牛体重检测数据集(YOLO分割格式)

摘要：牛体重检测数据集（YOLO分割格式）是一个专门用于智能畜牧业的实例分割数据集，旨在通过计算机视觉实现牛只体重的非接触式自动估算。

数据集简介

数据集概述

牛体重检测数据集（YOLO分割格式）是一个专门用于智能畜牧业的实例分割数据集，旨在通过计算机视觉实现牛只体重的非接触式自动估算。数据集采用YOLO Segmentation标注格式，包含两个类别：牛（cow）和标签（sticker），其中牛类别提供精确的实例分割掩码，用于提取体型特征（体长、体宽、面积等）以估算体重；标签类别标注牛只身上的标识标记（耳标、贴纸），用于个体识别和追踪。数据集按训练集和验证集划分，每个标注文件包含类别ID和归一化的多边形轮廓坐标点序列，通过精确的实例分割提取牛只几何形态特征，结合深度学习回归算法预测体重，为现代化牧场提供高效、无应激的体重监测解决方案。

数据结构与关键特征

数据集采用YOLO Segmentation标准格式，图像存储在train/images和val/images目录，分割标注文件（.txt格式）存储在对应的labels目录。每个标注文件包含类别ID（0-牛，1-标签）和归一化的多边形顶点坐标序列（x1 y1 x2 y2 … xn yn，全部归一化至0-1）。

关键特征包括：逐像素级别的精确实例分割掩码、双类别协同标注（牛体分割+标识检测，支持体重估算与个体追踪）、多样化拍摄角度（侧视、斜视、俯视）、以及真实养殖环境的复杂背景（栏舍、草地、其他牛只）。实例分割能够准确提取牛只体表轮廓，排除背景和遮挡干扰，为体型参数计算（轮廓面积、长宽比、凸包面积）提供高质量输入。标签类别的标注使数据集同时支持体重估算和个体管理，实现长期体重监测、生长曲线分析和个体健康档案建立。

应用价值与研究方向

该数据集在智能畜牧业、精准养殖和动物健康管理领域具有重要应用价值，可用于开发非接触式牛只体重自动估算系统、精准饲喂管理系统和生长监测工具。研究方向包括：基于实例分割的体重回归预测算法、多视角体型特征融合、3D体型重建与体积估算、个体识别与长期追踪、多任务学习（同时进行分割、检测和回归）、以及轻量级模型边缘部署。数据集的实例分割特性特别适合研究如何从分割掩码中提取有效的体型特征、单目图像深度估计、姿态归一化方法以及跨品种体重预测模型的泛化能力。此外，该数据集还可扩展至其他家畜体重估算（猪、羊）和动物福利评估应用，为推动计算机视觉技术在畜牧业的应用、实现无应激体重监测、提升精准饲喂效率提供重要的数据支撑和技术基础。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-193
文件大小：9.7G
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。