PickAMoo：利用智能手机成像的LIDAR增强型Mask R-CNN分割，用于奶牛精准体重估算

为何要进行无接触称重

对乳制品农场主来说，了解每头奶牛的体重对于制定饲料配方、监测健康和繁育决策至关重要。然而，把奶牛放在秤上需要时间、设备，往往还需对动物进行一定的驱赶和控制，可能导致应激。本文研究是否可以用普通智能手机，借助其深度传感器和现代图像分析技术，从牛棚中拍摄的照片估算奶牛体重，将繁琐的工作变成一次快速、无接触的拍摄。

卷尺与笨重设备的问题

在许多农场，工作人员仍通过目测、用卷尺绕胸围测量或把动物引到固定秤上来判断体重。这些方法可行，但要求操作熟练、耗时且需要近距离接触大型动物。对于某些品种或体型很重的奶牛，这些方法也可能不准确，因为体型各异。近期研究表明，相机与计算机视觉可以从图像中读取体型信息，但大多数现有系统依赖固定的3D相机和精心布置的通道，这些设备价格昂贵且难以在普通牛棚中安装。

把智能手机变成牛棚边的工具

研究人员设计了一套以手持智能手机为核心的工作流程，许多农场主已经拥有这类设备。他们重点使用内置深度传感器（LiDAR）的iPhone机型，这有助于判断牛的距离。一个名为PickAMoo的定制应用引导用户站到合适的距离和角度，以确保整头牛在视野内。在瑞典两处研究农场的现场测试中，团队收集了近3000张图像，来自500多头奶牛，同时记录了自动秤的真实体重和一组传统卷尺测量值以作比较。

教手机识别奶牛轮廓

接下来的挑战是教计算机从嘈杂的牛棚场景中识别并提取奶牛轮廓。团队在500多张照片上手工绘制了精确的牛体边界，并将这些标注用作训练现代图像分割模型Mask R-CNN的示例。在多个测试版本中，以ResNet-101为骨干的模型表现最佳，几乎在所有情况下都能正确将奶牛与背景分离。系统从这些轮廓中计算出高度、长度和投影体表面积等简单形状特征，并结合深度读数对其进行校正，以便能公平地比较不同拍摄距离下的奶牛。

从轮廓到体重区间

研究人员没有预测精确到公斤的体重，而是将奶牛分为九个体重区间，类似农场主常用的实用范围思维。他们训练了一个机器学习模型，将经秤校正的形状特征与这些区间关联起来，同时谨慎避免从测试数据向训练过程中泄露信息。在一组未参与建模的独立奶牛上检验时，基于智能手机的系统大约有90%到96%的概率将动物归入正确的体重区间。大多数错误仅相差一个区间，意味着即使不完全准确，估算仍接近真实体重。与标准基于卷尺的公式相比，新方法在较重的瑞典红牛中避免了一些特定品种的误差。

对日常养殖的意义

研究表明，在现实的牛棚条件下，手持手机结合深度感知、智能图像分割和定制学习算法，可以为奶牛提供有用的无接触体重估算。虽然在需要精确称重时它不能替代经过校准的秤，但可支持频繁、低劳动强度的检查，帮助调整饲料、跟踪体重变化并标记需进一步关注的个体。随着对更多品种和农场类型的进一步测试，以及将软件优化为完全在设备端运行，此类工具有望使准确称牛更易获得且对牛和人都更少应激。

引用: Guzhva, O., Ternman, E., Lindberg, M. et al. PickAMoo: LIDAR-enhanced mask R-CNN segmentation for precision weight estimation in dairy cattle using smartphone imaging. Sci Rep 16, 16020 (2026). https://doi.org/10.1038/s41598-026-54742-3

关键词: 奶牛, 智能手机成像, LiDAR, 计算机视觉, 体重估算