方法利用多个不同的卷积神经网络模型对奶牛躯干图像进行特征提取并将提取的深层特征使用GAP层进行降维后使用Concat方法进行融合将融合的新特征输入到Softmax分类器进行分类。

具体步骤如下：

1. 数据预处理：对奶牛躯干图像进行标准化处理，使其具有相同的尺寸和颜色通道。

2. 特征提取：使用多个不同的卷积神经网络模型（如VGG、ResNet、Inception等）对奶牛躯干图像进行特征提取。每个模型都会生成一组深层特征。

3. 特征融合：将每个模型生成的深层特征使用GAP层进行降维，然后将降维后的特征使用Concat方法进行融合，生成一个新的特征向量。

4. 分类器训练：将融合后的新特征向量输入到Softmax分类器进行分类，使用训练数据集进行模型训练。

5. 模型评估：使用测试数据集对模型进行评估，计算准确率、召回率、F1值等指标。

6. 模型优化：根据评估结果对模型进行优化，如调整网络结构、调整超参数等。

7. 模型应用：将优化后的模型应用到实际场景中，对奶牛躯干图像进行分类。