基于多激光雷达与改进点云分割网络的猪体部位分割及表型性状高效提取方法

【编辑推荐】针对深度相机在生猪表型参数采集中存在的视野局限与运动干扰问题，华中农业大学团队创新性构建多激光雷达(Multi-LiDAR)采集平台，提出改进版PointVector++点云分割网络，实现猪体部位90.5% mIoU分割精度，10项关键体尺参数平均绝对误差(MAE)低于3.61 cm，为规模化养殖场自动化表型监测提供新范式。

　　

在现代化生猪养殖领域，精准获取体长、胸宽等表型参数对育种选育至关重要。传统人工测量方式效率低下且易受主观影响，而基于深度相机的三维重建技术又面临视野狭窄、动态模糊等瓶颈。激光雷达(LiDAR)虽具备大视野和微秒级同步优势，但如何从运动猪只的不规则点云中精确分割身体部位仍是核心挑战。

华中农业大学研究团队在《Computers and Electronics in Agriculture》发表的研究中，创新性融合多传感器技术与深度学习算法。通过搭建双LiDAR同步采集平台获取150头活猪的高质量点云数据，提出改进型PointVector++网络：其创新性引入可学习下采样模块优化旋转不变性，VPSA++模块增强特征适应性，最终实现猪体部位90.5%的mIoU分割精度。基于分割结果开发的体尺计算算法，使体长等5项参数MAE<3.61 cm，R²

0.64。

关键技术包括：1) 双LiDAR微秒级同步采集系统构建；2) 融合可学习下采样与VPSA++模块的PointVector++网络；3) 基于最小二乘拟合与平面拟合的表型参数计算流程。

【实验平台】
采用NVIDIA RTX 4090 D显卡和PyTorch框架，使用Poly1FocalLoss损失函数训练模型，batch size设为16。

【体围计算分析】
斜向60°的LiDAR布设导致腹部点云缺失，使胸围(CG)等环状参数误差较高，揭示传感器布局对测量精度的关键影响。

【结论】
该研究首次实现商业化猪场环境下自动化表型采集，PointVector++在复杂点云处理中展现优越的密度平衡能力。相比深度相机方案，LiDAR系统在同步精度(微秒级)和环境适应性方面具有显著优势，为畜禽三维数字化提供可靠技术路径。资助信息显示该工作获国家重点研发计划等国家级项目支持，凸显其在智慧农业领域的战略价值。