农业机械学报

作者：杨断利，沈洪硕，陈辉，高媛

单位：河北农业大学,河北农业大学,河北农业大学,河北农业大学,

关键词：鸡冠肉垂;深度学习;语义分割;育种;YOLO v7;CoT-UNet

基金：国家自然科学基金项目(32172779)、财政部和农业农村部：国家现代农业产业技术体系项目(CARS-40)、河北省现代农业产业技术体系建设专项资金项目( HBCT2023210201) 和保定市科技计划项目(2211N014)

传统人工测量方法在蛋鸡鸡冠肉垂面积测算中存在接触性应激风险、人畜共患病隐患及测量误差较大等问题。为此，本研究提出基于YOLO v7与改进U-Net的鸡冠肉垂自动分割与面积计算方法。构建两阶段检测框架：利用YOLO v7完成鸡头姿态筛选与ROI提取，有效消除非正视角图像干扰；提出融合Contextual Transformer的CoT-UNet模型：通过将CoT块融入U-Net编码器实现动态和静态上下文特征融合，结合本文构建的DyC-UP上采样模块（采用动态可调卷积核强化不规则边缘特征提取），显著提升不同鸡冠特征分割能力；建立像素-面积转换算法：基于标定系数实现从图像空间到物理空间的精准映射。实验结果表明，改进CoT-UNet相较基线模型，在鸡冠和肉垂分割任务中，IoU提升4.77、8.75个百分点，精确率提升5.31、5.06个百分点，分割质量改善显著。在面积计算精度方面，鸡冠面积绝对误差（0.62~3.50cm2）和肉垂面积绝对误差（0.10~2.93cm2）较传统手工测量（3.58~7.27cm2）具有明显优势。多场景验证显示，在不同姿态（3类）、拍摄角度（2种）和距离（2种）条件下，鸡冠面积相对误差为2.41%~13.62%，肉垂面积相对误差为1.00%~29.21%。本研究实现了非接触式禽类生物特征精准测量，为智慧化种鸡选育提供了可靠的技术支持。

来源：2025年第4期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第4期