La detección precisa del cuerpo del ganado es crucial para la agricultura de precisión en la ganadería. Sin embargo, los métodos tradicionales de detección del cuerpo del ganado dependen de la observación manual, que es tanto lenta como intensiva en mano de obra. Además, los métodos basados en visión por computadora sufren tiempos de entrenamiento prolongados y dificultades en el entrenamiento. Para abordar estos problemas, este documento propone un nuevo modelo YOLOv5-EMA para la detección precisa del cuerpo del ganado. Al incorporar el módulo de Atención Multi-escala Eficiente (EMA) en la estructura de los modelos de detección de la serie YOLO, se ha mejorado significativamente el rendimiento en la detección de objetivos más pequeños, como cabezas y patas. El módulo de Atención Multi-escala Eficiente (EMA) utiliza los grandes campos receptivos de subredes paralelas para recopilar información espacial multi-escala y establece dependencias mutuas entre diferentes posiciones espaciales, lo que permite el aprendizaje cruzado espacial. Esta mejora capacita al modelo para recopilar e integrar información de características más completa, mejorando así la efectividad de la detección del cuerpo del ganado. Los resultados experimentales confirman el buen rendimiento del modelo YOLOv5-EMA, mostrando resultados prometedores en todas las métricas de evaluación cuantitativa, hallazgos de detección cualitativa y mapas de calor Grad-CAM visualizados. Específicamente, el modelo YOLOv5-EMA logra una precisión media (mAP@0.5) del 95.1% en la detección del cuerpo del ganado, 94.8% en la detección de ganado individual, 94.8% en la detección de patas y 95.5% en la detección de cabezas. Además, este modelo facilita la detección eficiente y precisa de ganado individual y partes esenciales del cuerpo en escenarios complejos, especialmente al tratar con objetivos pequeños y oclusiones, avanzando significativamente en el campo de la agricultura de precisión en la ganadería.