无人机在识别和跟踪羊群时,如果无人机飞的过低,自身伴随的飞行噪音会使羊群受到惊吓,干扰羊群的正常活动;如果无人机飞的过高,那么会出现视野框中目标尺寸过小和目标识别困难等问题。将无人机应用于草原畜牧业的生产管理过程中,实现无人机自动化放牧,能够使草原畜牧业管理方式智能化,提高科技管理水平,降低草原牧民的人力和物力成本。本文以研究无人机自适应平稳跟踪羊群为例,首先让无人机巡航时能够成功识别到羊群,同时设计一种方案能够让无人机能够判断出羊群是否受到干扰,无人机根据反馈信息,来自动调节与羊群之间的跟踪距离,最终使无人机与羊群二者之间达成平稳交互状态,有利于无人机的后续跟踪。为实现无人机自适应实现羊群平稳跟踪,本文研究内容如下:（1）本文检测器部分是采用YOLOv5算法。其灵活性和检测速度非常好,缩放、色彩空间调整和马赛克增强三种数据增强方式,提高对小目标的检测效果,适合无人机视野框中的小目标羊只检测。服务器训练选用模型中最轻便的YOLOv5s,不仅部署成本低,而且部署速度很快。数据集来源是由大疆无人机御2 Mavic2Pro拍摄的羊群视频,用python代码截取视频帧,并对其进行人工标注得到深度学习的训练数据集,在服务器中进行训练得到权重模型。（2）为实现自适应平稳跟踪羊群,应对无人机飞行噪音易惊吓羊群的问题,融合Mean shift和K-means两种聚类算法,组成混合聚类算法MSK,将无人机与羊群之间的运动状态分为四类,通过多组实验分析,比较归一化的聚类半径变化趋势,来实现对羊群状态进行判断。跟踪羊群时,如果发现羊群受到惊吓,将信息传递给无人机,无人机可以根据反馈决定增加飞行高度,来间接地减弱噪音,直到羊群稳定下来为止,停止增加飞行高度;否则继续保持跟踪状态,不做出跟踪高度的调整。（3）融合YOLOv5和Deep sort两种模型,来对羊群实现平稳跟踪。Deep sort跟踪算法依赖于YOLOv5的目标检测,Deep sort算法由Sort算法发展而来,其加入了使用运动信息和外观信息,使得检测效果更好。跟踪原理主要为采用卡尔曼滤波器对目标进行位置预测,匈牙利算法对目标的轨迹进行关联和匹配处理。实验结果表明满足跟踪羊群的需求。