Linwu ducks dataset

Linwu ducks dataset是由湖南农业大学信息与机电学院和湖南省动物科学研究院共同收集的一个多模态鸭身体尺寸和重量预测数据集。该数据集包含1023只临武鸭的5238组视觉信息，包括不同姿态和状态下的侧视深度图像、RGB图像和俯视RGB图像。数据集通过在特定封闭空间中同时使用Intel RealSense D415深度相机和Logitech C270 RGB相机进行视觉数据采集，并结合电子秤和电子卡尺进行身体尺寸的测量。数据集旨在为鸭的身体尺寸和重量预测提供基准数据，推动畜牧业智能管理和精准养殖的发展。

The Linwu ducks dataset is a multi-modal dataset for duck body size and weight prediction, jointly collected by the College of Information and Electromechanical, Hunan Agricultural University and Hunan Animal Science Research Institute. This dataset includes 5238 sets of visual information from 1023 Linwu ducks, covering lateral depth images, RGB images and top-down RGB images under different postures and states. Visual data was collected simultaneously using an Intel RealSense D415 depth camera and a Logitech C270 RGB camera within a specific enclosed space, while body size measurements were performed with an electronic scale and electronic calipers. This dataset aims to provide benchmark data for duck body size and weight prediction, so as to promote the development of intelligent management and precise breeding in the livestock industry.

搜集汇总

数据集介绍

构建方式

Linwu ducks数据集的构建采用了多模态数据采集方法，结合了2D RGB图像、深度图像和3D点云数据。研究团队在湖南省临武县的顺华鸭业有限公司的养殖场中，使用Intel RealSense D415深度相机和Logitech C270 RGB相机，采集了1,023只临武鸭的视觉数据。每只鸭子在不同的姿态和状态下被多次拍摄，共收集了5,238组视觉数据。此外，鸭子的体重和身体尺寸参数（如体对角线长度、龙骨长度、胸宽等）通过电子秤、卷尺和电子卡尺进行手动测量，并作为标注数据。为了确保数据的多样性和模型的泛化能力，研究团队设计了封闭的拍摄环境，并通过软件系统实现了多角度数据的同步采集与对齐。

特点

Linwu ducks数据集的特点在于其多模态性和高精度标注。数据集不仅包含了2D RGB图像和深度图像，还生成了3D点云数据，能够从多个视角捕捉鸭子的形态特征。此外，数据集涵盖了鸭子的多种姿态和状态，确保了数据的多样性和广泛适用性。每个样本都附带了详细的体重和身体尺寸标注，包括体对角线长度、龙骨长度、胸宽等八个形态参数。这些标注数据为深度学习模型提供了丰富的监督信息，使其能够准确预测鸭子的体重和身体尺寸。数据集的高质量标注和多模态特性使其成为研究家禽体重和体型预测的理想选择。

使用方法

Linwu ducks数据集的使用方法主要围绕多模态特征提取和深度学习模型的训练展开。首先，研究人员可以从数据集中提取2D图像特征和3D点云特征，利用预训练的ResNet50网络处理RGB图像，并通过改进的PointNet++模型提取点云中的关键几何特征。随后，这些特征可以通过Transformer编码器进行融合，以捕捉不同模态之间的复杂依赖关系。最终，模型通过回归层输出鸭子的体重和身体尺寸预测结果。数据集的使用不仅限于体重和体型预测，还可以用于研究家禽的行为分析、健康监测等领域。通过结合多模态数据和深度学习技术，该数据集为家禽养殖的智能化管理提供了有力支持。

背景与挑战

背景概述

Linwu ducks dataset是由湖南农业大学信息与技术学院的研究团队于2025年创建的，旨在通过多模态数据（包括2D RGB图像、深度图像和3D点云）实现鸭体尺寸和重量的非侵入式预测。该数据集包含1,023只临武鸭的5,238组样本，涵盖了不同姿态和条件下的鸭体数据。研究团队创新性地结合了PointNet++和Transformer编码器，成功提取并融合了3D几何特征与2D卷积特征，显著提升了预测精度。该研究首次将深度学习技术应用于家禽体尺寸和重量的预测，为家禽养殖的智能化和精准化管理提供了重要参考。

当前挑战

Linwu ducks dataset在构建和应用过程中面临多重挑战。首先，鸭体尺寸和重量的预测需要高精度的数据采集和处理，而鸭类的活跃性和羽毛的复杂性增加了数据采集的难度。其次，多模态数据的融合要求模型能够有效整合2D图像和3D点云信息，这对算法的设计和计算资源提出了较高要求。此外，数据集中样本的多样性和姿态变化对模型的泛化能力提出了挑战，尤其是在小样本情况下，模型的预测精度可能受到限制。最后，尽管该数据集在鸭体尺寸预测方面取得了显著成果，但其应用范围仍需进一步扩展，以涵盖更多家禽种类和不同生长阶段的样本。

常用场景

经典使用场景

Linwu ducks dataset 主要用于通过多模态数据（包括2D RGB图像、深度图像和3D点云）进行鸭体尺寸和体重的非接触式预测。该数据集通过深度学习模型，结合PointNet++和Transformer编码器，实现了对鸭体形态特征的高精度提取和预测。其经典使用场景包括家禽养殖中的生长监测、健康评估以及经济效率优化。

衍生相关工作

基于Linwu ducks dataset，研究者们开发了多种深度学习模型，如结合PointNet++和Transformer的多模态融合模型。这些模型不仅提升了鸭体尺寸和体重预测的精度，还为其他家禽（如鸡和鹅）的类似研究提供了参考。此外，该数据集还推动了计算机视觉技术在家禽养殖中的广泛应用，衍生出更多关于家禽生长监测和健康管理的创新研究。

数据集最近研究

最新研究方向

近年来，Linwu ducks数据集在禽类体重和体型预测领域的研究方向主要集中在多模态数据融合与深度学习技术的结合上。通过引入2D RGB图像、深度图像和3D点云数据，研究者们开发了一种基于PointNet++和Transformer编码器的深度学习模型，能够非侵入式地精确预测鸭子的体重和多个体型参数。这一创新方法不仅显著提升了预测精度（MAPE为6.33%，R²为0.953），还减少了传统手动测量对动物的压力，为禽类养殖的智能化管理提供了新的技术路径。此外，该研究首次将深度学习技术应用于禽类体型预测，填补了该领域的研究空白，并为未来在鸡、鹅等其他禽类中的应用奠定了基础。

相关研究论文

• Multimodal Feature-Driven Deep Learning for the Prediction of Duck Body Dimensions and Weight

  湖南农业大学信息与机电学院, 湖南省动物科学研究院 · 2025年