JIA | 中国农业科学院吴建寨团队提出：奶牛关键点检测与运动特征分析，为早期跛行识别带来新方法

背景：奶牛跛行是规模化牧场中常见但易被低估的问题，影响采食、产奶和福利，且早期轻度跛行难以肉眼识别。目的：为解决传统方法成本高、易导致应激以及单一特征识别不准确的问题，该研究提出一种ResNet101-ASPP网络，在复杂牧场环境下对奶牛进行多尺度关键点检测，并同步提取运动特征，以区分健康、轻度跛行和重度跛行奶牛。结论：研究采集了包含不同距离、光照和背景的真实场景视频，设置16个关键点并训练模型。相比其他骨干网络，ResNet101-ASPP性能更优，在5m、7m、9m尺度下置信度分别达84.17%、96.79%和85.60%，且对遮挡及小尺度关键点识别更稳定。基于关键点轨迹提取的7类运动特征（如步态跟随性、头部摆动幅度、背部曲率等）分析表明，多特征联合对于识别跛行尤其是轻度跛行具有潜力，该框架为自动化跛行检测和行为分析提供了实用基础。