近日，西北农林科技大学信息工程学院教授王美丽团队联合清华大学、南方科技大学发布一项研究成果，构建了全国首个针对萨能奶山羊的专用三维扫描数据集和参数化模型，实现了仅凭单张图像就能自动完成羊体三维重建与体尺测量的技术突破，为奶山羊精准养殖提供了智能化解决方案。

奶山羊的体型直接关系产奶性能，是进行遗传改良和新品种培育的重要依据。萨能奶山羊作为世界顶级产奶品种，其体尺外貌与产奶量密切相关，精确的体型测量对选育提升及现代化精准饲养至关重要。长期以来，传统人工测量不仅费时费力，还因动物应激躁动、操作者差异而误差频出，难以满足现代精准养殖需求。已有的SMAL等通用动物三维模型因基于玩具扫描数据训练，与真实奶山羊在体型特征上差距较大，实用性受限。

数据采集装置。西北农林科技大学供图

为解决上述问题，团队创新设计了一套八视角RGBD同步采集系统。该系统采用走廊式布局，配备8台微软Azure Kinect深度相机，其中1台俯视、7台环绕，类似机场安检通道，可以在不干扰羊只自然行为的情况下，捕捉它们站立、行走、转头和低头等各种自然姿态下的动态信息。团队最终采集55只6至18月龄萨能奶山羊高质量三维数据影像，形成约3200个三维扫描模型。构成目前奶山羊三维建模领域规模最完善的数据集之一。

在此基础上，团队专门为萨能奶山羊设计了参数化模型，构建了包含41个骨骼关节的骨架结构，同时细化乳房区域建模精度，模型顶点数达13815个。通过对采集羊只的形状数据进行主成分分析，提炼出体型大小、胸宽、乳房发育程度等关键形状维度，使模型能够准确捕捉萨能奶山羊的体尺信息。

实验结果显示，该模型自动测量体长、体高、胸宽、胸围、臀宽、臀高六项指标的平均绝对误差仅为1.90厘米，较现有SMAL模型实现大幅下降。即便在仅有单张RGBD图像的条件下，三维重建误差在与相关模型中也达到了最优效果。

王美丽表示，该技术将为养殖户提供全新的精准管理工具，帮助快速评估每只羊的体型发育情况，同时也可以为育种工作筛选优质种羊提供数据支撑。团队将进一步完善遮挡感知算法，将其拓展到更多羊品种，推动基于三维视觉的精准养殖技术早日得到广泛应用。