米老排Mytilaria laosensis 林分死枝下高随造林密度增大而增加，枯枝率升高，枝条直径和分枝角度减小。然而，有关树冠及枝条发育与光环境间关系的实证研究尚少，Dong等[15]对杉木Cunninghamia lanceolata 幼树的遮阴试验表明，枝条生长不仅受林分整体光环境影响，亦与树冠内光环境异质性相关。开展此类实证研究，有助于增进理解树冠和枝条发育对造林密度的响应机制。
西南桦Betula alnoides是我国热带、亚热带地区乡土珍贵用材树种，树干通直，材质优良，生长较快，对环境适应性强，适宜培育大径材[16]。随着国家退耕还林等政策的实施，我国西南桦人工林发展迅速，至2015年底，其种植面积已超过15万hm2[17]。近年来，随着市场对于西南桦优质大径级无节材需求的增加，其价格逐年攀升。如何进行大径材高效培育已成为西南桦人工林培育的重点。基于此，我们前期研究了西南桦生长及枝条发育与造林密度[18-19]的关系，探明了造林密度对枝条发育调控的有效性。为深入解析林分密度对枝条发育的调控机制，本研究以5年生西南桦幼林为对象，设置系列遮阴处理，研究林木生长及枝条发育动态，揭示林木生长和枝条发育对光环境的响应规律，以期为西南桦林分密度合理配置提供理论依据。
1. 研究地概况
西南桦密度试验林位于广东省郁南林场镇龙庙工区 (111°53′E，23°05′N)，海拔440 m。该地属于南亚热带季风气候，年均气温21.6 ℃，年降水量1 400~1 700 mm，降雨主要集中在4—9月份，年平均湿度80%。土壤为赤红壤。试验林营建于2012年5月，造林苗木为中国林业科学研究院热带林业实验中心生产的FB4无性系组培苗，基于前期对造林密度与冠层的光合特征研究，为尽可能消除造林密度及林地小环境的影响，取造林密度为625 株·hm−2 (4 m×4 m) 的林地为试验地，造林面积约0.333 hm2。造林当年于雨季末抚育1次，并松土追肥；随后2年内，每年雨季初和雨季末各抚育1次，并结合第1次抚育进行施肥；施肥采用穴施方式，肥料为复合肥，m(N)︰m(P2O5)︰m(K2O) = 15︰15︰15，施肥量逐年递增，3次的每穴施肥量分别为100、250和300 g。
2. 研究方法
2.1 试验设计
考虑到当地西南桦的物候特殊性，即西南桦在9月上旬至中旬落叶，9月底—10月初萌发新叶，因此，于2017年10月初铺设试验。于试验林内选取西南桦优势木和亚优势木12株，调查其树高、胸径和枝下高，并计算其冠长(表1)。基于前期对不同冠层光合能力的测定，上部冠层(约1/3)光合能力基本不受造林密度影响，因此，模拟不同造林密度林分的光环境，设置不遮阴(对照，CK)、低遮阴率(40%~45%)、中遮阴率(55%~60%) 和高遮阴率(80%~90%) 4个处理，在自顶梢开始向下1/3冠长处用不同透光率的遮阴网搭建遮阴棚，遮阴棚长、宽均为6 m。试验采用随机区组设计，单株小区，每个处理3次重复。对于该位置以下所有枝条，依次挂牌、编号，测定其高度位置、基径、长度等指标。枝条基径采用电子游标卡尺测定(精度0.01 mm)，枝条长度采用伸缩尺测定(精度0.01 m)。
2.2 林木生长与枝条发育调查
自2018年1月开始至2019年1月，每隔3~4个月调查试验单株及标记枝条的生长情况。测定胸径、树高、枝下高以及枝条基径和长度，并记录枝条存活情况。
表 1 不同遮阴率处理下参试植株的生长状况1)Table 1. Growth performance of test individuals in different shading treatments遮阴率/%
Shade rate树高/m
Tree height胸径/cm
DBH枝下高/m
Height below branch冠长/m
Crown length0(CK) 6.77±0.484 7.83±0.133 1.73±0.338 5.03±0.393 40~45 6.87±0.067 7.43±0.176 1.30±0.058 5.57±0.882 55~60 6.37±0.584 6.63±0.869 1.67±0.633 4.70±0.750 80~90 6.87±0.636 7.17±0.120 1.58±0.434 5.28±0.812 1) 表中数据为平均值±标准误(n=3)
1) The data in the table are means ± standard errors (n=3)2.3 数据分析
利用SPSS21.0 (IBM-SPSS Inc., Chicago, USA) 对每个调查时间段及整个试验期内西南桦单株及枝条各生长指标的增量进行单变量协方差分析。对于每个时间段，协变量为上次的测量值；对于整个试验期，协变量为第1次的测量值。自然整枝率为每次测量时单株枝条死亡数量与第1次调查时枝条总数的比值，方差分析之前先进行arcsin转换，不同处理间多重比较采用Duncan’s方法。
3. 结果与分析
3.1 林木生长对遮阴的响应
遮阴处理1年后，西南桦幼林树高增量随着遮阴度的增加基本呈现先增加后降低趋势，而胸径增量的变化趋势不明显；各处理间树高、胸径增量差异均未达到显著水平(P≥0.05)。每个调查时间段内，各处理间树高和胸径增量亦无显著差异。胸径在1至4月份生长最快，2018−01—04期间各处理的增量均超过0.73 cm (表2)。
表 2 不同遮阴率处理下西南桦幼林树高、胸径生长动态1)Table 2. Growth dynamics of tree height and diameter at breast height for young Betula alnoides in different shading treatments指标
Index遮阴率/%
Shade rate2017–10—2018–01 2018–01—04 2018–04—07 2018–07—2019–01 合计
Totalh/m 0(CK) 0.283±0.044a 0.417±0.060a 0.333±0.088a 0.400±0.115a 1.433±0.120a 40~45 0.167±0.089a 0.367±0.167a 0.900±0.100a 0.600±0.057a 2.033±0.145a 55~60 0.167±0.033a 0.567±0.203a 0.567±0.285a 0.533±0.089a 1.833±0.088a 80~90 0.400±0.039a 0.367±0.145a 0.300±0.115a 0.467±0.076a 1.533±0.145a DBH/cm 0(CK) 0.433±0.120a 0.733±0.133a 0.400±0.057a 0.967±0.120a 2.533±0.384a 40~45 0.367±0.145a 1.000±0.153a 0.100±0.033a 0.833±0.088a 2.300±0.252a 55~60 0.267±0.088a 0.833±0.120a 0.300±0.057a 0.800±0.115a 2.200±0.208a 80~90 0.133±0.067a 0.967±0.145a 0.400±0.020a 0.833±0.376a 2.333±0.561a 1) h：树高增量；DBH：胸径增量；表中数据为平均值±标准误(n=3)；相同指标同列数据后的相同小写字母表示处理间差异不显著(P≥0.05，Duncan’s法)
1) h: Tree height increment; DBH: DBH increment; The data in the table are means ± standard errors (n=3); The same lowercase letters in the same column of the same index indicate no significant difference among treatments (P≥0.05，Duncan’s method)3.2 枝条发育对遮阴的响应
3.2.1 枝条直径对遮阴的响应
由表3可知，在每个调查时间段内及整个试验期间，西南桦幼林枝条直径增量随着遮阴率的增加而呈现降低趋势，各遮阴处理间大多差异显著 (P<0.05)。整个试验期间，CK的枝条直径增量是遮阴率80%~90%处理的1.73倍，达4.680 mm。每个时间段内，CK的枝条直径增量显著高于遮阴率55%~60% (仅2018−04—07期间例外)和80%~90%处理；CK和遮阴率40%~45%处理间，仅2018−01—04期间的枝条直径增量差异显著；遮阴率40%~45%和55%~60%处理间在2017−10—2018−04期间差异显著，此后时间段内差异不显著；遮阴率55%~60%和80%~90%处理间仅在2018−07—2019−01期间差异显著。
表 3 不同遮阴率处理下西南桦幼林枝条生长动态1)Table 3. Branch growth dynamics of young Betula alnoides in different shading treatments指标
Index遮阴率/%
Shade rate2017–10—2018–01 2018–01—04 2018–04—07 2018–07—2019–01 合计
Totald/mm 0(CK) 1.213±0.059a 1.197±0.056a 0.841±0.074a 1.429±0.072a 4.680±0.261a 40~45 1.123±0.062a 1.021±0.058b 0.846±0.094a 1.288±0.100ab 4.278±0.314b 55~60 0.805±0.061b 0.776±0.057c 0.661±0.120ab 1.109±0.127b 3.351±0.365c 80~90 0.753±0.061b 0.687±0.057c 0.552±0.111b 0.708±0.116c 2.700±0.345d l/m 0(CK) 0.118±0.008a 0.135±0.009a 0.086±0.008a 0.135±0.009a 0.474±0.034a 40~45 0.081±0.008b 0.136±0.009a 0.081±0.010a 0.132±0.013a 0.430±0.040a 55~60 0.072±0.008b 0.090±0.009b 0.067±0.012a 0.107±0.016ab 0.336±0.045b 80~90 0.070±0.008b 0.076±0.009b 0.065±0.012a 0.075±0.015b 0.286±0.044b 1) d：枝条直径增量；l：枝条长度增量；表中数据为平均值±标准误(n=3)；相同指标同列数据后的不同小写字母表示处理间差异显著(P<0.05，Duncan’s法)
1) d: Branch diameter increment; l: Branch length increment; The data in the table are means ± standard errors (n=3); Different lowercase letters in the same column of the same index indicate significant differences among treatments (P<0.05, Duncan’s method)3.2.2 枝条长度对遮阴的响应
由表3可知，相对于枝条直径生长，西南桦幼林枝条长度增量对遮阴处理的敏感性稍弱，亦随着遮阴率的增加呈现降低趋势。其中，2017−10—2018−01期间，CK的枝条长度增量显著高于其他3个遮阴处理 (P<0.05)，达到0.118 m；然而随着时间的推移，2018−01—04期间遮阴率40%~45%处理与CK间的枝条长度增量差异不显著 (P≥0.05)，两者均显著高于遮阴率55%~60%和80%~90%处理；2018−04—07期间各遮阴处理间枝条长度增量均无显著差异；2018−07—2019−01期间，仅遮阴率80%~90%处理的枝条长度增量显著低于CK和遮阴率40%~45%处理。整个试验期内，遮阴率40%~45%处理与CK的枝条长度增量无显著差异，两者均显著高于遮阴率55%~60%和80%~90%处理。
3.2.3 自然整枝对遮阴的响应
由表4可知，遮阴试验开始后的6个月 (2017−10—2018−04) 内，各处理间西南桦幼林自然整枝率虽无显著差异(P≥0.05)，但各遮阴处理西南桦幼林自然整枝率均明显高于CK；第6个月以后，西南桦自然整枝率随遮阴率的增加呈升高趋势，其中CK的自然整枝率均显著低于各遮阴处理(P<0.05)，但3个遮阴处理间差异不显著，至试验期末(2019−01)，各遮阴处理西南桦幼林自然整枝率均超过74%，遮阴率55%~60%和80%~90%处理的自然整枝率超过81%。自然整枝过程主要发生在4—7月份，期间各遮阴处理的自然整枝率增量均超过47%，其中遮阴率55%~60%处理的自然整枝率超过66%。
表 4 不同遮阴处理下西南桦幼林自然整枝率1)Table 4. Natural pruning rate of young Betula alnoides in different shading treatment% 遮阴率/% Shade rate 2018–01 2018–04 2018–07 2019–01 0(CK) 2.020±2.020a 5.374±3.566a 37.778±2.222b 38.788±1.212b 40~45 19.341±4.847a 21.397±5.517a 68.661±5.144a 74.359±4.933a 55~60 8.530±5.279a 11.235±5.852a 77.982±10.029a 81.598±7.967a 80~90 18.046±9.194a 21.233±8.926a 77.674±7.792a 81.297±8.033a 1) 表中数据为平均值±标准误(n=3)；同列数据后的不同小写字母表示处理间差异显著(P<0.05，Duncan’s法)
1) The data in the table are means ± standard errors (n=3); different lowercase letters in the same column indicate significant differences among treatments (P<0.05, Duncan’s method)4. 讨论与结论
光对植物的生长发育和形态构建有十分重要的作用，过强或过弱的光照均有可能对林木生长产生不利影响。本研究发现，不同遮阴处理间西南桦幼林在每个调查时间段和整个试验期内树高、胸径增量均未呈现出显著差异。究其原因，林木可能通过改善自身对弱光的利用能力，部分弥补因遮阴造成的光合损失，此可从遮阴后各调查时间段胸径增量差异的变化趋势得到验证，遮阴处理初期 (2017−10—2018−01) 胸径增量差异最大，此后差异变小。我们前期通过不同造林密度西南桦幼林各冠层光合能力测定发现，随造林密度增加西南桦幼林对弱光利用能力增强[20]。尽管如此，各遮阴处理胸径增量均明显低于CK组，表明遮阴对西南桦的胸径生长具有负面影响，这与王振兴等[21]对闽楠Phoebe bournei和郑坚等[22]对降香黄檀Dalbergia odorifera等的研究结果一致。
枝条发育主要表现为枝条基径和长度的生长。本研究中，各调查时间段及整个试验期内西南桦枝条基径和长度增量均随遮阴率增加呈降低趋势，其主要原因是，遮阴条件下光照不足，下部枝条上叶片亦较少[23]，且不能合成更多的光合产物同时满足树干和枝条的生长，此亦可从本研究中西南桦单株生长尚未受到显著影响得到验证。Mori等[24]比较分析了2个演替后期冷杉Abies fabri林下5株受强遮阴以及5株开阔地带生长旺盛的冷杉幼树，亦发现遮阴条件下幼树会增加对树干的能量分配，从而造成枝条生长受到抑制。
本研究还发现，2018–01—04时间段西南桦幼林枝条长度增量明显高于其他3个时间段，这一方面是与当地西南桦的物候特征有关，其夏季叶片开始衰老，9月份落叶，落叶后约2周即萌发新叶，春季是其快速生长期；另一方面可能与植物自身对环境改变的适应性有关，遮阴后植株可通过增加叶面积以增加光截获能力[25]，作为支撑叶片的枝条也将通过伸长生长增加生长空间获得更多的光以满足生长需求。尽管如此，从长期来看，短时间内林木自身的适应还不足以抵消遮阴造成的负面影响，致使遮阴下枝条生长显著低于全光环境。
自然整枝是林分达到郁闭后，下层枝条由于上层树冠的遮挡长期光照不足发生一系列生理变化而出现枝条枯萎并相继脱落的现象[26]，枝条脱落后形成节子，会降低木材质量[27]。本研究发现，西南桦幼树自然整枝率随遮阴强度增加而增大，即枝条寿命在遮阴环境中明显低于全光照，这与占峰等[28]对桂花Osmanthus fragrans和水杉Metasequoia glyptostroboides以及Mori等[24]对冷杉的研究结果相反，造成这一差异的原因可能与西南桦是强阳性树种有关，这也说明不同树种对光环境的响应亦不同。本研究还发现，自然整枝主要发生在4—7月份，这一时期各遮阴处理的整枝率增量均超过47%，而CK组的自然整枝率也超过32%。究其原因，其一、遮阴处理一段时间后叶片光合产能不足以满足枝条正常需求，致使枝条提前衰老；其二、此时期西南桦叶片处于衰老期，叶片光合能力进一步降低，进而加速枝条死亡；其三、陶玉华等[29]对造林密度为2 m×4 m的西南桦造林后连续15年观测发现，西南桦自然整枝高峰期在造林后6~7年，本研究中林分在2018年4月时亦满6年，可能开始处于自然整枝高峰期，这也是潜在的原因之一；其四、4—7月份试验地进入雨季，多暴风雨，亦可能促进自然整枝。
综上所述，本研究基于系列密度西南桦林分的树冠光环境模拟试验，发现各调查时间段及整个试验期间，遮阴处理的树高、胸径增量与CK(全光照)差异不显著，而枝条基径、长度增量则显著低于CK，且自然整枝率随遮阴率增加呈上升趋势，这验证了我们前期研究的论断，即通过造林密度调控枝条发育的关键在于林内光环境差异[20]。通过适度提高西南桦造林密度，促进林分提前郁闭，营造林分内弱光环境，有助于降低西南桦主要用材区段枝条大小，加快自然整枝，提升木材质量，结合合理施肥、间伐等技术措施，实现其大径级无节材的高效培育。
-
![]()
图 1 RealsenseD435实物示意图
1：左红外相机； 2：红外点射投射器； 3：右红外相机； 4：RGB相机
Figure 1. Physical sketch of RealsenseD435
1: Left infrared camera; 2: Infrared spot projector; 3: Right infrared camera; 4: RGB camera
![]()
图 2 数据采集平台示意图
1：种鸡测定站；2：俯视相机；3：侧视相机；4：料筒
Figure 2. Schematic diagram of data acquisition platform
1: Breeding chicken testing station; 2: Overhead camera; 3: Side view camera; 4: Material barrel
![]()
图 4 相机与点云变换原理示意图
m(u,v)为图像坐标系下的任意坐标点；O′为图像的中心点；M(Xw, Yw, Zw)为世界坐标系下的三维点云点
Figure 4. Schematic diagram of camera and point cloud transformation
m(u,v) is any coordinate point in the image coordinate system; O′ is the center point of the image; M(Xw, Yw, Zw) is a three-dimensional point cloud point in the world coordinate system
![]()
图 7 半潜水长人工测量点示意图
Figure 7. Schematic diagram of the manual measurement point for semi submersible length
![]()
图 11 剔除尾羽点云边缘示意图
Figure 11. Schematic diagram of point cloud edge with tail feather removed
![]()
图 17 不同边界算法效果
图a~c的边界点数分别为800、648和679
Figure 17. Results of different boundary algorithms
The boundary points of figure a−c are 800, 648 and 679, respectively
表 1 相机指标数据
Table 1 Camera index data
目标距离/m
Target distanceZ轴准确率/%
Z axis accuracy填充率/%
Fill-rate平面误差/%
Plane fit error平面拟合误差1)/像素
Subpixel RMS error健康评价2)
Health-check (HLC)0.20 99.76 100 0.26 0.03 0.04 0.25 99.67 100 0.17 0.03 0.05 0.30 99.55 100 0.29 0.03 0.04 1) 平面拟合误差表示局部平面拟合到深度值的噪声占据的像素数，当其小于0.1时认为噪声不影响相机状态；2) HLC用于衡量相机深度性能，当HLC<0.25时，认为相机的深度性能处于较好状态
1) Sub-pixel RMS error indicates the number of pixels occupied by the noise fitting the local plane to the depth value, and if it is less than 0.1, it is considered that the noise does not affect the camera state; 2) The HLC is used to measure the depth performance of the camera, and if HLC is less than 0.25, the depth performance of the camera is considered to be in a good state
下载: 导出CSV
表 2 鸡只体尺数据
Table 2 Body size data of chicken
序号
No.估测值/cm Estimated value 测量值/cm Measurement value t/s 胸宽
Chest width胫长
Shank length半潜水长
Half-diving depth胸宽
Chest width胫长
Shank length半潜水长
Half-diving depth1 8.11 7.58 36.46 9.2 7.2 38.5 8.1 2 7.51 8.53 33.53 7.6 7.7 33.9 8.3 3 7.17 7.80 35.54 7.6 7.6 35.4 13.2 4 6.87 7.57 34.12 7.3 7.9 33.7 7.2 5 7.86 7.57 32.61 8.6 8.1 35.7 7.1
下载: 导出CSV
-
[1] 沈明霞, 丁奇安, 陈佳, 等. 信息感知技术在畜禽养殖中的研究进展[J]. 南京农业大学学报, 2022, 45(5): 1072-1085. [2] JOHNSTONA M, EDWARDSD S. Welfare implications of identification of cattle by ear tags[J]. The Veterinary Record, 1996, 138(25): 612-614. doi: 10.1136/vr.138.25.612
[3] ZARAGOZA O, ENRIQUE L. Evaluation of the accuracy of simple body measurements for live weight prediction in growing-finishing pigs[D]. Champion: University of Illinois at Urban-Champagin, 2011: 1-2.
[4] 陈瑶, 张云伟, 雷金辉, 等. 基于视觉的四足动物骨架及行走步态特征提取方法[J]. 电子测量与仪器学报, 2022, 36(2): 68-77. [5] 彭孝东, 时磊, 何静, 等. 消费级RGB-D相机在农业领域应用现状与发展趋势[J]. 中国农机化学报, 2022, 43(4): 206-215. [6] 张婧婧, 李勇伟. 基于机器视觉的马体尺测量系统设计与研究[J]. 计算机测量与控制, 2017, 25(12): 17-20. [7] 尹令, 蔡更元, 田绪红, 等. 多视角深度相机的猪体三维点云重构及体尺测量[J]. 农业工程学报, 2019, 35(23): 201-208. [8] 刘同海, 滕光辉, 付为森, 等. 基于机器视觉的猪体体尺测点提取算法与应用[J]. 农业工程学报, 2013, 29(2): 161-168. [9] 马学磊, 薛河儒, 周艳青, 等. 基于改进区域生长法的羊体点云分割及体尺参数测量[J]. 中国农业大学学报, 2020, 25(3): 99-105. [10] 赵建敏, 赵成, 夏海光. 基于Kinect v4的牛体尺测量方法[J]. 计算机应用, 2022, 42(5): 1598-1606. [11] 戚超. 基于深度相机和机器视觉技术的鸡胴体质量在线分级系统[D]. 南京: 南京农业大学, 2019. [12] AYDIN A. Using 3D vision camera system to automatically assess the level of inactivity in broiler chickens[J]. Computers and Electronics in Agriculture, 2017, 135: 4-10. doi: 10.1016/j.compag.2017.01.024
[13] MORTENSEN A K, LISOUSKI P, AHRENDT P. Weight prediction of broiler chickens using 3D computer vision[J]. Computers and Electronics in Agriculture, 2016, 123: 319-326. doi: 10.1016/j.compag.2016.03.011
[14] 赵振华, 黎寿丰, 黄华云, 等. 2个品系肉鸡体尺性状和屠宰性状的典型相关分析[J]. 福建农林大学学报(自然科学版), 2012, 41(2): 166-169. [15] 郭宏杰, 马德新. 计算机视觉技术在农业领域的应用[J]. 乡村科技, 2021, 12(14): 119-120. [16] 董静超, 陈家雪, 李华, 等. 清远麻鸡慢羽系屠宰性状与体尺性状的主成分分析[J]. 江苏农业科学, 2022, 50(5): 151-155. [17] 姜宏正, 杨德智, 马中华, 等. 儋州鸡体尺性状全基因组关联分析[J]. 中国畜牧兽医, 2022, 49(2): 598-607. [18] 文杰. 肉鸡种业的昨天、今天和明天[J]. 中国畜牧业, 2021(17): 27-30. [19] XU R, TYASI T L, QIN N, et al. Assessment of relationship between body weight and body measurement traits of indigenous Chinese Dagu chickens using path analysis[J]. Indian Journal of Animal Research, 2017: 588-593.
[20] FU J, WANG S, LU Y, et al. Kinect-like depth denoising[C]//2012 IEEE International Symposium on Circuits and Systems (ISCAS). Seoul: IEEE, 2012: 512-515.
[21] ZHANG Y Z. A flexible new technique for camera calibration[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, 22(11): 1330-1334. doi: 10.1109/34.888718
[22] 中华人民共和国农业部. 家禽生产性能名词术语和度量统计方法: NY/T 823—2004[S]. 北京: 中国农业出版社, 2009: 3-4. [23] LIG X, LIUX L, MAY F, et al. Body size measurement and live body weight estimation for pigs basedon back surface point clouds[J]. Biosystems Engineering, 2022, 218: 10-22. doi: 10.1016/j.biosystemseng.2022.03.014
[24] XU G, RUAN P. Point cloud boundary detection in preprocessor of optical-mechanical integrated simulation[J]. Infrared and Laser Engineering, 2016, 45(4): 0428001. doi: 10.3788/irla201645.0428001
-
期刊类型引用(5)
1. 许文英. 西南桦的生长特征及栽培技术探讨. 农村科学实验. 2024(07): 82-84 . 
百度学术
2. 连晓倩，田云龙，黄健，钟兆全，周垂帆，黄伟，吴鹏飞. 杉木林分密度对套种闽楠树型、光合能力及生物量分配的影响. 林业科学研究. 2024(05): 13-22 . 百度学术
3. 余清海. 不同基质·遮阴强度对盐肤木种子萌发的影响. 安徽农业科学. 2023(23): 90-92+103 . 百度学术
4. 代嵩华，黄印冉，冯树香，闫淑芳，刘易超，陈丽英，樊彦聪. 不同遮阴强度对白桦幼苗生长情况的影响. 河北林业科技. 2022(02): 25-27+36 . 百度学术
5. 朱秀征，靳超，房丽莎，刘震，王艳梅，蔡齐飞，李志，耿晓东. 不同密度下山桐子自然整枝差异性分析. 河南科学. 2022(08): 1257-1263 . 百度学术
其他类型引用(3)
