奶牛体型评定是一项针对奶牛的体型外貌进行客观鉴定的重要工作,对优化奶牛的遗传育种及个体的长期产奶能力有着重要的现实意义,对奶牛体型信息的智能化感知是提高奶牛养殖过程自动化程度的重要内容之一。传统的奶牛体型评定方法主要依靠卷尺等工具进行手动测量,但这种方式易受测量人员主观因素影响。随着计算机视觉技术的发展,部分学者采集二维图像进行非接触式的奶牛体型评定,但误差较大。如今低成本深度传感器在多领域得到广泛应用,利用深度图像可获取该视角下三维空间中的距离信息,更适合非接触式的奶牛体型评定。但相关研究大多采用人工交互的方法来提取体型评定关键点,或是从奶牛整体上通过空间结构信息进行关键点的提取,然而在奶牛行走过程中其体型的空间结构会发生变化,造成关键点提取结果产生一定的误差。因此,当前奶牛养殖业的生产实际中迫切地需要一种能够对奶牛的体型评定指标进行精准、高效且自动化的非接触式测量方法。本文在对研究目标进行深入分析的基础上,基于深度学习算法和三维点云技术开展了非接触式奶牛体型评定指标自动测量关键技术研究,首先采集深度图像数据并进行预处理,然后使用目标检测模型检测奶牛体型评定关键区域,接下来利用三维点云技术提取奶牛体型评定关键点,最后通过计算关键点之间距离完成相关奶牛体型评定指标的测量。本文的主要工作内容如下:（1）奶牛深度图像数据采集及深度图像恢复方法研究。选用Real Sense D435深度摄像头采集了49头奶牛共4421帧的深度图像数据,并利用边缘平滑滤波器、孔洞填充滤波器和时序滤波器对其进行异常数据恢复,为后续准确提取奶牛体型评定关键点做准备。（2）基于YOLO v5模型的奶牛体型评定关键区域自动检测。使用对体型评定关键区域标注后的3572张奶牛背部深度图像数据作为关键区域检测模型的输入,并使用包含849张图像的测试集进行测试,实现关键区域的自动检测。检测结果显示m AP的检测精度达到97.5%,为后续精准提取奶牛体型评定关键点奠定基础。（3）基于最值与曲率结合策略的奶牛体型评定关键点自动提取。将奶牛背部深度图像数据转换为三维点云模型,通过求解点云中每点的不同曲率并输出曲率最大值点和求解点云z轴最值并输出最值点相结合的两种策略完成共十个奶牛体型评定关键点的自动提取。（4）奶牛体型评定指标自动测量。依据提取出的体型评定关键点在三维模型中的空间位置求取关键点之间的欧氏距离,即可得到奶牛体型评定指标,实现俯视视角下奶牛体长、肩宽、胸宽、腹宽、腰宽五项体型参数的自动测量。各指标基于平均曲率与最值方法的测量值的平均绝对误差均值为1.55cm,均方根误差均值为1.78cm。测量值的精度表明本文所提出的基于点云的奶牛体型评定指标自动测量方法可满足奶牛体型评定的实际要求,对生产实际具有一定的现实意义。