首页
7月6日，记者从安徽农业大学获悉，该校农业农村部农业传感器重点实验室历时三年，研发出一套非接触式生猪体尺智能测量系统。
人工量尺难，难在猪不配合，也难在数据不稳定
“一头猪长得好不好，不能只靠肉眼看个大概。这有点像孩子长身体，身高体重有没有变化，最后还是要看数据。”安农大电子与电气工程学院副教授王玉伟打了个比方。
在养殖生产中，猪的体长、体宽、体高被称为体尺数据。它们能反映猪只体型变化和生长速度，也与体重、背膘厚度、瘦肉率等指标有关。
“要是频繁把猪赶到秤上称重，不仅费劲，猪也容易产生应激反应。”王玉伟说，持续记录体尺变化，可以辅助判断猪的生长状况，为精准饲喂、分群管理、出栏判断和种猪选育提供参考。说白了，这些数据就像猪从小到大的一份“数字档案”。
道理不难理解，难的是现场操作。过去，这活儿主要靠人工和一把软卷尺。工作人员要走进栏舍，靠近猪只，找到体长、体宽、体高的测量起点和终点。
尺子刚拉开，猪可能转身、低头、躲开。“有时候猪被铁栏杆挡住了，或者跟同栏猪紧紧挤在一块儿，测量的人就得反复调整位置，重新对准。”团队研究生尹志勇说。
对于现场技术员来说，这不仅费时费力，也很考验经验和耐心。卷尺拉得松一点、紧一点，起止点选得偏一点，猪当时的站姿歪一点，甚至换个人来量，都可能带来误差。对于讲究精细化管理的养殖场来说，真正麻烦的不是偶尔量一次，而是长期跟踪同一批猪时，体尺数据必须连续、稳定、可追溯。传统人工测量办法，已经难以满足这样的需求。
一台深度相机，把猪舍里的目标猪找出来
既然人工测量费劲，能不能让机器接手？在该校农业农村部农业传感器重点实验室里，记者见到了这套便携式生猪体尺智能测量系统——主体是一台安装在定制支架上的深度相机，旁边集成了微型计算机和供电模块。
“要让机器干这活，第一步不是教它怎么算，而是先让它‘看懂’猪。”王玉伟解释。
工作人员拿着设备走到猪栏旁，镜头朝向猪背上方。目标猪进入视野后，设备屏幕上会同步显示彩色图像和深度图像。彩色图像记录猪的颜色轮廓信息，深度图像则提供空间距离信息。
“普通相机只能告诉机器‘这头猪长什么样’，深度相机还能告诉机器‘猪背离镜头有多远，栏杆在哪，地面又离猪有多远’。”团队研究生郑帅帅一边演示一边说。
这台深度相机，相当于一把无形的“光尺”。它向猪舍内发射人眼看不见的近红外光，再根据光线反射回来的时间差，估算不同位置与镜头之间的距离。这样，平面图像就变成了带有三维坐标的空间点云，猪舍里的立体空间也被系统初步记录下来。
不过，真实猪舍里不只有目标猪，还有栏杆、食槽、阴影和相邻猪只。机器要测得准，首先得知道哪一块区域才是要测量的猪。
这一步，要靠AI深度学习分割模型来完成。通俗地说，就是教计算机在复杂背景里自动“抠图”，把目标猪尽可能准确地分离出来，生成一张只保留猪体区域的“白色剪影”。
“AI不是一开始就认识猪的。”王玉伟笑称，团队采集了多种场景下的猪只照片，再人工勾出目标猪，作为“标准答案”教给模型。“一开始它也会答错，比如把被光照亮的铁栏杆认成猪背。经过大量‘看图、预测、对答案、纠错’，它才慢慢摸清规律。”
如今，系统面对新的猪舍画面，也能较快识别出目标猪所在区域，把栏杆、地面和相邻猪只等干扰排除。有了这张相对干净的“底图”，才方便后续体尺数据的计算。
3秒出数据，体尺记录变成生长档案
找准目标猪后，系统才真正开始“量尺”。
“拿体长来说，如果简单把猪头和猪尾用一条直线连起来，往往不够准。”尹志勇向记者比画着说，猪站立时身体通常会自然弯曲，尾巴也可能摆动，“这就像量一条弯弯曲曲的小路，直接拉直线测出来的长度往往会偏短。”
为了解决这个问题，系统会顺着猪的脊背提取一条“中心骨架线”，再分成多个连续小段，分别算出真实长度后相加。这样得到的体长，更接近猪背实际延展长度，也能减少尾巴摆动带来的干扰。
体宽也不能只取某一处最宽点。系统会沿着中心骨架线选取多个位置作横向测量，并自动剔除被栏杆遮挡、局部突起等造成的异常值。
体高则要先找到“地面”。王玉伟解释：“这就好比量人的身高，得先知道地面在哪。”在这个环节，系统会在复杂的空间点云中，自动挑出平整、高度接近的“地面点”，通过算法拟合出一块看不见的“数字地面”。有了这块“地板”，再计算猪背部关键点到地面的垂直距离，体高就有了精准依据。
找猪、抠图、建骨架、多点测量、拟合地面，这些步骤都在操作员按下采集键后的约3秒内完成。团队联合安徽省农业科学院畜牧兽医研究所吴涛博士开展实际应用验证，结果显示，该系统整体测量误差控制在5%以内。
目前，这套没有复杂线缆，也不用固定安装的便携系统，已经应用于国家生猪核心育种场。测量结束后，软件会自动按日期、猪只编号保存体尺数据。这套系统的价值，不只是把卷尺换成相机，而是让一次次靠经验完成的测量，变成可以连续保存、反复比较的数据。下一次再测，同一头猪长了多少、变化是否正常，就有了可对照的记录。
