MDPI Sensors 2026, 26(19): 6156·9月28日 · 周一论文农业人工智能与决策模型阅读 2
DGF-YOLOv12n-LiteP2: Dynamic Gated Local-Context Fusion with a High-Resolution Detection Head for Cattle Body-Part Detection in Complex Barns（基于YOLOv12n动态门控局部上下文融合的复杂牛舍牛体部位检测）
论文解读
74接近精选线
速览
提出DGF-YOLOv12n-LiteP2，实现复杂牛舍场景下牛体部位高精度检测。
方法
基于YOLOv12n，融合动态门控局部-上下文特征与轻量stride-4预测分支
发现
mAP50达93.92%，较YOLOv12n提升9.61个百分点，参数量1168万、22.89 GF
机会点
可探索多站点跨舍泛化、遮挡与光照鲁棒性提升，及轻量化模型在边缘设备的实时部署。
影响力15
信息增量22
专业深度18
信源权威13
时效性6
面向复杂牛舍的轻量化牛体部位检测模型，方法有创新、数据规模与精度指标扎实，对智慧畜牧视觉监测有实用参考价值。
原文摘要
Yanhong Liu、Le Yang、Qingqing Li、Jiazi Han、Jingrong Wang、Meng Han、Hua Yang（MDPI Sensors 2026, 26(19): 6156；山西农业大学信息科学与工程学院、软件学院）。针对复杂牛舍场景中尺度变化、遮挡、光照变化、栏栅背景干扰等挑战，提出基于YOLOv12n的检测器DGF-YOLOv12n-LiteP2，结合动态局部-上下文特征融合与轻量级stride-4预测分支。在6991张图、132,302个身体部位标注的单站点数据集上：mAP50=93.92%、mAP75=79.27%、mAP50:95=69.88%（相对YOLOv12n提升9.61个百分点）。模型含1168万参数、需22.89 GFLOPs。