奶牛站进挤奶位，机械臂从腹下探出——它要在一两分钟内完成老挤奶工凭经验做的全套动作。

国内规模化奶牛场，一个熟练挤奶工通常要负责 40–60 头牛的挤奶环节。每天凌晨 3 点进场，弯腰、俯身、找乳头、套杯、观察吸奶、脱杯，一头牛重复一次；一班下来几千次弯腰，长期下来腰椎都扛不住。

更要命的不是累，是一致性。人会累、会赶时间：套杯角度偏一点，真空就会拉扯乳头；吸奶过程中掉了杯、吸进异物、四个乳区挤得不均匀，都得靠人眼盯着补救。再加上牧场普遍在把挤奶次数从每天 2次提到 3次，甚至走向"奶牛随时来、机器人随时挤"的自由进出模式，靠人排班根本跟不上。

于是挤奶机器人成了越来越多牧场的选择：一头机器一天服务上百头牛，自动找乳头、自动套杯、自动监测每头牛的产奶情况。它的技术内核不是"机械臂"——机械臂谁都能买。真正的壁垒，是让机器在牛腹底下，把老挤奶工凭经验做的三件事自动化。

核心判断：自动挤奶机器人做三件事——眼，用 3D 视觉在杂乱的牛腹点云里把四个乳头的三维坐标找出来；脑，把视觉坐标翻译成机械臂能执行的运动指令，规划一条不碰牛身、不碰乳头、能对准杯口的路径；手，套杯到位后靠力 / 真空反馈确认，而不是"觉得套上了就行"。整个系统的技术瓶颈从来不是机械臂本身，而是牛腹底下到底哪根是乳头、这头牛今天的乳头位置和昨天不一样怎么办。

本文看点 传统挤奶为什么走到自动化这一步 乳头定位为什么是整个系统的技术瓶颈 3D 视觉如何从牛腹点云里把四个乳头"抠"出来 手眼标定、视觉伺服、力反馈如何保证毫米级套杯 挤奶闭环：奶流量、真空度、自动脱杯、清洗消毒 工程落地：硬件选型、工作流程、效果指标

01 为什么挤奶环节必须自动化

1.1 行业背景：规模化牧场的人效压力

国内奶牛养殖正在从"几十头散养"快速走向"几百上千头规模化牧场"。单头牛的产奶效率在不断提高，但挤奶这个环节高度依赖人工——牛越多，需要的挤奶工就越多，而年轻人愿意干夜班、弯腰活的越来越少。

另一个变化是挤奶频次的提升。传统模式每天固定 2 次集中挤奶，工人排班相对简单；现代牧场为了提高单产，普遍提升到每天 3 次；而以 Lely、DeLaval 为代表的自由进出式挤奶机器人（AMS，Automatic Milking System），则把挤奶从"集中排班"变成了"奶牛随时来、机器人随时挤"——奶牛一天可以挤 4–6 次，产奶量和奶牛福利都更好，但这对"自动套杯"的可靠性提出了极高要求。

1.2 传统挤奶的三个痛点

痛点	具体表现	影响
一致性差	人会疲劳、会赶时间，套杯角度、真空调节、挤奶时长因人而异	乳头损伤风险升高，乳区挤奶不均匀，影响泌乳健康和原奶质量
劳动强度大	凌晨班次、长时间弯腰俯身、一头牛重复一套动作	招工难、人员流失率高，人效天花板明显
数据缺失	每头牛每次挤了多少奶、挤了多久、有没有异常，全靠人工记录或粗略估计	无法及时发现乳腺炎、产奶异常等健康问题，牧场管理靠经验

1.3 自动化挤奶的两种主流形态

形态	工作方式	特点
自由进出式机器人（AMS）	奶牛随时主动进入独立挤奶位，机器人自动识别牛只、自动套杯挤奶	挤奶频次高、单头机器人服务 60–80 头牛，适合新建牧场
集中式 / 转盘式机器人	挤奶转盘上布设多个杯组，机械臂在转盘旋转过程中自动套杯	单位时间处理牛数多，适合千头以上大型牧场的挤奶厅改造

所以呢？无论哪种形态，自动挤奶的技术核心都是同一个：在牛腹底下，把四个乳头的位置找出来，并把杯组精准套上去。这正是下文要拆解的技术主线。

02 乳头定位为什么是整个系统的硬骨头

外行看自动挤奶，以为难点在机械臂；真做过的团队都知道，定位错了，机械臂再准也是精准地套错地方。乳头定位这一步，决定了整套系统的成功率。

2.1 先看乳头长在哪、长什么样

奶牛乳房位于后腹底部，四个乳头分前后两排（前乳区两个、后乳区两个），是杯组要对准的目标。几个关键事实决定了视觉方案的设计：

参数	典型范围	对定位的影响
乳头直径	约 2–3 cm	杯口直径相近，对准容错窗口小
乳头长度	约 5–12 cm	短乳头更难抓取，长乳头易晃动
乳头方向	垂直、内倾、外撇都有	机械臂套杯轨迹必须跟随乳头方向，不能垂直硬顶
乳房位置	随泌乳阶段涨缩、随奶牛体重变化	同一头牛不同天，坐标都会变，不能写死模板

2.2 四大技术挑战

挑战	具体描述
位置随机 + 个体差异	每头牛的乳房形状、乳头位置、大小都不一样；同一头牛在不同泌乳阶段、不同天数，乳房涨满时下垂、挤完奶回缩，坐标都会漂移。不能靠模板匹配
环境干扰严重	乳头周围有腹毛、后乳镜、皮肤褶皱；表面可能沾有粪便、泥污、残奶；奶牛会甩尾、抬腿、转移重心；牛舍自然光与人工照明混合，光照不稳定
精度要求高	杯口直径约 2 cm、乳头直径 2–3 cm，对准偏差超过 ±5–10 mm 就可能套不上或拉扯乳头
实时性与容错	从奶牛站稳到套杯完成，通常要求在 30–60 秒内完成；一次套不上必须能快速重试，不能在牛腹底下反复比划惊扰奶牛

2.3 为什么不能套用普通工业视觉思路

工业视觉面对的是"位置固定、形状标准、背景干净、光照可控"的工件，模板匹配 + 边缘检测就能解决。奶牛挤奶场景完全相反：

•活体：奶牛会动，不是静止工件；

•非标准化：每头牛都不一样，且同一头牛每次也不完全一样；

•背景杂乱：腹毛、皮肤褶皱、污渍都在抢特征；

•三维目标：乳头是从乳房向下伸出的立体结构，二维图像只能看到投影，必须有深度信息。

所以这套系统不能只靠一张 RGB 照片做模板匹配，而必须用3D视觉 + AI 语义分割 + 在线手眼标定的组合方案——这正是下一章的内容。

所以呢？乳头定位的本质，是在"活体、杂乱、随机、毫米级精度"这四个约束下做三维检测。下面这张系统架构图，就是围绕这四个约束设计的。

03 系统总览：视觉 + 机械臂 + 传感器三层架构

整套自动挤奶系统可以拆成三层：感知层（看见牛腹）、决策层（算出乳头在哪、机械臂该怎么走）、执行层（把杯组套上去并完成吸奶）。三层之间通过一条数据流串联起来。

3D 相机向上扫描牛腹点云，AI 从中标出四个乳头，再由机械臂完成套杯。

3.1 三层架构的硬件组成

层级	硬件 / 软件	作用
感知层（眼）	3D 深度相机（结构光 / ToF / 双目）	安装在机械臂末端或挤奶位，向上扫描牛腹，输出带深度的点云
	主动红外光源 / 结构光投射器	克服牛舍环境光干扰，保证点云稳定
	RFID / NFC 项圈识别	识别是哪头牛，调取该牛历史乳头位置、健康档案
决策层（脑）	边缘工控机（带 GPU）	运行点云预处理、AI 乳头分割、坐标变换与路径规划
	手眼标定参数	把相机坐标系下的乳头坐标换算到机械臂基坐标系
	奶牛个体数据库	记录每头牛历次乳头位置，用于辅助定位与异常检测
执行层（手）	6 自由度机械臂 / 专用直角机械臂	携带杯组到指定位置完成套杯
	四杯挤奶杯组 + 脉动器	分别套住四个乳头，按模拟犊牛吸吮的节奏脉动挤奶
	真空压力 / 流量传感器	确认套杯到位、监测产奶流量与真空度
	真空泵与清洗管路	提供稳定负压，挤奶后自动清洗杯组

3.2 一次完整作业的数据流

以自由进出式机器人为例，一头牛从走进来到挤完奶离开，数据流是这样走的：

1.奶牛走进挤奶位，RFID 识别项圈读取牛号；

2.3D 相机向上扫描牛腹，获得点云；

3.AI 模型在点云中分割出乳房与四个乳头，输出乳头尖端三维坐标；

4.通过手眼标定参数，把乳头坐标换算到机械臂基坐标系；

5.机械臂规划避障路径，携带杯组运动到第一个乳头下方；

6.视觉伺服微调 + 力 / 真空反馈，确认套杯到位；

7.依次套完四个乳头，脉动器开始吸奶；

8.流量传感器监测每个乳区产奶量，流量降到阈值自动脱杯；

9.杯组自动清洗消毒，记录本次产奶数据，奶牛离开，下一头进入。

所以呢？这套架构里，视觉层决定"找得准不准"，决策层决定"走得对不对"，执行层决定"套得上套不上"。下面三节分别拆解这三层的关键技术。

04 3D 视觉如何在牛腹点云里找到四个乳头

这是整套系统的"眼"，也是技术壁垒最集中的地方。它要做的事情很简单——输出四个乳头的三维坐标和方向；但实现起来要解决"在杂乱活体表面找一根 2–3 cm 的柱状物"的问题。

从奶牛进位到自动脱杯，视觉与机械臂协同完成每一步。

4.1 为什么必须用 3D 视觉

乳头是从乳房向下伸出的立体结构，杯口要从下往上套上去。一张 RGB 照片只能看到乳头的投影，无法知道它离相机多远、朝哪个方向倾斜。所以必须拿到带深度信息的三维点云。

3D 方案	原理	优点	局限
结构光	投射红外光栅到物体表面，相机拍摄变形光栅解算深度	近距离精度高（亚毫米）、稳定	反光表面、远距离效果下降
ToF（飞行时间）	测量红外光往返时间得到深度	帧率高、范围适中	精度略低于结构光，多机干扰需错开
双目立体视觉	左右相机视差计算深度	成本低、无主动光	受光照和纹理影响大，牛腹纹理均匀时易失败

牛腹这个距离通常在 0.5–1.5 m 之间、表面纹理相对均匀，所以主流产品多用主动式结构光或 ToF，依靠自身投射红外光，不依赖环境光，保证点云稳定。

4.2 点云预处理：把牛腹从杂物里抠出来

原始点云不是干净的"乳房"，而是包含牛腿、地面、栏杆、机械臂自身的一大团数据。预处理要做几件事：

1.高度 / 区域筛选：根据挤奶位结构，只保留牛腹下方这个工作空间内的点；

2.地面与背景去除：用平面拟合去掉地面点，用连通域把牛身主体分离出来；

3.离群点滤波：腹毛、漂浮物会产生稀疏噪点，用统计滤波或半径滤波剔除；

4.保留乳房区域点云：得到相对干净的、覆盖整个乳房和四个乳头的表面点云。

4.3 乳房与乳头的 AI 语义分割

干净点云拿到后，下一步是"哪块是乳房、哪根是乳头"。这一步用深度学习模型完成：

环节	做法
模型类型	点云语义分割（PointNet++ / Point Transformer 类网络），或 2D 图像分割 + 深度反投影回 3D
分割类别	乳房主体、乳头、腹毛、背景
训练数据	不同品种、不同泌乳阶段、不同毛色、不同光照、沾污与干净条件下的牛腹点云样本
主要难点	乳头短、与乳房连接处不明显；腹毛和皮肤褶皱与乳头特征相似；污渍造成局部误分割

工程上通常用多帧融合提高鲁棒性：机械臂带动相机从不同角度扫几次，把多帧点云配准融合后再做分割，比单帧更稳。

4.4 乳头三维坐标与方向提取

分割出每个乳头后，不能只给一个点，机械臂需要知道乳头"长什么样、朝哪长"：

1.乳头尖端位置：沿乳头长轴找最下端点，作为套杯目标点；

2.乳头轴线方向：对乳头点云做圆柱 / 轴线拟合，得到方向矢量——机械臂套杯时必须沿这个方向接近，不能垂直硬顶；

3.四个乳头编号：按相对位置（前左 / 前右 / 后左 / 后右）排序，避免机械臂套错杯。

4.5 手眼标定：把相机坐标交给机械臂

视觉系统输出的坐标是"相机坐标系下的坐标"，而机械臂运动用的是"机械臂基坐标系下的坐标"。两者之间必须有一个固定的变换关系，这就是手眼标定。

安装方式	标定要点
眼在手上（相机装机械臂末端）	相机随臂运动，需用手眼标定（AX=XB）求解相机到末端的变换；每次重启或碰撞后需校验
眼在手外（相机固定挤奶位）	相机不动，标定相机到机械臂基坐标的固定变换；结构更简单，但相机视野被固定在牛腹下方

手眼标定精度直接决定套杯精度。工程上通常要求标定残差< 1 mm，并定期用标准标定板复核——机械臂碰撞、长期震动都会让标定漂移，这是现场维护容易被忽略的一点。

所以呢？视觉这一层的产出，是四个"尖端位置 + 轴线方向"的三维目标。下一层就是机械臂如何从当前位置，精准地把杯组送到这个目标上。

05 机械臂如何把杯组精准套到乳头上

视觉给出了乳头坐标，机械臂能不能把这一步做漂亮，取决于"怎么过去"和"怎么确认套上了"。这一段最能看出工程功底。

5.1 为什么不能直接"点对点"移动

新手最容易想到的方案，是机械臂直接从待机位直线运动到乳头坐标。这条路在真实牛舍里走不通：

•直线路径会穿过牛腿、牛腹、尾巴，碰到牛就会惊扰奶牛、甚至造成损伤；

•视觉定位是"规划时刻"的位置，机械臂运动过程中奶牛可能动了；

•乳头是软组织，硬顶会拉扯、造成乳头损伤。

所以套杯动作必须分两段：全局快速靠近 + 局部精细对准。

5.2 路径规划：先避障，再接近

阶段	做什么
全局路径	机械臂从待机位运动到乳头下方的安全位置，路径在关节空间规划，避开牛腿、尾巴、栏杆，速度适中、动作平稳
局部接近	进入最后一段距离后切换为视觉伺服，边看边动，实时修正
运动约束	限制速度和加速度，动作慢而稳，避免机械臂快速运动惊扰奶牛；避开机械臂奇异点

5.3 视觉伺服：最后几毫米的微调

机械臂到达乳头附近后，不再依赖"之前算好的坐标"，而是边动边看：

1.相机实时成像，再跑一次快速乳头检测；

2.对比杯口中心与乳头轴线，计算横向偏差和角度偏差；

3.机械臂持续微调位姿，让杯口中心对准乳头轴线，并沿乳头方向缓慢上升；

4.偏差收敛到阈值内后，才允许上升套杯。

这一步把"静态定位误差 + 机械臂重复定位误差 + 奶牛微动"全部兜住，是毫米级精度的真正来源。

5.4 套杯确认：不能"觉得套上了"就算数

机械臂上升到杯口盖住乳头后，必须用传感器确认，而不是凭运动指令判断。主流做法是真空度 + 力反馈双重确认：

确认信号	含义
杯内真空度建立	套杯到位后打开真空阀，杯内形成稳定负压且在合理区间，说明杯口与乳头密封良好
末端接触力	六维力传感器感知上升过程的接触力，力过大说明角度偏了或顶到乳房；力正常说明沿乳头方向套入

两个信号都满足，才判定套杯成功；任何一个异常，立即判定失败并退开。

5.5 容错与重试机制

异常场景	系统动作
一次套杯未成功	机械臂退到安全位，重新扫描乳头、重新规划，重试 2–3 次
多次重试仍失败	停止动作，界面提示人工介入，记录该牛本次异常（可能乳房病变、乳头畸形）
运动中牛腿抬起、尾巴甩动	机械臂立即暂停并退到安全位，等待奶牛稳定后再继续
四个乳头套杯顺序	通常先套位置较高或较易套的乳头，降低后套乳头被前杯干扰的概率

所以呢？套杯这一层的核心，是敢动、动得稳、套得上、失败知道退。视觉伺服把精度做出来，真空 +力反馈把可靠性做出来，容错机制把安全性做出来。四个乳头都套好后，才进入真正的吸奶环节。

06 挤奶过程的闭环监测：不只是吸奶，更是健康数据采集

四个杯套上之后，系统并没有"下班"。恰恰相反，这是它比人工挤奶价值更大的一段——人挤奶只能看到"奶在流"，机器人挤奶能把每头牛每次挤奶的数据全部记下来。

6.1 脉动挤奶：模拟犊牛的吸吮节奏

真空不能一直吸在乳头上，否则会造成乳头损伤。真实挤奶靠脉动器模拟犊牛吸吮："吸奶—按摩—吸奶—按摩"交替进行，每分钟脉动次数、真空度、吸奶 / 按摩比例都按牛只生理特点可调。

参数	作用
真空度	稳定在安全区间，过高损伤乳头、过低吸不出奶
脉动频率	模拟犊牛吸吮节奏，促进排乳、保护乳头
吸 / 按摩比例	控制乳头按摩放松时间，减少疲劳和损伤

6.2 流量监测：四个乳区独立计量

每个杯组都带独立流量计，实时记录本乳区的产奶曲线：

•上升段：奶牛排乳反射启动，流量快速上升；

•高峰段：稳定高产；

•下降段：乳房排空，流量逐步降低。

这套曲线不只是计数。四个乳区产奶量差异过大、某乳区突然掉奶量、曲线形状异常，都可能是乳腺炎或乳区病变的早期信号。

6.3 自动脱杯：流量阈值 + 时间兜底

脱杯条件	逻辑
流量阈值脱杯	连续若干秒流量低于设定阈值，判定本乳区已排空，自动脱杯
最大时长兜底	即使流量未降到阈值，达到设定最大挤奶时间也强制脱杯，防止传感器故障导致长时间空吸

自动脱杯既保护乳头不被空吸损伤，也避免过度挤奶影响下一次泌乳。

6.4 健康预警：从挤奶数据反推牛只健康

异常信号	可能含义
单乳区产奶量骤降	该乳区乳腺炎 / 外伤
总产奶量连续下降	营养、繁殖或全身性疾病
挤奶时长异常延长	排乳反射异常或杯组密封问题
奶温 / 电导率异常（可选配置）	乳腺炎早期筛查

这些数据和 RFID 牛号绑定，就构成了每头牛的健康档案——这是人工挤奶时代根本拿不到的资产。

6.5 自动清洗消毒

•每头牛挤完，杯组自动用温水 + 消毒液冲洗，防止交叉感染；

•每天定时对整条真空管路做酸 / 碱循环清洗，保持管路卫生；

•清洗参数与水温、浓度、时长都可记录，满足牧场卫生规范。

所以呢？自动挤奶的价值不止是"省了人"，更是把挤奶环节变成了一个不间断的牛只健康数据采集点。省人是第一重价值，数据化管理是第二重、也是更长期的价值。

07 工程落地：硬件选型、实施与效果

前面讲的是技术原理，这一节落到工程上：一套可落地的乳头定位 + 自动吸奶方案，硬件怎么选、现场怎么实施、效果怎么衡量。

左边是人工弯腰套杯、一致性靠人；右边是机器人精准套杯、数据自动记录。

7.1 核心硬件选型参考

模块	选型要点
3D 深度相机	工作距离覆盖 0.5–1.5 m，深度精度亚毫米级，带主动红外光源以抵抗环境光，防护等级适应牛舍潮湿环境
机械臂	6 自由度协作臂或专用直角臂，重复定位精度 ≤ ±0.05 mm，负载 3–5 kg，具备碰撞检测与安全限位
末端执行器	四杯挤奶杯组，配脉动器；末端集成真空压力传感器与可选六维力传感器
计算单元	边缘工控机带 GPU，满足点云分割与视觉伺服实时推理；防尘防潮
牛只识别	RFID 项圈 / 电子耳标读取，稳定识别每头牛
计量与清洗	四通道独立流量计；自动温水冲洗与定时管路酸碱清洗

7.2 现场实施流程

1.环境与牛只调研：确认奶牛品种、泌乳阶段、牛舍布局、现有挤奶厅条件；

2.硬件安装：机械臂、相机、真空系统、RFID、传感器到位，做手眼标定；

3.模型适配：用本场牛只的点云样本做少量增量训练 / 标定，让模型适配本群牛的乳房形态；

4.试运行：先低频次试挤，人工旁站监督，统计套杯成功率与异常率；

5.正式投用：设定脱杯阈值、脉动参数、清洗策略，接入牧场管理系统。

7.3 效果衡量指标

指标	衡量什么
一次套杯成功率	视觉定位与套杯控制的综合可靠性，是核心 KPI
单头牛套杯耗时	从奶牛站稳到四杯套完的时间，影响机器日服务牛数
乳头损伤率	套杯与真空参数是否安全
单产变化	挤奶频次提高后单头牛日产奶量变化
人工节省	挤奶环节所需人力下降比例
健康预警命中率	乳腺炎等异常被提前发现并确认的比例

7.4 人工 vs 自动：一张表看清差异

维度	人工套杯挤奶	机器人自动挤奶
一致性	因人而异、随疲劳下降	每次相同流程、参数可控
挤奶频次	每天 2–3 次固定班次	自由进出，一天 4–6 次
数据记录	粗略、易漏	每牛每乳区每次全自动记录
健康监测	靠人工经验观察	基于流量 / 曲线自动预警
人力	需要夜班挤奶工	仅需少量巡检与异常处理
前期投入	低	高，靠长期人力与数据回报摊薄

所以呢？落地这套系统不是买一台机械臂就完事，而是硬件选型 + 本场模型适配 + 试运行标定 + 数据接入一整套工程。它的回报也不止人力，更在于把牧场从"凭经验养牛"变成"用数据养牛"。

08 能力边界与写在最后

8.1 必须看清的能力边界

•乳头定位不能做到"百分百"：在罕见乳房形态（乳头畸形、严重病变、被厚毛或严重污渍遮挡）下仍可能失败，必须保留人工兜底与异常报警；

•视觉 + 机械臂不是全部：牛舍环境、奶牛对机器人的适应训练、真空系统稳定性、清洗消毒规范，都会影响最终效果；

•投资回报要看规模：设备前期投入大，适合规模化牧场，小散户在当前阶段并不经济；

•健康数据是牧场核心资产：每头牛的产奶量、挤奶时长、健康预警都涉及生产管理，需配套数据管理权限；

•生物安全不可省：清洗消毒流程、乳头健康监测必须严格执行，否则自动化反而放大交叉感染风险。

最后

自动挤奶机器人的技术本质，是把老挤奶工的"眼、脑、手"工程化：3D 视觉在牛腹点云里找乳头（眼），手眼标定 + 视觉伺服把坐标变成机械臂动作（脑），真空 + 力反馈确认套杯到位（手）。它不是一个炫技的机械臂项目，而是一个对可靠性、安全性、数据闭环要求都很高的农业自动化系统。

评估一套乳头定位 + 自动吸奶方案是否靠谱，可以看四点——

定位精度：一次套杯成功率是否达到可商用水平，而不是实验室里偶尔成功； 容错能力：套不上时是否会退开重试，而不是硬顶乳头；运动中牛动了是否会暂停避让； 数据闭环：是否按牛号、按乳区记录每次产奶数据，并能对异常自动预警； 生物安全：脉动参数、脱杯阈值、清洗消毒是否把乳头健康和交叉感染风险兜住。

牧场自动化最难的，从来不是"让机械臂动起来"，而是让机器在活体上做事，还做得比人稳。乳头定位 +自动吸奶，正是农业机器人里少有的"刚需、高频、能算清账"的场景——把这件事做扎实，牧场才真正从"靠人盯着挤奶"走进"靠数据养牛"的阶段。