基于改进YOLOv8的奶牛行为识别方法与应用

来源：中国农机化学报杂志2026年第5期北京时间：

作者：郭雷风, 席天宇, 郑文新, 陈新文, 么炜, 马亚宾

单位：(1. 河北农业大学信息科学与技术学院，河北保定，071001； 2. 中国农业科学院农业信息研究所，北京市，100081； 3. 新疆畜牧科学院畜牧业质量标准研究所，乌鲁木齐市，830011；4. 河北省畜牧良种工作站，石家庄市，050000)

摘要：为高效准确地识别奶牛行为，提出一种改进YOLOv8的奶牛行为识别模型。使用EfficientNet框架替换骨干网络，增强模型特征提取能力；在颈部网络构建C2F—MLCA模块，增强提取信道和空间信息的能力，并融合局部和全局特征；使用共享卷积构建新的L—Head检测头，有效降低复杂度；使用Inner—IoU损失函数结合辅助边框动态调整，克服CIoU的局限性，提高模型的性能；采用信道剪枝来消除冗余参数，压缩模型结构，降低复杂度。改进YOLOv8s模型mAP相较于原模型提高2.2%，参数量减少74.7%，计算量减少59.8%，模型大小减少73.1%；相比于Faster R—CNN、YOLOv5s、YOLOv7和YOLOv8s模型，mAP分别提高8.7%、2.6%、0.1%和2.2%。应用模型统计分析奶牛日常行为比例与持续时间，突出监测奶牛行为对环境检测和评估奶牛状况的重要性，为奶牛自动化管理提供参考。

关键词：奶牛,行为识别,深度学习,目标检测

基金资助：河北省重点研发计划(22326609D)；新疆维吾尔自治区重点研发计划(2023B0213)；石家庄市重点研发专项(24011)