En la agricultura intensiva, la identificación individual de cerdos sin contacto es crucial para la alimentación precisa y el monitoreo de la salud. Sin embargo, las condiciones reales de los establos, como la iluminación fluctuante, las oclusiones severas, las posturas no rígidas y la alta similitud entre individuos, presentan desafíos significativos. Los modelos existentes luchan por equilibrar una alta precisión con un despliegue ligero. Para abordar esto, proponemos YOLO-ESO, un marco de detección optimizado basado en YOLOv10n. YOLO-ESO introduce tres innovaciones clave: (1) integrar el módulo C2f_ODConv en la columna vertebral para fortalecer el aprendizaje de características bajo posturas complejas a través de la convolución dinámica; (2) rediseñar el cuello con un módulo de Infusión de Semántica y Detalle (SDI) para mejorar la fusión a múltiples escalas mientras se suprime el ruido de fondo; y (3) incrustar un mecanismo de Atención Multi-escala Eficiente (EMA) antes de la cabeza de detección para capturar pistas de identidad de grano fino como textura y contornos. Evaluado en un conjunto de datos real de cerdos, YOLO-ESO logra un mAP@0.5 del 96.6%, un mAP@0.5:0.95 del 71.1% y un F1 del 92.0%. YOLO-ESO supera a los detectores de última generación, incluidos YOLOv8, YOLOv11 y RT-DETR, mientras introduce solo 8.7 GFLOPs y 3.48 millones de parámetros. En general, el YOLO-ESO propuesto proporciona una solución precisa y ligera para la identificación robusta de cerdos individuales en entornos agrícolas complejos, mostrando un fuerte potencial para su implementación práctica en la agricultura de precisión.