引用格式
李明煌, 苏力德, 张永, 宗哲英, 张顺. 基于改进YOLOv8n-pose和三维点云分析的蒙古马体尺自动测量方法[J]. 智慧农业(中英文), 2024, 6(4): 91-102.
LI Minghuang, SU Lide, ZHANG Yong, ZONG Zheying, ZHANG Shun. Automatic Measurement of Mongolian Horse Body Based on Improved YOLOv8n-pose and 3D Point Cloud Analysis[J]. Smart Agriculture, 2024, 6(4): 91-102.
官网全文免费阅读
知网阅读
基于改进YOLOv8n-pose和三维点云分析的蒙古马体尺自动测量方法
李明煌1，2， 苏力德1，2， 张永1，2*， 宗哲英1，2， 张顺3
（1.内蒙古农业大学 机电工程学院，内蒙古呼和浩特 010018，中国；2.牧草饲料生产全程智能化装备内蒙古自治区工程研究中心，内蒙古呼和浩特 010018，中国；3.内蒙古自治区巴彦淖尔市现代农牧事业发展中心，内蒙古巴彦淖尔 015001，中国）
摘要：［目的/意义］准确高效地获取马匹体尺信息是马产业现代化进程中的关键环节。传统的人工测量方法耗时长、工作量大，且会对马匹造成一定应激反应。因此，实现准确且高效的体尺参数自动测量对于制定蒙古马早期育种计划至关重要。
［方法］选择Azure Kinect深度相机获取蒙古马双侧RGB-D数据，以YOLOv8n-pose为基础，通过在C2f模块中引入可变形卷积（Deformable Convolution v2, DCNv2），同时添加洗牌注意力机制（Shuffle Attention, SA）模块和优化损失函数（SCYLLA-IoU Loss, SIoU）的方法，利用余弦退火法动态调整学习率，提出一种名为DSS-YOLO（DCNv2-SA-SIoU-YOLO）的模型用于蒙古马体尺关键点的检测。其次，将RGB图中的二维关键点坐标与深度图中对应深度值相结合，得到关键点三维坐标，并实现蒙古马点云信息的转换。利用直通滤波、随机抽样一致性（Random Sample Consensus, RANSAC）、统计离群值滤波、主成分分析法（Principal Component Analysis, PCA）完成点云处理与分析。最终根据关键点坐标自动计算体高、体斜长、臀高、胸围和臀围5项体尺参数。
［结果和讨论］DSS-YOLO的平均关键点检测精度为92.5%；dDSS为7.2个像素；参数量和运算量分别仅为3.48 M和9.1 G。体尺参数自动测量结果与人工测量值相比，各项体尺参数的整体平均绝对误差为3.77 cm；平均相对误差为2.29%。
［结论］研究结果可为蒙古马运动性能相关遗传参数的确定提供技术支撑。
关键词： 蒙古马；体尺测量；卷积神经网络；注意力机制；三维点云处理；YOLOv8n-pose
文章图片
注：1. 体高；2. 体斜长；3. 臀高；4. 胸围；5. 臀围；a. 肩部端点；b. 髻甲点；c. 臀部最高点；d. 臀部端点；e. 肘部端点；f. 跗关节点。
图1 蒙古马体尺参数测量图示及标注
Fig. 1 Diagram and illustration of Mongolian horse body sizes measurement
图2 蒙古马深度信息采集平台布置
Fig. 2 Platform layout of Mongolian horse deep information collection
图3 蒙古马体尺参数自动测量研究技术路线图
Fig. 3 Overall technology roadmap for automated measurement of body size parameters of Mongolian horses
注：Conv2d为卷积操作；BN为批次归一化；SiLU为Sigmoid加权线性单元激活函数；Bottleneck为瓶颈结构；Contact为特征拼接；Upsample为上采样操作；Maxpool为最大池化操作；SPPF为快速空间金字塔池化。
图4 DSS-YOLO网络结构
Fig. 4 The network structure of DSS-YOLO
图5 C2f_DCN模块
Fig. 5 C2f_DCN module
图6 SA模块
Fig. 6 SA module
图7 角度成本示意图
Fig. 7 Schematic diagram of angle cost
图8 三维点云坐标系转换关系示意图
Fig. 8 Three-dimensional point cloud coordinate system
图9 实际养殖环境下的蒙古马点云全局配准效果
Fig. 9 Global alignment effect of Mongolian horse point cloud in real breeding environment
图10 蒙古马胸、臀围点云切片及曲线拟合示意图
Fig. 10 Schematic diagram of point cloud slicing and curve fitting of Mongolian horse chest and croup circumference transformation relationship diagram
图11 蒙古马背部和腹部点云出现孔洞情况时臀部曲线拟合示意图
Fig. 11 Schematic diagram of croup curve fitting with holes in the dorsal and ventral parts of the Mongolian horse point cloud
图12 YOLOv8n-pose和DSS-YOLO模型训练过程对比
Fig. 12 Comparison of YOLOv8n-pose and DSS-YOLO
图13 DSS-YOLO模型检测效果示例
Fig. 13 Example of the detection effect of DSS-YOLO model
图14 蒙古马点云重建结果
Fig. 14 The Mongolian horse point cloud reconstruction results model training process
图15 各项体尺参数测量结果绝对误差箱线图
Fig. 15 Box plots of MAE for each body measurements
作者介绍
张永 教授
张永，教授，工学博士，博士生导师，现任内蒙古农业大学机电工程学院院长；内蒙古农业大学农业工程一级学科博士点责任人；兼任中国农业工程学会理事、中国农业机械学会畜牧机械分会副主任委员、中国农业机械学会农机维修分会委员、内蒙古自治区可再生能源学会副理事长、内蒙古自治区新能源学会理事、内蒙古自治区草业机械重点实验室学术委员会主任、内蒙古电机与农村电气分会教育委员会委员；入选内蒙古自治区“321工程人才”；内蒙古自治区“草原英才”现代农牧业工程新技术研发及应用创新人才团队、内蒙古自治区高等学校创新团队、牧草饲料生产全程智能化装备内蒙古自治区工程研究中心带头人；主要研究方向是数字化农牧业关键技术及装备、机电控制系统及智能技术，近年来主持国家自然科学基金及省部级重点研发项目10余项，在国内外学术刊物上发表论文60余篇（其中SCI及EI收录20余篇），授权专利50余项，其中发明专利15项。获得内蒙古自治区科技进步一等奖1项；主编“十四五”规划教材1部。
来源：《智慧农业（中英文）》2024年第4期
转载请联系编辑部授权
本期支持单位
潍柴雷沃智慧农业科技股份有限公司
推荐阅读
尹令教授团队：猪三维点云体尺自动计算模型Pig Back Transformer（《智慧农业（中英文）》2024年第4期）
智慧农业微信交流服务群
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。
