本研究针对我国特别是西部地区设施养羊现有养殖工艺问题,拟解决羊只生长过程中实时无接触自动测量体尺参数的难题,用于羊只生产性能评估、选育等。鉴于羊只的强群居行为,设计结构化体位限制装置;采用视觉图像分析方法,无接触获取羊只高、长、宽3类9种体尺参数;针对羊只身体柔韧多姿特性,开展多体姿体尺参数测点检测算法改进及可靠性测试;并基于无接触测量方法提取的体尺参数构建体质量预估模型。主要内容及结论如下:(1)建立了基于跨视角机器视觉的羊只形态参数无应激测量系统,包括个体识别、体位限制、体质量称量、视觉图像采集、信息管理等。现场试验表明,该系统可以在羊只无应激的条件下,有效获取羊只形态参数,降低工作量。(2)基于超像素图像分割与模糊C均值的前景提取算法可以有效消除围栏对前景图像的遮挡;算法在恶劣条件也可以获取质量较高的前景图像。(3)侧视图体尺测点提取算法具有较好的适应性,在多样体姿情形下可有效提取多个体尺测点;双侧相机间的数据具有较好的互补特性,可有效抑制测量误差;极端体姿情形下,体尺数据与实测值偏差较大,多次测量求平均值是有效抑制误差的方法;对10只体重64.5土8.30Kg、岁龄18～36月龄的繁育小尾寒羊母羊高、长类体尺参数在不同体位、体姿情况下多次测量,并求平均值,与实测值的对比结果表明:体高、背高、臀高、体长、胸深、前肢高的最大相对误差分别为4.73%、2.58%、2.55%、2.50%、3.95%和5.86%;体高、背高、臀高、体长、胸深的数据误差均小于5%;背高、臀高、体长的误差均小于3%。数据精度较高。(4)俯视图中,基于图像骨架的柔性对称体对称中心提取算法能够很好的表达柔性对称体的对称中心;近似中轴在降低算法时间成本的同时,抑制了羊体被毛异质对中轴的影响;活体的多样体姿导致单次实测数据有可能与实际值有较大偏差,通过多次测量取平均值可以达到较好的效果;胸宽、腹宽、臀宽的最大相对误差分别为 3.8%、4.0%和 2.9%。(5)基于无接触技术获取的羊只体尺参数构建体质量预估模型。测试结果表明体尺与体质量的非线性模型的精度较高、预测体质量与实际体质量数据的相关性更好。当采用单因素建模时,体长与体质量的幂回归模型性能较好;多因素建模时,RBF网络、SVM网络是有效的建模工具。