估计牦牛体尺、体重的方法和相应的便携式计算机设备的生产技术
雪多牦牛和环湖牦牛生产性能测定
山东畜牧兽医2020年第41卷6雪多牦牛和环湖牦牛生产性能测定陈永伟韩学平艾德强付弘赟（青海省畜牧总站青海西宁810008）摘要为了摸清青海省雪多牦牛和环湖牦牛生产性能现状，本文测定了体尺、体重和屠宰相关指标。
结果表明：雪多牦牛成年公母牛平均体重分别为323.5kg、257.0kg；屠宰率分别为51.3%、48.8%。
环湖牦牛成年公母牦牛平均体重分别为273.1kg、194.2kg；屠宰率分别为48.8%和46.26%。
关键词青海省雪多牦牛环湖牦牛生产性能测定中图分类号：S823.8+5 文献标识码：A 文章编号：1007-1733(2020)05-0006-02牦牛是青海省畜牧业中一个面较广、量较大、质量较好的地方良种。
对高寒严酷的青海生态条件有着杰出的适应能力，是当地牧民生产肉、奶、毛、皮等生活必需品和重要的经济收入来源，据统计，2018年全省牦牛存栏量为488.40万头。
雪多牦牛和环湖牦牛是青海牦牛的重要组成部分。
于2018年通过国家遗传资源委员会品种鉴定并列入国家畜禽遗传资源名录[1]。
雪多牦牛主要分布在青海省河南县，中心产区共存栏牦牛10773头。
环湖牦牛主要分布在青海省海北州的海晏县、刚察县，海南州的贵南县、共和县、同德县。
中心产区共存栏环湖牦牛76.85万头，为摸清雪多牦牛、环湖牦牛生产性能，笔者对雪多牦牛和环湖牦牛进行了生产性能测定。
1材料与方法1.1 试验地情况（1）雪多牦牛试验地位于青海省黄南州河南蒙古族自治县。
地理坐标为东经101°42′~102°15′，北纬34°18′~34°42′，其核心产区年均气温1.6℃,1月份气温最低，平均气温为-9.9℃；7月份气温最高，平均为11.5℃。
夏季草场可利用天数148d，冬季草场可利用天数为190d。
全县有天然草场总面积6471.81km2，可利用草场5998.29km2，占草场总面积的92.68%。
大通县牦牛复壮技术研究
２１１ １ ．． ／ 型野 牦 牛 。 １２血 型 的牦 牛 和 当地牦 牛 各 生 ２血 对 ／ 长 阶段 体 重进 行 测 定 ， 果 见 表 １ 由表 １可知 ，／ 型 的 结 。 １２血 牦牛 的 初生 重 、 ６月龄 、２月龄 、 ８月龄 重 与 当地牦 牛相 比 ， １ １ 雄性 牛 分 别 提 高 ０９ 、 ．５ ３７ 、 ．０ｋ ， 性 牛 分 别 提 高 ．７ ５４ 、 ．２ ７５ ｇ 雌
文 章编 号 １０ — ７ ９ ２ １ ） ９ ０ ３ － ２ ０ ７ ５３ （０２０ － ３３ ０
牦 牛 是 我 国高 原 山地 特 有 的 牛 种 ， 年 栖 息 于 海 拔 长
进行杂交 ； 引进 １２血 型 的公 牦牛 对 当地 牦 牛进 行 杂 交 ， ／ 提 高 其生 产能 力 。
（ ＜ ．５ ，／ Ｐ ００ ） １ ２血 型野 牦 牛 和 １ ／ ４血 型 野 牦 牛 无论 是 生 长 发
性牛 分别 为 ５ ５ ６３ ％、．３ ７８ ％。 ． ％、 ． ０ ５ ２４ ％、 ．７
表 ２ １４血 型 野牦 牛和 当地 牦 牛各 生长 阶段体 重 比较 ／
收 稿 日期
２ １— ３ １ ０２０ —６
３３ ３
动 物科 学
２２ 体 尺 ．
现 代农 业科技
２ １ 第 ９期 ０ ２年
性 牛 分 别 提 高 ０ １ ５ ６ １５ ６８ ｇ 雌 性 牛 分 别 提 高 ．３、 ．９、 ．４、 ．０ｋ ，
０６ 、 ．０ １ ６ ６８ ｇ 差 异 均 达 到 极 显 著 水 平 （ ＜ ．１ ； ．４ ３Ｏ 、． 、．４ｋ ， ２ Ｐ ＯＯ ）
体 重 增 幅 ， 性 牛 分 别 为 ０９ ％、 １９ ％、 ．５ 、 ． ％ ， 雄 ．８ １ ．７ ２８ ％ ７５ ９ 雌
牦牛全程饲养管理技术规范
ICS65.020.30B 40 DB63 青海省地方标准DB63/T XXXXX—2019牦牛全程饲养管理技术规范（报批稿）XXXX-XX-XX发布XXXX-XX-XX实施前 言本标准按照GB/T 1.1-2009给出的规则起草。
本标准由青海省农牧业标准化技术委员会提出并归口。
本标准起草单位：青海省大通种牛场。
本标准主要起草人：马进寿、李青云、刘更寿、保广才、李吉叶、张国模、杨德青、周九德、彭云飞、常占青、李生福、张润生、杨海金、王进龙、吴国庆、张元兴、王晨章、李宝森、张健、刘晓梅。
牦牛全程饲养管理技术规范1 范围本标准规定了牦牛生产全过程中的饲养、管理、选育、繁殖、卫生防疫、补饲、出栏、养殖档案建立、产品追溯等环节中技术要求。
本标准适用于牦牛种牛场、养殖场、合作社和青藏高原牧区牦牛的饲养与管理。
2 规范性引用文件下列文件对于本文件的应用是必不可少的。
凡是注日期的引用文件，仅所注日期的版本适用于本文件。
凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。
NY/T 1764 农产品质量安全追溯操作规程 畜肉NY 2766 牦牛生产性能测定技术规范DB63/T 546.3 青海牦牛繁殖技术规范DB63/T 546.4 青海牦牛选育技术规范DB63/T 704 高寒牧区牦牛冷季补饲育肥技术规程DB63/T 1079 牦牛人工授精技术操作规程DB63/T 1162 冷季母牦牛妊娠期和哺乳期补饲技术规程DB63/T 1164 母牦牛体况评分标准DB63/T 1165 牦牛犊保育技术规程DB63/T 1243 牦牛种公牛选育技术规程DB63/T 1501 放牧牦牛规模化生产出栏技术规程DB63/T 1502 牦牛种牛标识和建档立卡规程3 术语和定义下列术语和定义适用于本文件。
3.1牦犊牛出生至1周岁的牦牛。
3.2育成牛1周岁至3周岁的牦牛。
4 牦牛饲养4.1 牦犊牛饲养4.1.1 牦犊牛在2周龄后即可采食牧草，3月龄左右时可大量采食，随年龄的增长哺乳量逐渐减少。
畜禽遗传资源调查技术规范 第3部分：牛-最新国标
畜禽遗传资源调查技术规范第3部分：牛1范围本文件规定了牛遗传资源调查对象和方式、调查内容和品种照片拍摄的要求，描述了相应的调查方法，调查信息记录等证实方法。
本文件适用于普通牛、水牛、牦牛、瘤牛、大额牛及新发现的牛遗传资源调查。
2规范性引用文件下列文件中的内容通过文中的规范性引用而构成文件必不可少的条款。
其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。
GB/T8170数值修约规则与极限数值的表示和判定GB/T27534.1畜禽遗传资源调查技术规范第1部分：总则GB/T20551畜禽屠宰HACCP应用规范GB/T19477畜禽屠宰操作规程牛GB/T27643牛胴体及鲜肉分割GB/T17238鲜、冻分割牛肉GB/T29392畜禽肉质量分级牛肉NY/T2995家畜遗传资源濒危等级评定NY/T1450中国荷斯坦牛生产性能测定技术规范NY/T2660肉牛生产性能测定技术规范3术语和定义下列术语和定义适用于本文件。
3.1牛cattle普通牛、水牛、牦牛、瘤牛、大额牛地方品种、培育品种和引入品种及新发现的遗传资源。
3.1.1普通牛taurine cattle原产于我国除水牛、牦牛、瘤牛、大额牛之外的所有家养牛。
3.1.2水牛buffalo热带、亚热带地区特有的畜种，主要分布于亚洲地区。
3.1.3牦牛yak牛属动物中唯一生活在海拔3000m以上高寒地区的特有牛种资源。
3.1.4瘤牛indicine cattle起源于南亚的热带和亚热带，鬐甲部有一肌肉组织隆起似瘤，主要分布于亚洲地区。
3.1.5大额牛gayal主产于贡山县独龙江一带，亦称独龙牛，为半野生半家养畜种。
4调查对象和方式按GB/T27534.1的规定执行。
5调查内容5.1遗传资源概况包括品种名称（曾用名、俗名、别名等）、品种类型、经济类型、品种来源及形成历史、中心产区、分布区域、群体数量、自然生态条件、消长形势、分子生物学测定、品种评价、资源保护状况、开发利用情况、饲养管理情况、疫病情况等。
金川多肋牦牛体尺和屠宰性状测定及其相关性分析
产性 能 和遗 传本 质 ， 分挖 掘 这一 地 方遗 传 资源 的优 充
组制定 的《 肉牛屠宰试验统一规定 》 进行屠宰测定 。共测
定 １ 头公 牛 ， 中 １ 肋骨公牛 １ 头。 ５ 其 ５ １
势， 有必 要 对其 体 尺性 状 与胴 体性 状 等进 行 测定 并进 行 相关 的数 据 分析 ， 为该 遗传 资 源 的科学 利 用提 供参
考。
屠宰率 的计算 ： 是指胴体重 占宰前空腹重 的百分数。 屠宰率： 胴体重／ （ 宰前活重 ） ０ ％。 ×１０ 净 肉率 的计算 ：指胴体去骨后 的重量 占宰前 空腹 活
重 的百分数 。净 肉率＝ 净 肉重／ （ 宰前 活重 ） １０ ￣ ０ ％。
１ 材料 与方 法
１１ 材料 ．
中１ ５肋骨公牛 １ 头 ， ９ 母牛 ２ ； ４头 随机挑选 １ 头公 牛进 ５
行屠宰测定 ， 中 １ 肋骨公牛 １ 头。 选牛只年龄均 在 其 ５ １ 所
６ １ ， 牧饲养 ， — ０岁 放 体况 良好 ， 健康无病 。体尺体重测定
时间为 ２ １ 年 ５月 ， ０１ 屠宰测 定时间为 ２ １ ００年 ９月。
表 １ 多肋牦牛成年公牛、 母牛体尺体 重
注： 麦洼牦牛和九龙牦牛数据引自《 四川省畜禽遗传资源志》 。
２２ 金 川 多肋牦 牛的屠 宰性 能 ．
表 ２ 多肋牦牛成年公 、 母牛体尺指数 ％
金川多肋牦牛屠宰测定结果见表 ３ １ ，５和 １ 肋 骨牦 ４ 牛 的屠宰 率分别 为 ５ ． ％和 ５ ．１ ３４ ６ １ ％，净 肉率分 别为 ２
体尺体重测定材料为金川多肋 牦牛主产地金川县 毛 日乡热 它村随机挑选 的 ３ 头成 年公牛 和 ４ ２ ３头母牛 ， 其
养牛技术—牛的体尺测量和体重测定
二、牛的体重测量
（二）估测法
6~12月龄乳用牛 体重（kg）= [ 胸围（m）] 2 × 体斜长（m）× 98.7
16~18月龄乳用牛 体重（kg）= [ 胸围（m）] 2 × 体斜长（m）× 87.5
初产至成年乳用牛 体重（kg）= [ 胸围（m）] 2 × 体斜长（m）× 90（乳肉兼用牛）
肉牛
乳房围 乳房最大的周径（卷尺）。
腹围
腹部最粗部位的垂直周径，饱食后测量（卷尺）。
二、牛的体重测量
母牛的体重应该以泌乳高峰期的测定为依据， 并应该扣除胎儿的重量（怀胎7个月扣15kg，8个 月扣20kg，9个月扣45kg）。
二、牛的体重测量
（一）直接称重法
奶牛要求在早晨饲喂前挤奶后进行，肉牛每次称重在喂料和饮 水之前进行，连续称量2天，连续两天在同一时间称重，取平均数。 要求称重迅速准确，并做好记录。
—— 现代农业生产技术概论 ——
牛的体尺测量和体重测定
一、牛的体尺测量
体尺
是牛体各部位长、宽、高、围度等数量化的指标。
体尺测量
指用测量工具对家畜各个重要部位进行测量。
一、牛的体尺测量
牛体尺测量的器具
测杖
卷尺
圆测器
一、牛的体尺测量
• 进行体尺测量时，应使牛站于平坦的地面上，肢势要端正，四腿成两行。 • 从前往后看，前后腿端正，从侧面看，左右腿互相掩盖，背腰不弓不凹，头自
然前伸，不左顾右盼，不昂头或下垂，待体躯各部呈自然状态后，迅速、准确 地进行测量。 • 体尺测量的数目，依测量目的而定。 • 按各主要部位的指标分别进行测量，每项测量2次，取其平均值，作好记载测量 应准确，操作宜迅速。
一、牛的体尺测量
一、牛的体尺测量
青海省三种类型牦牛生产性能测定研究
海省牦牛 品种 资源调查 内容 中牦
牛生产性能 的测 定部分。
１ 测 定 项 目 与 方 法
１１ 成 年 牦 牛体 尺 测 定及 体 重 ．
月 初 到 青 海 省 海 南 州 共 和 县 倒 淌 河 乡甲 乙村 ＇ ０ 县 哈尔盖 乡 冈察 亚 秀 村 采 集 环 湖 型 经 产 牦 牛 奶
蛋 白、 糖 差 异 不 明 显 （ ≥Ｏ０ ） 乳 Ｐ ． 。 ５
关键 词 ： 高原牦 牛 ； 环湖 牦牛 ； 白牦 牛 ； 体尺 ； 估测 体 重 ； 产绒 性 能 ； 奶性 能 产
２ Ｏ世 纪 ７ Ｏ年 代 后 期 到 ８ Ｏ 年代 中期 ， 海 省畜牧 厅 组 织全 青 省 农业 、 科研 、 学各 单位 ， 教 开展
料 与兽药 监察 所进 行测定 。 用直
接 干燥 法 和 酸 水 解 法 分 别 测 定 水 分 含 量 和 乳 脂 肪 含 量 （ ＢＴ Ｇ ／ ５ ０ ．－ ２ ０ ） ０ ９３ ０ ３ ：用定 氦 蒸 馏 装 置 测 定 蛋 白 质 含 量 （ ＢＴ Ｇ ／ ５ ０ ．—２ ０ ） ０ ９５ ０ ３ ：用 直 接 滴 定 法
年 ６月 底 到青 海 省 果 洛 州 的达
日县 牧 场 采 集 高 原 型 经 产 牦 牛
奶 样 ：０ ６年 ７月 到 互 助 县 巴 ２０
扎 乡柏 门峡 采 集 经 产 白牦 牛奶
大规 模 的畜禽 品质资 源调 查 ， 基 本摸 清 了全 省 交 通 比较 发 达 地
区 的 品种 资源 状 况 ，并 出版 了
维普资讯
青海省三种类型牦牛生产性能测定研究
牦牛提前发情调控技术的研究
牦牛提前发情调控技术的研究赵寿保;武甫德;裴杰;白俊杰;杨全寿;包鹏甲;李吉叶;郭宪【摘要】为了使牦牛能够提前发情,缩短牦牛的繁殖周期,减少冷季对犊牛的影响,试验采用冷季补饲的方式,提高母牦牛营养促进早期发情.结果表明,试验组母牦牛在6月下旬发情16头,发情率为32.00％,到7月上旬共发情37头,总发情率达74.00％.对照组母牛6月份未发情,到7月上旬发情67头,发情率为51.54％.2015年、2016年数据显示6月份母牦牛未发情,到7月上旬各发情5头,发情率分别为2.63％和3.07％.因此,适时补饲能有效调控母牦牛提前发情配种.【期刊名称】《中国牛业科学》【年(卷),期】2018(044)003【总页数】3页(P34-36)【关键词】牦牛;提前发情;适时补饲【作者】赵寿保;武甫德;裴杰;白俊杰;杨全寿;包鹏甲;李吉叶;郭宪【作者单位】青海省大通种牛场,西宁810102;青海省大通种牛场,西宁810102;中国农业科学院兰州畜牧与兽药研究所,兰州730050;青海省大通种牛场,西宁810102;青海省大通种牛场,西宁810102;中国农业科学院兰州畜牧与兽药研究所,兰州730050;青海省大通种牛场,西宁810102;中国农业科学院兰州畜牧与兽药研究所,兰州730050【正文语种】中文【中图分类】S823青藏高原牧草生长期短[1]，冷季漫长，牦牛的营养随着季节的变化而变化[2，3]，因此限制了牦牛的繁殖性能。
严酷的自然条件及较长的枯草期致使牦牛只能在牧草茂盛的夏、秋两季发情，体况好的不带犊母牛一般在7月初发情，体况差的牛在8月份甚至是在9月份才能发情，这就形成了牦牛从7月份发情，一致持续到9月份，甚至是10月份；产犊也随之调整，从3月份持续到5月份，甚至是6月份。
产犊迟影响母牦牛第二年的发情配种，从而延长了牦牛的繁殖周期，使牦牛呈2年1胎或3年2胎的繁殖规律。
同时，牦牛群产犊时间的延长，给产犊期间的管理带来不便，增加了管理成本。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
本技术提出一种基于3D视觉估计牦牛体尺的方法，包括：利用图像采集设备采集牦牛的侧面图像；由侧面图像提取前景图像；在所提取的前景图像中识别牛体关键点；利用被识别的牛体关键点信息，自动提取牦牛体尺信息。
还提出一种基于3D视觉估计牦牛体重的方法，包括执行前述基于3D视觉估计牦牛体尺的方法；以提取的牦牛体尺信息作为输入，利用牦牛体重估计模型，预测牦牛体重值。
替换地，又提出一种基于3D视觉估计牦牛体重的方法，包括：利用图像采集设备采集牦牛的侧面图像；由侧面图像提取前景图像；利用卷积神经网络从前景图像直接预测体重值。
本技术还提出一种相应的便携式计算装置。
权利要求书1.一种基于3D视觉估计牦牛体尺的方法，包括以下步骤：-利用图像采集设备采集牦牛的侧面图像；-由侧面图像提取前景图像；-在所提取的前景图像中识别牛体关键点；-利用被识别的牛体关键点信息，自动提取牦牛体尺信息，其中，所述识别牛体关键点步骤利用神经网络深度学习方法进行，其中，所述神经网络深度学习方法利用CNN卷积神经网络，其中，利用已经人工标注关键点的一定数量的图像信息，使用X、Y、Z、R、G、B六个通道，将图像按照空间结构排列成矩阵作为输入，人工标注的关键点的X、Y、Z坐标作为输出，使用CNN卷积神经网络进行训练，得到模型；利用模型实现体尺关键点的自动获取。
2.如权利要求1所述的方法，其中，所述提取前景图像步骤包括利用侧面图像的原始点云的3D信息进行牛体前景图像的初步提取步骤。
3.如权利要求2所述的方法，其中，所述初步提取步骤包括：-删除噪点，并做降采样处理；-识别地面平面并将地面部分切除，根据地面法向量将点云坐标系归一化；-按距离聚类，提取牦牛牛体点云。
4.如权利要求2或3所述的方法，其中，所述提取前景图像步骤还包括优化提取步骤，在所述初步提取步骤获得的前景图像基础上，借助牦牛身体的彩色信息，通过设定颜色阈值，获得优化的前景图像，其中，所述颜色阈值可动态调节。
5.如权利要求1所述的方法，其中，所述识别牛体关键点步骤利用人工辅助标注进行。
6.如权利要求1所述的方法，其中，所述CNN卷积神经网络为三层CNN卷积神经网络。
7.如权利要求1所述的方法，其中，识别16个牛体关键点，分别位于嘴部、牛头上边缘、牛头下边缘、颈部上边缘、颈部下边缘、耆甲最高点、肩胛前端、背部、腹部、臀部、后腿上部、足部左前、足部右前、足部左后、足部右后、尾部外边缘。
8.如权利要求1所述的方法，其中，在自动提取牦牛的体尺信息时，将被识别的牛体关键点信息与原始点云图像结合以进行提取。
9.如权利要求1或8所述的方法，其中，所提取的牦牛体尺信息包括体厚、背高、体高、臀高、腿高、平均体高、体长、体斜长、腹部周长、腿间距、最大腹宽、平均腹宽、侧面表面积中的若干个或全部。
10.如权利要求9所述的方法，其中，体长、体斜长、最大腹宽、平均腹宽、腹部周长、腿间距和平均高度是牛体上的曲线长度。
11.如权利要求1所述的方法，其中，所述图像采集设备与平板电脑或智能手机以有线或无线的方式相连或安装于其上。
12.如权利要求1所述的方法，其中，所述图像采集设备是立体摄像头或两个彩色摄像头。
13.一种基于3D视觉估计牦牛体重的方法，包括以下步骤：-执行如权利要求1至12中的任一项所述的基于3D视觉估计牦牛体尺的方法；-以提取的牦牛体尺信息作为输入，利用牦牛体重估计模型，预测牦牛体重值。
14.如权利要求13所述的方法，其中，基于所述牦牛体尺信息、牛体关键点坐标、牛的自然情况，利用单一的机器学习回归模型或集成学习方法训练预测牦牛体重的模型。
15.如权利要求14所述的方法，其中，所述单一的机器学习回归模型利用随机决策森林算法。
16.如权利要求14所述的方法，其中，所述集成学习方法利用Stacking方法结合随机决策森林、线性回归、高斯过程回归、神经网络学习算法中的一个或多个。
17.一种基于3D视觉估计牦牛体重的方法，包括以下步骤：-利用图像采集设备采集牦牛的侧面图像；-由侧面图像提取前景图像；-利用卷积神经网络从前景图像直接预测体重值，其中，使用X、Y、Z、R、G、B六个通道，将图像按照空间结构排列成矩阵作为输入，体重值作为输出，构建CNN卷积神经网络进行训练，得到体重预测模型。
18.如权利要求17所述的方法，其中，所述提取前景图像步骤包括利用侧面图像的原始点云的3D信息进行牛体前景图像的初步提取步骤。
19.如权利要求18所述的方法，其中，所述初步提取步骤包括：-删除噪点，并做降采样处理；-识别地面平面并将地面部分切除，根据地面法向量将点云坐标系归一化；-按距离聚类，提取牦牛牛体点云。
20.如权利要求18或19所述的方法，其中，所述提取前景图像步骤还包括优化提取步骤，在所述初步提取步骤获得的前景图像基础上，借助牦牛身体的彩色信息，通过设定可动态调节的颜色阈值，获得优化的前景图像。
21.如权利要求17所述的方法，其中，所述CNN卷积神经网络为五层CNN卷积神经网络。
22.如权利要求17所述的方法，其中，所述图像采集设备与平板电脑或智能手机以有线或无线的方式相连或安装于其上。
23.如权利要求17所述的方法，其中，所述图像采集设备是立体摄像头或两个彩色摄像头。
24.一种便携式计算装置，包括处理器、存储器和图像采集设备，所述图像采集设备可操作来拍摄牦牛的侧面立体图像，所述存储器上存储有计算机可执行指令，所述计算机可执行指令当被所述处理器执行时，操作来执行如权利要求1至12中的任一项所述的基于3D视觉估计牦牛体尺的方法或如权利要求13至23中的任一项所述的基于3D视觉估计牦牛体重的方法。
技术说明书估计牦牛体尺、体重的方法和相应的便携式计算机装置技术领域本技术总体地涉及估计牦牛的体尺、体重的方法，特别是涉及利用神经网络估计牦牛的体尺、体重的方法。
本技术还涉及用于执行所述方法的相应便携式计算机装置。
背景技术随着科学技术的发展与大数据时代的来临，畜牧业的信息化与智能化是促进我国畜牧业快速、健康发展的重中之重。
借助智能化、自动化的数据采集与计算机辅助分析，可以提升畜牧业的生产规模、降低人力成本、增强生产效率。
对于畜牧产业中的牦牛，据统计全世界现有牦牛约2200万头，而中国占到其中的90％以上，是养殖牦牛的第一大国。
牛类的体尺指标主要包含体高、体长、体斜长、胸围、管围、腰角宽等参数。
随着生物研究的发展和牧民养殖经验的不断积累，人们已经认识到对牛体的测量有着广泛的应用和价值，包括监视并预测牛的生长速率、发育状态、身体特征和饮食状态，以利于家畜的鉴定、买卖与选育，也可用于估计屠宰后的肉量与品质。
因此，对于牦牛的体尺与体重的测量具有很实际的经济价值。
然而现阶段在实际应用中，牧民对牦牛的体尺与体重指标的测量仍然非常低效、繁琐，例如体高、体长、胸围等的体尺指标需要养殖人员亲手用尺测量，而体重指标则需将牦牛逐一驱赶至体重秤上测量，这种测量方式需要耗费大量的人力物力，具有一定的危险性，测量的体尺指标也并不精确，而且还会造成对牦牛的应激反应，对牦牛的健康存在不利影响。
而在相关的学术研究中，利用体尺指标来估计体重、基于图像的体尺体重测算，也都存在着相应的不足。
现有的对牦牛体尺、体重测量或估计的方案及相应缺点：体尺体重指标的传统测量方法一直以来，对于牦牛的体尺测量都必须由牧民手工完成，要求牛姿态端正地站立在平地，使用测丈、卷尺和圆形测定器等工具进行测量；对于体重的测量，往往是需要将牛驱赶至一个特制的、含称重装置的区域中，记录下称得的重量。
这样的测量方式存在很多不足之处，由于牦牛体型较大，难以控制，因此对每一头牛的每一项体尺指标都需要单独人工测量，工作量大；另外由于人工操作问题，获得的体尺指标的精度也可能存在一定偏差；此外，由于需要直接接触牛体，有可能会造成牛的应激反应，有可能存在危险或对牛的健康不利。
利用体尺指标来估计体重由于测量牦牛体重对人力和机械的要求过高，相对来说体尺的测量更加简单，因此中外一些学者提出了利用牦牛体尺指标来估计体重的方式。
具体方法是使用测距工具来人工测量牦牛的多个体尺指标，同时用称重装置得到牦牛体重，利用统计学方法拟合归纳出牦牛体重与体尺指标的关系，得到拟合公式后只需再测量某头牛的体尺指标，即可用公式计算估计出其相应的体重。
利用体尺指标来估计体重的方案是可行的，解决了难以对牦牛直接称重的难题，然而使用测量工具人工进行体尺指标的测量，仍然存在之前讨论中体尺指标测量的诸多弊端，如耗费人力成本、造成牛的应激反应以及测量指标不精确或不全面等等。
基于图像和视觉方法的体尺体重测量研究随着近年来计算机图像采集和处理技术的不断进步，以及3D技术的发展和3D传感器的普及，更多的基于计算机图像和2D/3D视觉的方法被尝试应用于对牦牛等家畜的体尺测量与体重估计。
现有的基于视觉方法的牦牛体尺体重估计方法，形式是通过采集家畜俯视、侧视、正视的深度图，来提取体尺关键点，计算体尺指标，并用于估计家畜体重。
这种方法具有很强的现实意义，降低了牧民和科研工作者测算家畜体尺体重的难度。
但是现有工作仍存在一定的不足之处，最核心的缺点在于已有工作基本上都是限制性空间的体尺测量，即需要将家畜活体稳定在特定空间、特定位置和特定设备之处，这样的方式利于批量获得大量数据，通用性较强，但是测量装置往往结构复杂、成本较高，并局限于装置的固定位置，不能移动，还会对家畜有一定的应激影响。
技术内容本技术的目的在于，克服在限制性空间内测量或估计体尺和/或体重的缺点。
根据本技术的一个方面，提出一种基于3D视觉估计牦牛体尺的方法，包括以下步骤：-利用图像采集设备采集牦牛的侧面图像；-由侧面图像提取前景图像；-在所提取的前景图像中识别牛体关键点；-利用被识别的牛体关键点信息，自动提取牦牛体尺信息。
有利地，所述提取前景图像步骤可包括利用侧面图像的原始点云的3D信息进行牛体前景图像的初步提取步骤。
有利地，所述初步提取步骤可包括：-删除噪点，并做降采样处理；-识别地面平面并将地面部分切除，根据地面法向量将点云坐标系归一化；-按距离聚类，提取牦牛牛体点云。
有利地，所述提取前景图像步骤可还包括优化提取步骤，在所述初步提取步骤获得的前景图像基础上，借助牦牛身体的彩色信息，通过设定颜色阈值，获得优化的前景图像，其中，所述颜色阈值可动态调节。
根据一个实施方式，所述识别牛体关键点步骤可以利用人工辅助标注进行。
替换地，根据另一实施方式，所述识别牛体关键点步骤可以利用神经网络深度学习方法进行。
有利地，所述神经网络深度学习方法可以利用CNN卷积神经网络。
有利地，利用已经人工标注关键点的一定数量的图像信息，使用X、Y、Z、R、G、B六个通道，将图像按照空间结构排列成矩阵作为输入，人工标注的关键点的X、Y、Z坐标作为输出，使用CNN卷积神经网络进行训练，得到模型；利用模型实现体尺关键点的自动获取。