近日，院信息所农业人工智能团队联合中国农业科学院农业信息研究所在《Computers and Electronics in Agriculture》（中科院一区TOP期刊，影响因子8.9）上发表题为“A top-down deep neural network for multi-dairy cows pose estimation and lameness detection” 的研究论文。该研究提出一套轻量化、自顶向下的奶牛姿态估计和跛行识别方法，为精准养殖和动物健康监测提供技术支撑与可复用数据资源。

奶牛跛行是造成被动淘汰与经济损失的重要因素之一，早期自动识别可降低淘汰风险、减少治疗成本并提升动物福利与管理效率。当前已有研究通过姿态估计来识别奶牛跛行情况，然而在实际养殖场景中，遮挡、多尺度等复杂问题使得目标检测和关键点识别准确性较低。针对上述难题，本研究构建一套“目标检测-姿态估计-运动特征提取-跛行分类”的自顶向下方法，在检测端对 YOLOv8n 进行轻量化改进，在姿态端将 PAFPN 融入 RTMPose 并结合迁移学习以增强多尺度与遮挡下的关键点定位；随后通过关键点序列实现运动跟踪，实时提取 7 种与跛行相关的运动特征，并利用随机森林完成跛行分类。 

广西农业科学院吴赛赛助理研究员和中国农业科学院韩书庆副研究员为论文第一作者，广西农业科学院曾志康正高级工程师和中国农业科学院吴建寨研究员为论文通讯作者。该研究得到国家自然科学基金（32102600）、广西青年科技人才工程（GXYESS2025122）、院稳定资助团队（2021YT084）等项目资助。

信息所 吴赛赛供稿/供图

一审一校：杨景峰

二审二校：薛臣艺

三审三校：陆炳强