农业工程学报

作者：刘海洋,丁新鑫,王荣,李方静,李奇峰,高荣华,

关键词：深度学习, 计算机视觉, 奶牛, 姿态估计, 注意力机制

基金：42

为解决群牛场景下奶牛体表特征与环境融合、关键区域尺度差异大及姿态结构易混淆等因素影响，造成现有模型在提取奶牛姿态时出现误检、漏检等问题，该研究提出一种基于频域-空间特征融合与多尺度自校正的奶牛姿态估计方法FSMCPose（frequency-spatial and multi-scale self-calibrated pose estimation）。首先，构建空频协同增强模块（spatial-frequency enhancement block, SFEB）融合频域与空间域的信息，有效缓解目标与背景特征融合问题；其次，采用感受野聚合增强模块（receptive aggregation block, RAB）提高模型的尺度适应性；最后，设计空间通道自校正检测头（spatial channel self-calibration module head，SCSCHead），引入空间与通道联合自校准机制提升模型在奶牛个体重叠场景下的关键点区分能力。结果表明，当目标关键点相似度阈值为0.75时FSMCPose的平均精度达到92.5%，较基线模型RTMPose提升1.9个百分点；计算量为0.354 G；参数量为2.698 M，较RTMPose减少80.01%。平均精度达到89.0%，与DEKR、CID、CoupledEmbedding、RTMO、SimCC、DWPose主流姿态估计模型相比分别提升1.8、1.0、16.8、1.2、1.6、0.7个百分点。可视化结果与热图分析显示，该模型在群牛重叠场景下能够更加稳定地定位关键点，对关键区域响应更加集中。该研究可为奶牛行为识别等上游任务提供一定的技术支撑。/

来源：2026年第8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8期