基于改进YOLO v8n的猪只行为识别

来源：江苏农业科学杂志2025年第第20期北京时间：

作者：郑拓;袁丽峰;田晨;戚得众

单位：1.湖北省农业机械工程研究设计院，湖北武汉 430068； 2.山东农业大学机械与电子工程学院，山东泰安 2710182

摘要：针对群体养殖环境下猪只行为多样、场景复杂、扎堆等造成的行为识别精度低等问题，提出一种基于改进YOLO v8n的猪只行为识别方法。首先，引入GSConv模块构建GSConv和Conv交替的主干结构，在多尺度上捕捉猪只行为特征，丰富特征表示；其次，采用VoV-GSCSP代替颈部网络中的C2f模块，增强模型架构的复杂性与深度，同时优化计算效率；最后增加EMA注意力机制增强模型对猪只养殖场复杂环境下的行为识别能力，构建多尺度复杂环境识别模型YOLO v8n-GVE。在本研究中，改进的YOLO v8-GVE模型对猪只的不同行为如站立、睡觉、进食、饮水、趴卧行为的识别精度分别为99.6%、99.2%、99.9%、97.2%、99.6%，整体识别精度(mAP@0.5)为99.5%。与YOLO v5n、YOLO v9、YOLO v10模型相比，mAP@0.5：0.95分别高出15.9、6.7、5.7百分点，并在不同场景下均表现出良好的性能，为猪只精细化养殖管理提供了一种有效的技术途径。

关键词：猪只行为识别;YOLO v8n;GSConv;多尺度;EMA注意力机制