近几年来，频繁的家禽疫病严重冲击了家禽业并威胁人类健康，成为业界和国家关注的重点。传统的人工巡检方法耗时且易漏检，加上恶劣的养殖环境会损害工作人员健康。 针对以上问题，团队以层叠式笼养肉鸡为研究对象，拟采用嵌入式开发技术、卷积神经网络技术开发一款肉鸡健康状态自动识别系统，解决病鸡识别问题并提供养殖场智能化监测方案。根据以上技术，团队计划设计并实现一款巡检机器人，具有自动巡检，通过多信息源(如：鸡的行为状态、粪便的颜色与形状)识别病鸡并发出警报，后端收集机器人端传感器信息并将其可视化，机器人端设置控制面板实时调节机器人路线及其他参数等功能，并通过网站后台实时监测家禽养殖场信息。 综合利用多种先进技术：本项目综合运用了嵌入式开发技术和卷积神经网络技术，通过将这些技术有机结合，实现了对肉鸡健康状况的全方位监测和识别，从而提高了疫病检测的准确性和效率。 多信息源综合分析：与传统的单一信息源相比，该项目采用了多信息源综合分析的方法，包括肉鸡的行为状态、粪便颜色与形状等，通过综合分析这些信息，可以更准确地识别病鸡，提高了诊断的精确度。 智能化巡检与监测系统：通过设计并实现一款智能化巡检机器人和网站后台监测系统，该项目实现了家禽养殖场的自动化监测和管理，不仅提高了监测的时效性和全面性，还降低了人工巡检的成本和风险。 实时预警与响应机制：该项目通过机器人端的自动识别和报警功能，可以及时发现疫病病变情况，并通过后台系统实现实时监测和响应，为养殖场管理者提供了及时有效的预警信息，有助于及时采取措施遏制疫情蔓延。 促进养殖业智能化提升：该项目的成功研发将促进家禽养殖业的智能化水平提升，推动传统养殖模式向智能化、自动化转变，为养殖场提供更安全、更健康的生产环境，为保障家禽健康和人类健康做出更大的贡献。 本研究针对白羽肉鸡，采用计算机视觉技术，通过摄像头捕捉图像，识别鸡的行为状态、粪便颜色等特征，结合日常行为构建健康状态模型。同时，利用物联网和web可视化技术，结合机器人端传感器监测的环境因素数据与识别模块的识别结果，实现了对肉鸡健康状态与鸡场环境的监测一体化。