本研究针对我国设施养猪场现有养殖工艺问题,拟解决生猪生长过程中实时无接触自动估测猪只体重的难题,用于指导生产。对估测过程中动态获取猪只标准姿态图像,实时检测猪只体尺,建立猪只体重估测算法等关键技术进行探索,提出新的猪只体重估测模型,优化基于深度图像的猪体轮廓提取算法,开发图像自动筛选算法,研发适用于小圈群养的移动式猪体重无接触自动估测系统,并在实验猪舍和典型猪场进行验证。主要结论如下：(1)研究猪体重估测模型。优选适合机器视觉检测和人工验证的5个体尺,选用79组数据建立基于体尺主成分的幂回归模型；使用实验站测量97组数据验证,估测体重和实测值的相关系数为0.998,相对误差在4%以内,平均相对误差为2.02%。24组猪场试验数据表明,验证模型对猪个体估测体重平均误差为2.08kg,平均相对误差为(2.26±1.78)%,模型具有较高的估测精度。(2)基于LabVIEW图形化软件开发平台,构建立体视觉三维检测系统。该系统在2m物距范围内的三维检测误差小于1%,其中X轴、Y轴检测平均相对误差皆为0.65%,Z轴检测平均相对误差为0.34%；在所有区域中,视野中央检测精度最高。研发猪体背部三维检测与点云重构技术,与高精度激光三维扫描数据配准,处理猪体背部共计255587个点集,三维点云的平均误差为-3.29±4.51 mm,验证了系统的三维检测精度。(3)开发基于深度图像的猪体轮廓提取算法,解决灰度轮廓提取算法无法适应猪场恶劣光环境的问题。使用相对参数筛选体尺测点,能够较稳定地提取猪体尺检测关键点；增加手工提取关键测点的功能。测量猪场32组体尺数据,与人工测量体尺相比,猪体尺检测平均误差小于2cmm,相对误差在2%左右,体尺检测的精度较高。(4)开发生猪体尺体重无接触检测软件,构建基于对称度和延长系数的正常猪只姿态图像筛选算法,对异常图像的识别率为79.31%,对正常图像的识别率为73.06%,软件对猪只自由状态下的图像,体尺检测成功率为24.93%。研发移动式猪体重检测平台,能够检测多个猪圈的猪只体重,适用于我国现有的小圈群养的生产工艺,增加系统检测猪只容量,降低系统使用成本。在实验站开展长时间估测试验,体长、体宽、体高、臀宽、臀高的检测精度分别为1.44%、5.81%、4.94%、2.00%和1.64%。系统对4头猪共计268组体重估测数据的平均相对误差为(2.52±2.14)%。实现猪体尺体重无接触全自动估测。(5)利用物联网技术,开发生猪生产过程实时监控与管理系统。具备基于C/S架构的生态及生产过程数据采集功能,并结合专家决策技术,通过基于B/S架构的网页及手机客户端形式对授权用户发布相关信息。主要监管功能包括环境参数、生产过程信息及猪只行为音视频监控。