A medida que la agricultura inteligente y la cría de cerdos se expanden, detectar la agresión en los cerdos es crucial para mantener la salud del ganado y mejorar la eficiencia. Para abordar los errores de detección en el monitoreo de la agresión por parte de los cerdos debido a las diferentes condiciones de fondo y de iluminación en los establos, se propone un nuevo modelo de aprendizaje profundo que combina MobileNetV2 y Autoformer. El modelo adopta CBAM para capturar características clave de los comportamientos agresivos de los cerdos y HS-FPN para fusionar estas características de múltiples escalas. La integración de CBAM y HS-FPN puede mejorar la capacidad de capturar efectivamente características significativas y distinguir características entre los comportamientos agresivos de los cerdos y el fondo. Probado en conjuntos de datos públicos, el modelo logró un recall del 98.08%, una precisión del 94.44%, una exactitud del 96.23%, un F1-score del 96.23% y 10.41 millones de parámetros. Supera a MobileNetV2-LSTM y MobileNetV2-GRU en un 3.5% y un 3.0% en exactitud, respectivamente. Este modelo equilibra la exactitud y la complejidad computacional, lo que lo hace ideal para el reconocimiento práctico de la agresión en cerdos en la agricultura.