基于HLNC-YOLO的密集养殖下湖羊行为识别方法

来源：农业机械学报杂志2026年第2期北京时间：

作者：冀荣华，常宏瑞，张所向，刘中英，吴中红

单位：中国农业大学,中国农业大学,中国农业大学,中国农业大学,中国农业大学,

摘要：湖羊的行为识别有助于其集约化和智能化养殖。在高密度饲养条件下，羊只间相互遮挡严重，导致现有行为识别方法易发生漏检与误检。为此，提出了一种高低频信息聚合的湖羊行为识别模型（HLNC-YOLO），用于识别密集养殖场景下的湖羊行为。采集养殖场湖羊站立、躺卧、进食和饮水4种典型行为图像，构建湖羊行为识别数据集HSBD（Hu sheep behavior dataset）。在YOLO v8主干网络中融入高低频信息聚合的C2F-HLAtt模块以感知被遮挡目标，引入辅助判断分支保留更多有效特征，采用基于定位框综合分数的负样本综合损失（Comprehensive score regression loss，CSLosss）降低次优框分数，提升被遮挡目标框的综合分数。在模型推理阶段使用综合分数衰减后处理算法（Soft comprehensive score non-maximal suppression，Soft-CS-NMS）筛选预测框。在HSBD数据集上进行测试，HLNC-YOLO的平均精度均值（mAP@50）为87.8%，内存占用量为17.4MB。较YOLO v8、YOLO v9、YOLO v10和Faster R-CNN平均精度均值分别提高7.1、2.2、4.6、11个百分点。研究表明，HLNC-YOLO实现了密集养殖湖羊行为的准确识别，具有泛化能力，可为智慧养殖提供技术支持。

关键词：行为识别;YOLO;损失函数;注意力机制

基金资助：国家重点研发计划项目（2022YFD1301104）