Para abordar la escasez de conjuntos de datos especializados para el análisis del comportamiento de los terneros, este estudio construyó un conjunto de datos integral que comprende 2918 imágenes que capturan cinco comportamientos clave, a saber, caminar, estar de pie, acostarse, alimentarse y beber, bajo diversas condiciones ambientales, incluyendo diferentes intensidades de luz, como el día, la noche y la sobreexposición, así como niveles de oclusión ligera, moderada y pesada. Basándonos en YOLOv8, introdujimos una arquitectura ligera, YOLOv8-P2-Lamp, que incorpora dos mejoras críticas: una capa de detección de pequeños objetivos P2 para mejorar el reconocimiento de características sutiles como la articulación de las patas, y la estrategia de poda Lamp para eliminar canales redundantes mientras se preserva la precisión. El modelo optimizado logró un 90.9% de mAP con solo 0.949 M de parámetros, 4.0 G de FLOPs y un tamaño de modelo de 2.3 MB. Finalmente, se comparó con varios modelos avanzados en entornos complejos con diferentes intensidades de luz y diferentes situaciones de oclusión para resumir y analizarlo.