农业工程学报

作者：涂淑琴,杜佳颖,梁云,杨阿庆,

关键词：YOLOv8n, SR-YOLO, 行为识别跟踪, OC-SORT, 自动监测

基金：42

群养生猪的行为识别跟踪与自动监测是现代智慧养殖中的关键环节。针对实际养殖场存在的光照变化、猪只碰撞和密集遮挡等引起的目标丢失和目标ID切换问题，该研究提出一种SR-YOLO+OC-SORT猪只行为识别跟踪与自动监测方法。首先，在YOLOv8n的网络基础上，利用空间分组增强（spatial group enhancement， SGE）模块，并引入特征金字塔（re-parameterized generalized feature pyramid network，RepGFPN）结构，构建SR-YOLO检测器，提升模型在复杂环境下的检测稳定性与精度；然后，基于SR-YOLO的猪只检测与行为识别结果，利用OC-SORT（observation-centric simple online and real-time tracking）跟踪器实现个体猪只行为跟踪；最后，通过猪只行为识别和跟踪结果，统计每头猪只的躺、站、进食和其他4类行为的时间占比，实现群养环境下个体猪只的行为自动监测。试验结果表明，在猪只检测方面，SR-YOLO的平均精度均值为90.1%，F1值为84.4%，对比YOLOv8n方法，其值分别提升3.1和1.0个百分点。在猪只跟踪方面，OC-SORT跟踪器在高阶跟踪精度和多目标跟踪精度上分别为85.2%和96.7%，展现出良好的整体跟踪性能。研究结果证实了SR-YOLO+OC-SORT的猪只行为识别与目标跟踪方法切实可行，可为群养生猪健康状况监测提供可靠的技术支持。/

来源：2026年第4期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第4期