来源：市场资讯

（来源：智慧农业期刊）

引用格式: 李夏溪, 冀荣华, 常宏瑞, 张所向. DC-YOLO:应对遮挡和光照变化的湖羊行为检测[J]. 智慧农业(中英文), 2026, 8(4): 127-147.

Citation：LI Xiaxi, JI Ronghua, CHANG Hongrui, ZHANG Suoxiang. DC-YOLO: A Behavior Detection Model for Hu Sheep Addressing Occlusion and Illumination Variations[J]. Smart Agriculture, 2026, 8(4): 127-147. DOI： 10.12133/j.smartag.SA202601021

打开网易新闻 查看精彩图片

DC-YOLO：应对遮挡和光照变化的湖羊行为检测

李夏溪， 冀荣华， 常宏瑞*， 张所向

（中国农业大学信息与电气工程学院，北京 100083，中国）

摘要：［目的/意义］畜牧业中，动物行为是评估动物生理健康以及提供环境预警的重要指标。针对集约化养殖中行为检测面临的多目标严重遮挡、光照条件多变、类别分布不均等挑战，本研究旨在开发一种能够实现舍饲湖羊24小时日常行为自动监测的高效算法DCAttention-YOLO（DC-YOLO），以支撑羊群的精准化管理。［方法］针对多目标严重遮挡，引入自适应细节-上下文注意力（DCAttention，Adaptive Detail-Contextual Attention）机制构建DCAC3K2模块，并采用边界框相似度Soft-NMS（Bounding Box Similarity Soft-NMS，BS‑NMS）防止错误去除遮挡目标的边界框。针对光照条件多变，预训练光照编码器并将其参数迁移至DC-YOLO。针对类别分布不均，设计综合分类质量焦点损失（CQFL），对遮挡及少数类样本自适应增大损失权重。本研究数据集通过湖羊养殖场全天候监控采集，包含505张标注图像，涵盖饮水、采食、躺卧、舔舐和站立5种行为。［结果和讨论］DC-YOLO的重叠度阈值为 0.5 时的平均精度均值mAP@50达到91.4%，相比YOLOv12提高了7.8个百分点。此外，DC-YOLO的参数量为2.29 M，相较YOLOv12减少了8.74%。在CPU环境下，DC-YOLO的推理时间缩短至115.5 ms，帧率提升至8.50帧/s，分别提升了33.2%和48.9%。［结论］DC-YOLO在保持低参数量与高推理速度的同时，有效缓解了舍饲环境下多目标遮挡、光照条件多变及行为类别分布不均带来的检测难题，能够为集约化湖羊养殖的行为跟踪与分析提供有效的技术支撑。

关键词： 集约化养殖；行为检测；湖羊行为；注意力机制；YOLO；BS-NMS

打开网易新闻 查看精彩图片

Fig. 1 Camera deployment and installation

打开网易新闻 查看精彩图片

Fig. 2 Examples of the 5 annotated Hu sheep behaviors

打开网易新闻 查看精彩图片

Fig. 3 Distribution of behavior categories in SheepDB

打开网易新闻 查看精彩图片

Note： Red boxes indicate annotated sheep with behavior labels.

Fig. 4 Representative examples of SheepDB under different illumination conditions and object densities

打开网易新闻 查看精彩图片

Fig. 5 DCAttention computation process

打开网易新闻 查看精彩图片

Fig. 6 DCAC3K2 structure

打开网易新闻 查看精彩图片

Fig. 7 Pseudocode for BS-NMS

打开网易新闻 查看精彩图片

Fig. 8 Architecture of the light encoder and its classification head

打开网易新闻 查看精彩图片

Fig. 9 DC-YOLO structure

打开网易新闻 查看精彩图片

Fig. 10 Normalized confusion matrix

打开网易新闻 查看精彩图片

Fig. 11 Comparison of detection results of different models under normal daylight conditions

打开网易新闻 查看精彩图片

Fig. 12 Comparison of detection results of different models in a dim evening scenario

打开网易新闻 查看精彩图片

Fig. 13 Comparison of detection results of different models under daytime illumination with light filtered by blue insulation panels

打开网易新闻 查看精彩图片

Fig. 14 Comparison of detection results of different models under nighttime conditions with artificial light spot interference

打开网易新闻 查看精彩图片

Fig. 15 Comparison of detection results of different models under nighttime infrared illumination

打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片

Fig. 16 Visualization of behavior detection and tracking results for Hu sheep

来源：《智慧农业（中英文）》2026年第4期

转载请联系编辑部授权