[目的/意义]畜禽健康问题的及时发现和早期预警对绿色高效养殖至关重要，传统人工巡检耗时耗力且易漏检错检，机器人巡检具有全天候、高精度、高效率和低成本等优势，但现有巡检路径规划较少考虑规模养殖场内肉牛、奶牛等大型畜种个体的全局遍历和动态障碍物导致的局部可通行性优化问题。[方法]本研究提出了一种融合旅行商问题（Traveling Salesman Problem, TSP）、A*(A-Star)和动态窗口法（Dynamic Window Approach,DWA）的全局-局部优化的规模化牛场智能巡检路径规划算法，解决了牛场动态场景下的全局多目标个体遍历、路径冗余与局部通行避障的问题。在全局遍历优化上，提出了融合改进TSP和A*算法的全局巡检路径规划算法；在局部通行优化上，改进DWA实现动态障碍物引起的局部区域可通行性实时判别与提前主动避障。融合全局和局部算法并在Matlab搭建动态环境验证。[结果和讨论]改进A*算法在规划时间、路径平滑性、路径长度和搜索效率上均优于传统A*算法；融合TSP和A*的全局巡检算法的平均巡检覆盖率达100%，巡检距离和时间较经典蚁群算法分别缩短了17.99%和20.85%；改进DWA可根据障碍物的尺寸提前判断巡检通道的局部可通行性，实时调整机器人线速度、角速度和姿态角度，提前主动避障。[结论]提出的智能巡检算法能够在规模化牛场中实现一定时间内的牛只个体遍历和实时主动避障，有效提升了巡检效率和质量。