Automatic Acquisition and Target Extraction of Beef Cattle 3D Point Cloud from Complex Environment
Notice bibliographique
Résumé
Non-contact measurement based on the point cloud acquisition technology is able to alleviate the stress responses among beef cattle while collecting core body dimension data, but the current 3D data collection for beef cattle is usually time-consuming and easily influenced by the environment, which is in fact inapplicable to the actual breeding environment. In order to overcome the difficulty in obtaining the complete beef cattle point clouds, a non-contact phenotype data acquisition equipment was developed with a 3D reconstruction function, which can provide a large amount of standardized 3D quantitative phenotype data for beef cattle breeding and fattening process. The system is made up of a Kinect DK depth camera, an infrared grating trigger, and an Radio Frequency Identification (RFID) trigger, which enables the multi-angle instantaneous acquisition of beef cattle point clouds when the beef cattle pass through the walkway. The point cloud processing algorithm was developed based on the C++ platform and Point Cloud Library (PCL), and 3D reconstruction of beef cattle point clouds was achieved through spatial and outlier point filtering, Random Sample Consensus (RANSAC) shape fitting, point cloud thinning, and perceptual box filtering based on the dimensionality reduction density clustering to effectively filter out the interference, such as noises from the railings close to the beef cattle, without destroying the integrity of the point clouds. In the present work, a total of 124 sets of point clouds were successfully collected from 20 beef cattles on the actual farm using this system, and the target extraction experiments were completed. Notably, the beef cattle passed through the walkway in a natural state without any intervention during the whole data collection process. The experimental results showed that the acquisition success rate of this device was 91.89%. The coordinate system of the collected point cloud was consistent with the real situation and the body dimension reconstruction error was 0.6%. This device can realize the automatic acquisition and 3D reconstruction of beef cattle point cloud data from multiple angles without human intervention, and can automatically extract the target beef cattle point clouds from a complex environment. The point cloud data collected by this system help to restore the body size and shape of beef cattle, thereby provide solid support for the measurement of core parameters such as body height, body width, body oblique length, chest circumference, abdominal circumference, and body weight.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».