近年来,随着畜牧业的发展,在畜牧业中占据重要位置的养牛行业也呈现快速发展的趋势。牛的体尺参数主要包括体高、体长、体斜长,其既能直观反映牛的生长发育状况,同时在精细化养殖中也是牛选育、肉质评价等的重要指标。传统的牛体尺测量多采用人工接触式测量,牛的应激反应大,导致测量困难、误差较大且效率低下。针对这一问题,本文提出一种基于深度学习的牛体尺参数无接触测量方法。本文提出基于深度学习的牛体尺参数测量方法,利用深度学习模型检测牛的六类特征框,实现了牛局部特征轮廓提取、体尺特征点提取、牛站姿纠偏、体尺计算等功能。本文的主要工作内容如下:制作了牛体尺特征部位图像数据集,含5000余张标注了牛、牛头、躯干、牛尻、关节及蹄等部位的图像。利用Faster RCNN算法检测图像中的体尺特征部位;利用Canny边缘检测算法在特征部位局部图像中提取边缘轮廓。对Canny边缘检测输出的边缘检测点采用最小二乘法拟合成二次曲线,得到牛特征部位光滑轮廓;在得到的边缘轮廓线上采用计算最大曲率等方法得到牛体尺测点;通过牛的四个蹄子坐标信息实现牛的站姿纠偏;结合标定参数集计算牛体尺中体高、体长和体斜长参数。通过实验验证,该方法可对牛体尺参数进行有效的测量,测量的牛体尺参数值相对误差均低于4.5%。本文研究的深度学习牛体尺测量系统能够在饲养过程中实现牛体尺参数的无接触测量。本文基于深度学习算法研究无接触式牛体尺测量问题,并对该方法提供了理论依据和实验支撑。将人工智能应用到畜牧业领域,拓展了其在该领域的发展,为牲畜的体尺参数测量提供了新途径。