ICS 65.020.01 CCS B 40 15 内蒙古自治区 地方 标准 DB15/T 4103—2025 奶山羊数 字化养殖体尺测定规范 Specification for measurement for body size in digital dairy goat farming 2025-07-10发布 2025-08-10实施 内蒙古自治区市场监督管理局 发布 DB15/T 4103 —2025 I 前言 本文件按照 GB/T 1.1 —2020《标准化工作导则 第1部分：标准化文件的结构和起草规则》的规定 起草。 本文件由内蒙古自治区畜牧业标准化技术委员会（ SAM/TC 19 ）归口。 本文件起草单位：北京国科诚泰农牧设备有限公司、内蒙古工业大学、内蒙古人才发展研究院、内 蒙古自治区农牧业技术推广中心、内蒙古伊利实业集团股份有限公司。 本文件主要起草人：关金森、李菲、赵于东、聂俊、董世星、钟磊、于飞、房建东、羿静、王春、 安春燕、邢涛、傅莉辉、张云霞、崔丽光、王静。 DB15/T 4103 —2025 1 奶山羊数字化养殖体尺测定 规范 1 范围 本文件规定了基于 AI视觉技术的奶山羊体尺测定系统，通过硬件和软件建设实现奶山羊体尺测定 并且规定了其基本配置要求、通用技术要求、系 统硬件要求、性能要求以及安全要求。 本文件适用于奶山羊数字化养殖场用的体尺测定工具。 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本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/T 4208 外壳防护等级（ IP代码） GB/T 20643.2 特殊环境条件 环境试验方法 第2部分：人工模拟试验方法及导则 电工电子产品 （含通信产品） 3 术语和定义 下列术语和定义适用于本文件。 特征提取 feature extraction 从图像中提取边缘、纹理、颜色、形状等，用于目标检测和识别。 目标检测和识别 object detection and recognition 利用机器学习和深度学习算法进行目标检测。实现目标的类别识别和属性判断。 体尺 body size 奶山羊体高、体斜长等身体尺寸的测量值，具体测量方法和单位如下： —— 体高：从奶山羊前肢上端肩峰点到地面的垂直距离，单位为厘米（ cm）； —— 体斜长：从奶山羊肩胛骨前缘至坐骨结节的斜向距离，单位为厘米（ cm）； —— 胸围：肩肋骨后角处量取胸部的垂直周径； —— 管围：取管部最细处的周长，在管部的上 1/3处测量。 4 基本配置要求 DB15/T 4103 —2025 2 检测设备 4.1.1 工作模式 4.1.1.1 使用高分辨率摄像头捕捉奶山羊的图像数据。 4.1.1.2 图像识别通过预训练的深度学习模型进行处理，模型采用卷积神经网络（ CNN）架构，用于识 别奶山羊的轮廓和关键部位。 4.1.1.3 目标检测基于 YOLO或Faster R -CNN等实时检测算法，自动定位奶山羊的头部、背部、腿部 等关键点。 4.1.1.4 结合检测到的目标位置，利用几何算法计算奶山羊 的体高、体长和体重等参数。 4.1.1.5 通过边缘计算装置，实时处理图像数据并输出结果。 4.1.1.6 将数据传输至服务器进行分析和存储。 4.1.2 通讯方式 通讯方式为使用无线传输数据到中心处理器，中心处理器在本地处理数据并将结果显示于终端。 4.1.3 使用环境条件 部署在羊舍，符合 GB/T 20643.2 要求。 4.1.4 防护等级 防护等级为 IP56。符合GB/T 4208 要求。 数据库处理 4.2.1 工作模式 工作模式为数据进行收集中转。 4.2.2 通讯方式 通讯方式为无线传输。 4.2.3 环境条件 室外安装，符合 GB/T 20643.2 要求。 4.2.4 防护等级 防护等级为 IP56。符合GB/T 4208 要求。 数据网关 4.3.1 工作模式 工作模式为数据实时存储上传。 4.3.2 通信方式 通信方式主要基于本地无线局域网，建议采用以下无线技术： 使用本地无线局域网进行数据传输，适用于场内数据的实时传输和处理。 Wi-Fi网络具备较大的带 宽和稳定的连接，适用于奶山羊测定系统中大量图像和视频数据的传输。 DB15/T 4103 —2025 3 4.3.3 环境条件 室内安装，符合 GB/T 33711 中环境适应性要求。 4.3.4 防护等级 防护等级为 IP67。符合GB/T 4208 要求。 4.3.5 能源供应 电池供电或外部电源，电力供应稳定。 5 通用技术要求 AI视觉识别功能 采用深度学习 算法，用于图像分类和目标检测。针对奶山羊的体型特征进行模型训练，确保识别精 度和鲁棒性。 使用目标检测算法，实现奶山羊的体高、体长等关键点的精准检测。 激光雷达测量功能 5.2.1 系统应支持激光雷达（ LiDAR）测量方式。激光雷达通过发射激光束并接收反射信号，生成精确 的三维点云数据。 5.2.2 激光雷达在测量奶山羊的几何尺寸（如体高、体长）时，具有较高的精度，不受环境光线影响， 适合在复杂光照条件下进行测量。 5.2.3 激光雷达测量的误差应控制在± 1%以内，测量时间不超过 5 s。 5.2.4 系统应具备激光雷达与 AI视觉识别的综合测量能力，结合两种方式进行测量数据的交叉验证， 提升测量精度和可靠性。 精度要求 5.3.1 识别精度应不低于 95%，确保奶山羊体尺测量结果的误差在 2%以内。 5.3.2 系统应能在 10 s内完成对单只奶山羊的全方位测量，并实时输出结果。 系统配置及性能指标 5.4.1 处理器最低配置为 Intel i7 或同等性能处理器，建议配备至少 4 GB显存的显卡以加速深度学 习推理过程。 5.4.2 本地存储设备为 512 GB SSD 或更高，配备云存储同步机制，用于长期数据保存。 5.4.3 分辨率不低于 1080 p，帧率≥ 30帧/s，确保图像清晰度和动态捕捉效果。 5.4.4 数据传输速度要求为千兆以太网或 Wi-Fi ，确保图像数据的实时传输和处理。 5.4.5 每秒处理帧数（ FPS）不低于 15帧，以确保系统能够实时识别和测量奶山羊。 系统功能要求 5.5.1 系统应具备自动校准功能，能够根据不同光照和环境条件调整摄像头参数，以保证识别精度和 稳定性。 5.5.2 系统支持远程监控与管理功能，实时监测 AI识别系统的运行 状态，并提供报警功能。 DB15/T 4103 —2025 4 羊只AI自动识别系统配置要求 5.6.1 与固定羊只系统连接，安装在顶部、侧面的 AI视觉体尺测定系统。 5.6.2 AI视觉体尺测定系统与硬件通过无线连接，进行数据采集。 5.6.3 安装双目摄像头在羊只通过的至少 2 m的固定通道或活动区域的上方或两侧。 5.6.4 通过深度图像提取羊只的关键部位，测量体高和体长。 数据整合 在电脑端软件工具平台， 对 AI视觉体尺测定的数据进行整体合成， 形成立体模型， 进行查看， 测量， 评估。 数据接口 AI视觉体尺测定系统与其他系统进行数据对接接口。 6 系统硬件要求 高性能计算平台 处理器（ CPU）和图形处理单元（ GPU），能够提供足够的计算能力来支持复杂的图像处理和深度学 习算法。 大容量存储设备 本地配置大容量固态硬盘（ SSD）或机械硬盘，同步云存储。 高速网络连接 千兆以太网或其他高速网络连接技术。 专业的图像捕捉设备 使用专业的摄像头来捕捉图像和视频数据。摄像头应具有高分辨率、高帧率、低噪声等特性，以确 保获取到的图像和视频数据具有足够的清晰度和准确性。 7 性能要求 体尺测定精度测试 7.1.1 测试目的 验证系统在不 同环境条件下对奶山羊体高、体长等体尺测定的精度。 7.1.2 测试方法 7.1.2.1 选取至少 50只奶山羊，使用人工测量的精确值作为对比标准。 7.1.2.2 系统对每只奶山羊进行体尺测定，记录测量结果。 7.1.2.3 对比系统测量值与人工测量值，计算误差。 7.1.3 测试标准