近日，我校8455新葡萄娱集团am青年教师李广博在《animals》期刊（SCI，JCR一区，IF: 3.0）在线发表了题为《Dynamic Serpentine Convolution with Attention Mechanism Enhancement for Beef Cattle Behavior Recognition》的研究论文。

本论文研究通过优化卷积模块和增加注意力机制，构建了一种肉牛行为实时检测的新方法。缓解传统的肉牛行为识别存在难度大、准确率低的问题。是人工智能技术在动物研究中的具体应用研究。

1、在数据集方面，现有研究往往以有限的牛姿势为特征，因此很难全面反映牛的生长状况。在这项研究中，我们建立了一个包含九种行为的数据集，包括站立、躺卧、爬跨、打架、舔舐、饮食、饮水、行走和探索。该数据集为肉牛行为识别和现代化养牛提供了必要的数据支持。

2、在实际肉牛养殖场景中，现有的肉牛行为识别算法存在一定的局限性。它们往往具有较高的噪点，并且在强光、低光、中等密度和高密度等复杂照明条件下表现不佳。

3、虽然以往的研究已经实现了对某些场景下肉牛行为的部分识别，但对场景和行为的识别有限，算法的准确性有待进一步提高。本文采用YOLOv8n_BiF_DSC算法在特征提取和高级数据融合方面表现出优异的性能，具有较高的鲁棒性和适应性。为肉牛智能识别与管理提供理论和实践支撑。

我校青年教师李广博为论文第一作者，淮北理工学院为该论文第一署名单位。该研究得到了国家自然科学基金、安徽省质量基础设施标准化专项项目的资助。

论文链接：https://www.mdpi.com/2076-2615/14/3/466

（文/图：李广博 审核：侯为波 朱昌杰 终审：党建办（宣传部））