生猪体重是一个重要参数,对肉产品生产、畜牧业发展、市场成本、饲料和动物健康有重要影响。动物活体重的测定一直是—个长期的研究课题,尚未成熟,程序压力较大,耗时,精度不—致。本研究的目的是研发—种基于机器视觉、机器学习的非接触式、无应激反应的生猪体重检测方法。该方法基于高清图像处理技术进行特征提取,使用自适应神经模糊推理系统和线性回归建模进行测试并比较结果。首先,基于线性回归模型和自适应神经模糊推理系统模型开发了两种不同的模型。线性回归模型通过建立的所有输入(提取特征)和输出(体重)的相关性估测生猪体重。自适应神经模糊推理系统模型(结合2、3和4输入)通过确定最佳预测效果的提取特征组合估测生猪体重。对比两种模型的结果,并分析两种方法的均方根误差,发现线性回归模型误差较高为2.067,自适应神经模糊推理系统模型误差为0.895。最后,使用自适应神经模糊推理系统模型估测20头猪的质量,最后结果得到系统的平均相对误差为约3%、标准偏差为0.7%。因此,本文提出有效的用于估测生猪体重的方法。其次,对于线性回归模型和自适应神经模糊推理系统模型的均方根误差进行了分析,线性回归模型均方根误差为2.067,自适应神经模糊推理系统模型均方根误差为0.895,两者相比线性回归模型均方根误差较高。线性回归模型考虑到所有的8个输入,而自适应神经模糊推理系统只使用了 2个最好的预测作为输入。最后,用自适应神经模糊推理系统模型来估计作为测试数据集的20头猪的重量,系统的平均相对误差大约为3%,标准偏差大约为0.7%。因此,利用自适应神经模糊推理系统模型和成像系统,来开发实用的猪体重估算系统是可行的方法,该方法准确、高效。