La detección precisa del estro es esencial para la productividad de las granjas lecheras, sin embargo, los métodos tradicionales manuales y portátiles siguen limitados por altos costos laborales, respuestas retardadas y estrés animal. Para abordar estos desafíos, proponemos CE-YOLO, un modelo de visión ligero basado en YOLOv11n diseñado para implementación en el borde, que detecta el comportamiento de monta integrando un módulo de Submuestreo Consciente del Canal (CA-Down) para preservar características a pequeña escala, un módulo SimSPPF para una fusión contextual eficiente y un módulo DySample para un alineamiento espacial dinámico. Experimentos en un conjunto de datos curado de comportamiento de estro demuestran que CE-YOLO logra una precisión del 94.9% y un mAP50 del 98.2%, superando significativamente la línea base en un 3.9% y un 4.6% respectivamente. Estos resultados validan el modelo como una solución eficiente y no invasiva para el monitoreo en tiempo real del estro, apoyando fuertemente el avance de la gestión inteligente de ganado.
Zhao et al. (Wed,) estudiaron esta cuestión.