河北农业大学任力生教授等:基于围栏式养殖的牛只区域监测与越界预警方法

在围栏养殖背景下，牛只监测主要依赖人工巡查。当牛只靠近围栏边缘发生逃逸等异常情况时，传统监管手段难以及时发现并干预，导致牛只丢失，给养殖户造成经济损失。针对围栏式养殖环境中牛只逃逸事件难以及时准确监测与预警的问题，该研究提出了一种基于实例分割与多目标跟踪的STWBD（segment tracking with boundary detection）牛只区域监测与越界预警方法。

首先，构建改进RDL-YOLO11n-seg（C3K2-RetBlock、C2DA、Segment-LSCD，RDL）实例分割模型，提升牛只在围栏区域内活动状态的空间感知与实时监测能力；其次，利用DeepOCSORT算法赋予每头牛只ID，实现牛只在复杂场景下的持续跟踪；最后，结合实际牛舍栏杆结构设计多边形电子围栏以界定牛只安全活动区域，并集成轨迹可视化、实时跟踪速度与数量统计等多维监测机制，对监控区域内牛只的运动轨迹与位置分布进行持续分析，实现越界行为的实时监测与智能预警。

试验结果表明，RDL-YOLO11n-seg模型精确率、召回率与分割精度分别为94.9%、87.4%和92.5%，相比原模型分别提高了2.0、3.1和3.1个百分点，参数量降低了17.8%，浮点计算量为8.6 G；DeepOCSORT的高阶跟踪精度、多目标跟踪准确率、识别平均数比率分别为81.4%、91.6%和95.8%；逃逸事件检测的精确率、召回率和F1分数分别为96.2%、100.0%和98.1%。研究表明，该方法能够有效监测围栏式牛只养殖环境中出现的越界逃逸事件，为牛只智慧化预警监管提供技术支撑。