基于时空Transformer网络的猪群多行为识别模型PB-STR：提升智能养殖健康监测精度

针对密集养殖环境下猪群多行为识别难题，研究团队开发了基于视频时空特征融合的PB-STR模型。通过集成UnetTSF时间序列预测模块和CAA上下文锚点注意力机制，结合MPDIoU损失函数，实现了7种猪行为（含5种动态行为）的同步识别，mAP达94.2%，为智能化福利养殖提供了关键技术支撑。

　　

在现代化生猪养殖场中，猪只的行为就像一组动态的健康密码——频繁的争斗可能预示群体应激，而异常的爬栏行为则可能是逃脱企图的前兆。传统依靠人工观察的方式不仅效率低下，在监测30头以上的猪群时，漏检率可高达40%。更棘手的是，现有计算机视觉系统往往只能识别单一行为，当多只猪在摄像头视野中同时表现不同行为时，系统容易"顾此失彼"。这种技术瓶颈使得养殖场难以及时发现打架、爬跨等危险行为，每年因此造成的经济损失超过养殖成本的15%。

针对这一行业痛点，陕西某农业科技公司的研究人员联合高校团队，在《Smart Agricultural Technology》发表了突破性研究成果。他们开发的PB-STR（Pig Behaviors Spatiotemporal TRansformer）模型，首次实现了对猪群7种核心行为（嗅探、行走、争斗、爬栏、爬跨、躺卧、跪立）的同步识别与定位，其中5种为动态行为。该模型通过创新性的时空特征融合技术，在294段真实养殖场视频数据上达到94.2%的mAP（平均精度均值），识别速度达35FPS，较主流模型DINO提升160%的推理效率。

研究团队运用三大核心技术：首先，UnetTSF模块通过时间序列特征金字塔网络（FPN）捕捉行为动态演变，将连续帧的时空特征压缩为多尺度表示；其次，CAA（Context Anchor Attention）机制采用11×1和1×11的深度可分离卷积构建超大感受野，增强对猪群交互行为的全局建模；最后，创新的MPDIoU（Minimum Points Distance IoU）损失函数通过最小化预测框与真实框角点距离，解决了猪体重叠导致的定位偏差。实验数据来自3个实际养殖舍的153头不同品种猪只，体重覆盖30-110kg，确保了模型泛化性。

研究结果显示：

1. 损失函数对比：MPDIoU以93.1% mAP优于GIoU（92.6%）和DIoU（92.7%），特别在"爬跨"行为识别中提升4.3个百分点。
2. 模块消融实验：单独添加UnetTSF使动态行为识别mAP提升1.1%，而CAA机制将静态行为识别精度提高至97.3%。三者融合的PB-STR模型在遮挡超过70%的困难样本上仍保持87.1% mAP。
3. 跨模型对比：PB-STR以94.2% mAP全面超越Deformable DETR（92.2%）和CenterNet（90.2%），其中"争斗"行为识别精度达93.8%，比基准模型DINO提高3个百分点。
4. 时序分析：如图6所示，模型能连续追踪"爬跨"行为从起始（t帧）到完成（t+3帧）的全过程，证明UnetTSF有效捕捉了行为演变特征。

讨论与意义
该研究突破了传统方法对单目标、单行为的识别局限，首次实现密集养殖环境下多猪多行为的同步解析。MPDIoU损失函数的设计巧妙解决了猪体遮挡导致的定位漂移问题，而CAA模块的条状卷积（kernel_size=11+2n）在保持低计算量（99.9G FLOPs）的同时，将感受野扩展到17×17像素。实际应用中，该系统可提前5-8秒预警争斗行为，为养殖人员争取关键干预时间。

研究也存在两点局限：一是对70日龄以下仔猪的行为识别未验证；二是模型参数达176.8MB，不利于移动端部署。作者建议后续可结合知识蒸馏技术压缩模型，并开发跨年龄段检测模块。这项技术不仅适用于生猪养殖，其时空特征融合思路也可拓展至奶牛、家禽等畜禽的行为监测，为智慧畜牧业发展提供了可复用的技术框架。