基于多尺度融合的牛行为识别方法

来源：中国农机化学报杂志2026年第1期北京时间：

作者：李鑫, 王丽颖, 王月明, 褚燕华, 张智荣

单位：1. 内蒙古科技大学数智产业学院，内蒙古包头，014010；2. 内蒙古科技大学自动化与电气工程学院，内蒙古包头，014010

摘要：在畜牧业快速发展、牧场走向精细化管理的当下，非接触、高精度识别牛行为对智慧牧场建设具有重要意义。针对牛行为识别准确率较低的问题，提出多尺度融合模型对牛站立、躺卧、采食、饮水、排泄、产犊和爬跨行为的识别方法。在特征提取阶段，CNN分支专注于局部行为的细粒度特征捕捉，而Swin Transformer分支则通过层次化窗口自注意力机制，建立跨区域的全局语义关联对全局特征进行提取。针对行为识别中多尺度特征表达的关键需求，引入PAN模块，通过双向特征金字塔架构实现深层和浅层特征渐进式融合，有效解决复杂背景下小目标行为与大尺度行为的同步识别难题，克服传统单模态方法在长距离依赖建模上的局限性，通过局部—全局特征的动态互补，显著提升模型对遮挡、光照变化等干扰因素的鲁棒性，并通过端到端的训练实现对牛行为的精准识别。采用消融实验分析并对比YOLOv8、Swin Transformer、Vision Transformer、EfficientNet和MobileNet五个模型，结果表明多尺度融合模型对牛行为识别准确率达98.8%，检测速度FPS达64.78帧/s。说明多尺度融合对牛只行为识别有较高的准确率，在实时监测上基本满足养殖场需求，可为实现精准养殖提供技术支持。

关键词：牛,行为识别,自注意力机制,多尺度融合,智慧牧场

基金资助：内蒙古自治区科技计划项目(2023YFSW0014)；内蒙古自治区直属高校基本科研业务费项目(2023QNJS193，2024XKJX018)；内蒙古自治区自然科学基金项目(2024MS06026)