基于3D点云的猪腿部结构自动评分方法 韩永奇（Yongqi Han） 岳友军（Youjun Yue） 薛向龙（Xianglong Xue） 李明宇（Mingyu Li） 范一凯（Yikai Fan） 杨西蒙（Simon X. Yang） 丹尼尔·莫里斯（Daniel Morris） 李启峰（Qifeng Li） 马伟宏（Weihong Ma）

《Agriculture》：An Automatic Scoring Method for Swine Leg Structure Based on 3D Point Clouds Yongqi Han, Youjun Yue, Xianglong Xue, Mingyu Li, Yikai Fan, Simon X. Yang, Daniel Morris, Qifeng Li and Weihong Ma

　　

摘要

通过移动设备实时测量茶芽表型受到模型轻量化挑战的限制，而基于关键点的非接触式茶芽表型测量研究仍大多未被探索。茶芽生长姿态的信息是确定茶叶成熟度等级、质量监控和茶叶育种的重要基础。因此，本研究开发了一个基于深度学习的YOLOv8p-Tea模型，该模型能够估计茶芽姿态的关键点信息，并通过整合深度信息自动获取茶芽的三维点云数据，从而实现茶芽表型参数的现场测量。该模型使用茶芽（一芽三叶）图像数据集进行训练和验证，实验结果证明了其有效性。与YOLOv8p-pose模型相比，该模型的mAP50达到了98.3%，P值达到了97%，参数数量减少了25%。mAP50和P值分别提高了1.5%和1.9%。为了验证表型提取的准确性，该模型被部署在边缘设备上，在一个茶园中随机选择了30个一芽三叶的茶芽进行测量。最终的现场测量结果显示MRE为6.63%。实验结果表明，所开发的方法不仅能够有效估计茶芽姿态，还能准确实现茶芽表型的现场测量，这为智能茶园的建设需求和茶叶育种的优化提供了潜在的应用价值。