2026年第8期论文已上线，点击关注不迷路！
《农业工程学报》2026年第42卷第4期刊载了华南农业大学等单位胡梓宣、项俐、杨彬、王海冬、甘海明、薛月菊的论文——“多视角体素三维骨架重建的猪只跛行检测”。该研究由国家自然科学基金青年项目（32302801）、广东省自然科学基金面上项目（2025A1515010333）等资助。
引文信息：胡梓宣，项俐，杨彬，等. 多视角体素三维骨架重建的猪只跛行检测[J]. 农业工程学报，2026，42(4)：291-299.
DOI: 10.11975/j.issn.1002-6819.202507180
研究目的与方法：
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。
结果与结论：
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。
本文由丨《农业工程学报》编辑部丨精编发布
欢迎留言、分享、点赞
转载、投稿、咨询
邮箱：tcsae@tcsae.org
发布征集
欢迎广大作者、读者投稿至我刊公众号，包括但不限于创新科研成果、科技写作技巧、书籍推介、优秀科技工作者介绍、科研团队招聘/招生、行业资讯以及相关活动等农业工程领域信息。
公众号文章投稿邮箱：abe-newmedia@tcsae.org
转载请注明来源、原标题与原文链接：本文转自“农业工程学报（ID：tcsae1985）”微信公众号，原标题：xxxxxx；原文链接：xxxxxxxx。
公众号内回复【关键词】查询/获取更多信息
公众号内回复【2026年征稿】获取本刊2026年度重点专题、优选专题征稿启事
公众号内回复【2025学术年会】回放中国农业工程学会第十届学术年会（CSAE 2025）
公众号内回复【2025审稿人】查看2025年度杰出、优秀审稿人评选结果
收看更多会议讲座回放欢迎关注“农业工程学报视频号”
点击下方“阅读原文”免费获取全文
