综述：基于多相机系统和CW-Measure-pose的鸡冠和肉垂自动无创测量方法

本综述推荐一种创新性的家禽体征监测技术：通过多视角成像系统结合轻量化关键点检测模型CW-Measure-pose（含StarNet主干、FDPN颈部模块及C3k2-Star头部结构），实现鸡冠（comb）和肉垂（wattle）的无接触精准测量。该方法采用Wise-ShapeIoU损失函数动态优化锚框梯度，在仅1.87MB模型体积下达到mAP0.5:0.95 93.30%的优异性能，测量误差（MAPE）普遍低于10%，较传统人工测量效率提升显著（16.19秒/次），为智能养殖提供可靠技术支撑。

　　

数据采集与实验平台

研究团队于2024年7-8月在浙江绍兴养殖场采集140只6-29周龄黄羽鸡的多视角视频数据（300秒/视角），同步进行人工体征测量建立基准值。创新设计的测量标准首次系统覆盖鸡冠高度/宽度与肉垂长度等参数，为后续算法训练提供高质量标注数据。

模型性能对比实验

相较于基线模型YOLOv11n-pose，CW-Measure-pose在mAP_0.5:0.95指标上提升6.10%，模型体积缩减0.83MB。其核心创新在于：1）StarNet主干网络通过星型拓扑结构压缩计算量；2）颈部FDPN模块实现多尺度特征聚焦扩散，配合DASI模块的维度感知选择机制优化信息融合；3）头部C3k2-Star卷积采用核尺寸为2的星型参数共享策略，提升特征表达能力。特别设计的Wise-ShapeIoU损失函数通过非单调聚焦系数动态调节梯度，使皮尔逊相关系数最高达0.972（肉垂长度）。

结论与展望

该技术突破传统测量需固定鸡头、放置标尺的限制，实现自然状态下的多参数同步检测。实测数据显示，鸡冠高度测量与人工结果相关性达0.965，各项指标MAPE普遍低于10%。未来可扩展应用于其他畜禽体征监测，推动养殖业数字化转型。研究团队已公开包含RGB-D数据的鸡冠肉垂数据集（Kaggle平台），促进领域协同创新。