La detección de agresión en ovejas es crucial para mantener el bienestar en un entorno de cría de ovejas a gran escala. Actualmente, la agresión animal se detecta predominantemente utilizando métodos de detección de imágenes y videos. Sin embargo, hay una falta de modelos de red livianos disponibles para detectar comportamientos agresivos entre grupos de ovejas. Por lo tanto, este artículo propone un modelo para la detección de imágenes de comportamiento agresivo en ovejas en grupo. El modelo propuesto utiliza la red GhostNet como su red de extracción de características, incorporando las operaciones PWConv y Channel Shuffle en el módulo GhostConv. Estos módulos adicionales mejoran el intercambio de información entre diferentes mapas de características. Se realizó un experimento de ablación para comparar la efectividad de detección de los dos módulos en diferentes posiciones. Para aumentar la cantidad de información en los mapas de características del módulo GhostBottleneck, aplicamos el módulo Inverted-GhostBottleneck, que introduce una estructura residual invertida basada en GhostBottleneck. La red de extracción de características liviana GhostNet mejorada logra un 94.7% de precisión y un 90.7% de recuperación, y su tamaño de modelo es solo el 62.7% de YOLOv5. Nuestro modelo mejorado supera al modelo original en rendimiento. Además, aborda la limitación del modelo de detección de video, que no pudo localizar con precisión a las ovejas agresivas. En tiempo real, nuestro modelo mejorado detecta con éxito el comportamiento agresivo entre las ovejas en grupo.