T/SDSNCH 体 标 准
T/SDSNCH098-2026
Technical specification of non-contact measurement system of live chicken bodyweightbased on machine vision
山东省农业科技转化促进会 发布
前言
本文件按照GB/T1.1《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.
请注意本文件的某些内容有可能涉及专利.本文件的发布机构不承担识别专利的责任.
本文件由山东省农业科学院家禽研究所提出.
本文件由山东省农业科技转化促进会归口.
本文件起草单位：山东省农业科学院家禽研究所、山东兴恒环境科技集团有限公司、青岛田瑞科技集团有限公司、合肥拉塞特机器人科技有限公司、中国农业大学、山东省农业科技转化促进会.
本文件主要起草人：李大鹏、彭海青、宋士武、李福伟、刘玮、曲田桂、韩海霞、李惠敏、李璐帅、施正香、雷秋霞、刘杰、王杰、曹顶国、周艳、周传波.
基于机器视觉的鸡活体体重无接触测定系统技术规范
1范围
本文件规定了基于机器视觉的鸡活体体重无接触测定技术的术语和定义、系统组成与总体要求、技术要求、操作流程与方法、校准与故障预警、数据分析与误差处理以及安全与环境要求.
本文件适用于规模化蛋鸡场、肉鸡场、种鸡场或科研机构及动物健康监测等场景，采用机器视觉技术对鸡活体体重进行非接触式测定的系统设计、建设、运行与评估.
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（包括的修改单）适用于本文件.
GB/T4208-2017外壳防护等级（IP代码）GB/T5226.1机械电气安全机械电气设备第1部分：通用技术条件GB/T20145灯和灯系统的光生物安全性GB/T27025检测和校准实验室能力的通用要求GB/T30094工业以太网交换机技术规范GB/T40659智能制造机器视觉在线检测系统通用要求GB/T42980智能制造机器视觉在线检测系统测试方法GB/T44985.4农业物联网通用技术要求第4部分：畜禽养殖
3术语和定义
下列术语和定义适用于本文件.
3. 1
机器视觉machinevision
利用光学成像装置和计算机算法，对目标对象进行图像获取、处理、分析和理解，从而实现检测、识别和测量的技术.
3. 2
无接触测定non-contactmeasurement
T/SDSNCH 098-2026
通过光学成像装置及图像处理系统，在不与动物发生物理接触的前提下，对测试对象相关指标进行测定的方法.
3.3
机器学习machine learning
计算机通过数据训练获得模型参数，并在与训练过程类似的任务或场景中持续提高预测或决策性能的技术方法.
从图像中提取鸡体的特征信息，包括体斜长、体型轮廊、侧视投影面积（或胸宽）、俯视投影面积、拟合椭圆的长轴与短轴，用作体重预测模型的输入参数.
4系统组成与总体要求
4.1系统总体组成
基于机器视觉的鸡活体体重无接触测定系统一般由图像采集系统、图像处理与体重测定系统、数据存储与管理系统以及人机交互系统组成.系统应符合GB/T40659的规定.
4.2图像采集系统
应由高清工业相机、深度摄像头或双目摄像头构成，安装位置应保证能够完整获取鸡体轮廊和关键部位信息.摄像设备应具备稳定、连续的图像采集能力，满足长期运行要求.
4.3图像处理与体重测定系统
应具备图像预处理、背景去除、鸡体分割、特征提取及体重测定功能，相关算法应经过训练与验证，能够在实际养殖环境中稳定运行.
4.4数据存储与管理系统
应支持本地或云端部署，具备数据存储、查询、备份和导出功能.存储数据应至少包括测量时间、原始图像、测定体重及相关误差信息.
4.5人机交互系统
应提供直观、易操作的用户界面，支持实时结果显示、历史数据查询、统计分析及报表生成等功能.
5技术要求
5.1图像采集系统
摄像头最低分辨率不低于1920×1080（FullHD），宜采用3840×2160（4K）及以上分辨率.图像采集系统最低帧率不低于30帧/s（fps），宜为60顿/s（fps）.焦距范围宜为500mm~5000mm，应覆盖测量区域内鸡体活动范围.采用深度或双目摄像设备时，深度测量精度不应低于±1cm.
5.2光照条件
光照条件应符合GB/T20145的规定.光源宜使用无频闪LED，频闪指数<1%.照明强度和色温应满足鸡不同周龄的光照需求，光照强度一般不应超过20Ikx，色温不应高于6500K，色温波动≤±300K，环境光波动不应超过±10%，照度均匀度≥0.7. 5.3图像处理与分析 宜采集鸡背部、侧面等多角度图像，满足获取体斜长、体型轮廊、侧视投影面积（或胸宽）、俯视投影面积、拟合桶图的长轴与短轴的要求.图像处理过程应符合GB/T42980的规定，背景去除精度不应低于95%，图像噪声降低率不应低于90%，鸡体分割精度不应低于98%. 5.4体重测定算法 体重测定宜采用卷积神经网络（CNN）或其他深度学习模型，如ResNet、YOLO等.模型应基于足量标注样本进行训练与验证，最低训练样本数量≥3000只个体样本或≥10万张图像，合理划分训练/验证/测试数据集比例（如7:2:1，6:2:2）.模型应适用于不同品种和不同日龄的鸡只. 5.5系统性能要求 单次体重测定响应时间不应超过5s.系统处理能力不应低于60只鸡/min.系统应具备连续24h稳定运行能力. 5.6网络 硬件部分应通过有线或无线网络与数据处理模块连接，网络配置及通信协议应符合GB/T30094和GB/T 44985.4的规定. 6操作流程与方法 6.1图像采集 采集环境需光照均匀，背景与鸡只毛色对比明显，使用哑光材质减少反光.相机需标定校正畸变.图像应以高分辨率无损格式存储，清晰显示鸡只边缘.训练数据应覆盖不同日龄、体重、姿态的鸡只样本，确保数据多样性. 6.2图像处理与特征提取
