DB15/T 4103-2025 奶山羊数字化养殖体尺测定规范

　　ICS

65.020.01 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

DB15/T 4103—2025

5

系统测量误差应不超过±3%，测量误差的标准偏差不超过3%。 响应时间测试

7.2.1 测试目的

验证系统从图像采集到输出体尺测定结果的总响应时间。

7.2.2 测试方法

7.2.2.1 使用计时工具记录系统从图像捕捉开始到输出最终体尺数据的时间。

7.2.2.2 进行至少50次测试，取平均值。

7.2.3 测试标准

系统的响应时间应不超过10 s，确保实时性。 数据处理能力测试

7.3.1 测试目的

验证系统在处理大量数据时的稳定性和性能。

7.3.2 测试方法

7.3.2.1 系统在一天内连续处理1000只奶山羊的体尺测定数据，监控系统的处理能力和数据传输速度。

7.3.2.2 观察系统是否出现延迟、崩溃或数据丢失等问题。

7.3.3 测试标准

7.3.3.1 系统应连续运行24 h无故障。

7.3.3.2 数据处理应能在每次测量后即时上传，延迟不超过1 s。 环境适应性测试

7.4.1 测试目的

验证系统在不同环境条件下(如光照变化、灰尘、湿度等)的稳定性。

7.4.2 测试方法

7.4.2.1 在不同的光照条件下(强光、阴影、夜间照明)对奶山羊进行测定，观察系统测量的稳定性和精度变化。

7.4.2.2 在含有粉尘和湿气的环境中，运行系统进行体尺测定，检测摄像头和传感器的工作状态。

7.4.3 测试标准

系统在不同环境条件下的测量精度应保持在±2%以内，不应出现数据丢失或设备故障。 系统稳定性测试

7.5.1 测试目的

验证系统长时间运行的稳定性。

DB15/T 4103—2025

6

7.5.2 测试方法

7.5.2.1 将系统连续运行72 h，模拟场景下持续进行体尺测定，监控系统性能。

7.5.2.2 记录系统是否发生死机、崩溃、重启等问题。

7.5.3 测试标准

系统在72 h内运行无故障，性能稳定。

8 安全要求 数据加密

8.1.1 系统应采用SM4国密算法进行数据加密，用于保护存储和传输中的敏感数据，确保数据的安全性。

8.1.2 数据传输过程中应使用SM2(椭圆曲线公钥密码算法)进行密钥交换和身份认证，并结合SM3(哈希算法)对数据进行签名验证，以确保数据完整性和传输安全。

8.1.3 所有存储的体尺数据、用户信息和日志文件应在写入硬盘前通过SM4算法加密，确保即使物理设备被盗，数据也不会泄露。

8.1.4 数据传输时应使用SM2算法进行加密密钥协商，并通过SM4对传输内容加密，确保数据在传输过程中无法被截获或篡改。

8.1.5 在传输过程中，数据应进行SM3哈希计算，保证数据的完整性和不可篡改。 用户认证

8.2.1 系统应采用多因素认证(MFA)机制，要求用户在登录时输入用户名、密码，并使用一次性动态密码(OTP)或通过手机应用验证，以提高系统安全性。

8.2.2 用户密码应通过SM3哈希算法处理后存储，确保密码不会明文存储。

8.2.3 系统管理员应根据用户角色设置权限级别，确保每个用户只能访问其权限范围内的数据和功能。

8.2.4 用户权限分为三个级别：普通用户(只能查看测量结果)、操作员(可操作和导出数据)、管理员(可进行系统设置和维护)。

8.2.5 所有用户操作记录应保存在日志文件中，且日志文件不可更改。 网络安全

8.3.1 系统应配置防火墙，限制未经授权的外部访问。使用入侵检测和防御系统(IDS/IPS)监控网络流量，识别和阻止恶意攻击。

8.3.2 远程访问系统时，应通过使用国密SSL VPN进行加密连接，确保远程访问数据的安全性。

8.3.3 使用专用的端点安全设备来确保远程接入设备符合企业的安全标准，防止未经授权的设备访问系统。 数据备份与恢复

8.4.1 系统应定期进行数据备份，至少每24 h备份一次，并将备份文件存储在异地服务器或云存储中，确保数据在灾难发生时能够恢复。

8.4.2 系统应具备灾难恢复机制，包括自动备份、冗余服务器等，确保在硬件故障或网络攻击情况下，系统能在短时间内恢复正常运行。

DB15/T 4103—2025

7

日志管理

8.5.1 系统应自动记录所有用户登录、数据访问、数据修改等操作，日志文件应以不可修改的方式存储，并且至少保留两年。

8.5.2 管理员应定期审查日志文件，识别异常操作行为，确保系统安全。

9 运维要求 平台运行维护应符合运行维护的通用要求。 平台建设方应制定系统培训计划，确保参与者具备实施和应用能力。 平台建设方和参与方应对平台运行情况进行实时监控，制定完备的应急处理预案，并严格执行。 平台运维方应对网络、硬件、数据库、系统应用等方面运行问题及时定位，并按照运维职责实时处理。