近日，中国农业科学院北京畜牧兽医研究所智慧畜牧业创新团队在动物行为智能标注与精细化管理领域取得重要进展，提出了一种面向精准畜牧应用的类人化动物行为智能标注新范式，研发了交互式AI注释代理系统——Humanoid Animal Behavior Labeler（HABLer）。该系统首次将大型视觉语言模型与传统计算机视觉、行为量化模型及专家知识深度融合，实现了动物行为标注从“高度依赖人工经验”向“人机协同、可解释与高一致性”的转变。相关研究成果发表在《农业计算机与电子（Computers and Electronics in Agriculture）》上。

动物行为标注是精准畜牧管理、动物福利评估和行为识别算法训练的基础环节，但长期面临标注一致性差、人工成本高、专家资源稀缺等瓶颈问题。针对这一关键挑战，研究团队以猪和奶牛等重要畜禽为研究对象，构建了一个模拟动物行为学家决策逻辑的智能标注体系。HABLer通过引入动物检测、实例分割、关键点识别等计算机视觉模型，对视频中的动物个体进行稳定识别；同时，结合行为量化指标为大模型推理提供可解释的定量证据；在此基础上，利用大型视觉语言模型进行行为语义推理，并通过专家交互式修正实现持续学习与策略更新。

研究结果表明，在呼吸代谢环控舱、限位栏母猪舍和群养仔猪栏舍等多种典型养殖场景下，HABLer在零样本或少样本条件下即可实现较高的行为识别准确率。在短时行为标注任务中，系统初始预测的平均帧准确率和时序一致性指标分别达到0.87和0.94；在125分钟的大规模猪体态连续标注任务中，HABLer在仅需少量人工修正的情况下，将专家标注时间减少约60%，整体初始预测准确率稳定在94%左右，显著提升了行为数据构建效率与一致性。

该研究首次系统性地证明了大型视觉语言模型在动物行为标注中的实际应用潜力，并通过引入行为量化与专家闭环修正机制，有效缓解了大模型在复杂养殖场景下易产生语义漂移和时序误判的问题。研究提出的HABLer框架为构建高质量、可扩展的动物行为数据集提供了新工具，也为发情识别、热应激监测、福利评估等多种智能化应用奠定了数据与方法基础。

目前，HABLer已作为开放工具上线（http://www.ai4as.cn/Tool/HABLER），即将集成部署至国家农业科学数据中心智慧畜牧业数据共享服务平台（HERD），面向科研人员和行业用户开放使用，为动物行为数据的标准化构建、多场景共享与智能分析提供统一工具支撑。

该研究获得国家生猪产业技术体系、中国农业科学院科技创新工程及中央级公益性科研院所基本科研业务费等项目资助。周梦婷助理研究员为论文第一作者，李建功副教授与唐湘方研究员为共同通讯作者。

论文原文链接：https://doi.org/10.1016/j.compag.2025.111307