农业工程学报

作者：胡梓宣,项俐,杨彬,王海冬,甘海明,薛月菊,

关键词：三维重建, 姿态估计, 步态分析, 多视角, 体素网络, 跛行检测

基金：42

猪只跛行是影响养殖效益和动物福利的重要健康指标，现有跛行检测方法多基于单视角和受限步道，限制猪只自由，且易受遮挡影响。为实现自然、非接触式和高精度的猪只跛行检测，该研究提出一种无需三维标注的端到端多视角三维骨架重建网络（multi-view voxel network, MV-VoxelNet）和基于三维骨架重建的猪只跛行检测方法。MV-VoxelNet采用“全局定位—局部细化”结构，引入跨视角注意力模块（voxel cross-view attention, VCVA），同时设计轻量化（refinement voxel-to-voxel, RefineV2V）网络，从多视角同步图像中重建出高精度的猪只三维关键点坐标。进而，基于步态周期视频序列预测连续三维骨架坐标，并提出适用于猪只自由运动的抗角度变化的动态局部坐标系，在此基础上设计了蹄部对称性等六项步态特征，利用支持向量机（support vector machine, SVM）实现对猪只正常、轻度和重度跛行三分类的识别。结果表明，MV-VoxelNet在无三维标注的条件下仍可实现重投影误差（reprojection error, RE）为10.167像素，归一化阈值为0.05时的正确关键点比例（percentage of correct keypoints at 0.05 normalized threshold, PCK@0.05）为88.83%，较原始模型提升13.59个百分点；跛行检测准确率达88.51%，验证了所提方法对猪只跛行检测的可行性。该研究可为猪只三维姿态建模与跛行自动检测提供一种高精度、低标注成本且易于部署的技术方案。/

来源：2026年第4期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第4期