# 牲畜体重预测

该研究用 Mask R-CNN 从二维图像中分割山羊并提取心围与体长，再与年龄、性别元数据组合，训练 XGBoost、Random Forest 与 CatBoost 并以 0.5/0.3/0.2 权重集成，在按 Animal ID 分组划分的验证集（37 只）上 XGBoost 取得 R²=0.8514（RMSE=4.26 kg、MAE=3.47 kg、MAPE=16.27%），在完全未见的测试集（37 只）上 XGBoost 表现最佳，R²=0.7955（MSE=29.15 kg²、RMSE=5.40 kg、MAE=4.01 kg、MAPE=16.38%），加权集成则为 R²=0.7713（MSE=32.60 kg²、RMSE=5.71 kg、

该研究用 Mask R-CNN 从二维图像中分割山羊并提取心围与体长，再与年龄、性别元数据组合，训练 XGBoost、Random Forest 与 CatBoost 并以 0.5/0.3/0.2 权重集成，在按 Animal ID 分组划分的验证集（37 只）上 XGBoost 取得 R²=0.8514（RMSE=4.26 kg、MAE=3.47 kg、MAPE=16.27%），在完全未见的测试集（37 只）上 XGBoost 表现最佳，R²=0.7955（MSE=29.15 kg²、RMSE=5.40 kg、MAE=4.01 kg、MAPE=16.38%），加权集成则为 R²=0.7713（MSE=32.60 kg²、RMSE=5.71 kg、