目前,国内外大部分肉鸡养殖场的笼内死鸡识别工作仍采用人工作业方式,存在作业效率低、劳动强度大、不利于工人身体健康等弊端。因此,开展笼内死鸡自动识别机器人研究是整个家禽养殖业亟待解决的问题。本课题以层叠式笼养肉鸡为研究对象,基于机器人技术、红外热成像技术及卷积神经网络技术开发了一套死鸡自动识别机器人系统,实现了笼内死鸡自动识别功能。在一定程度上加快了禽畜养殖机器人走出试验室的进程,对死鸡自动识别后续工作研究提供了一定的参考价值。本文的主要研究内容如下:（1）死鸡识别机器人系统构建。基于肉鸡养殖工艺及设备发展状况,设计了死鸡识别机器人系统的整体方案。基于红外热成像技术及卷积神经网络技术开发了一套死鸡自动识别算法,完成了对移动底盘、红外热成像模块、开发环境等软硬件的选取与系统开发,实现了死鸡识别机器人在鸡舍内自主巡检功能。（2）死鸡识别算法设计。死鸡识别算法由鸡头识别模型和体温判定模型组成。利用鸡头识别模型对红外图像鸡头进行识别,然后通过坐标搜寻提取鸡头体表温度,结合当前环境温度及湿度,引入体温判定模型判断鸡只是否死亡。经测试,算法平均识别成功率为86.25%。鸡头识别模型:分析基于卷积神经网络的YOLO-v3深度学习算法原理,构建鸡头训练数据集;训练鸡头识别模型并验证,经验证模型查准率查全率分别为87.34%和 76.67%。体温判定模型:确定鸡头作为笼养肉鸡的关键红外测温部位;建立鸡头最大温度、环境温度及环境湿度等变量与肉鸡体温的多元线性及非线性两种回归模型,经比较非线性模型效果更好,平均相对误差与最大差值分别为0.27%和0.32℃;通过死鸡的体表温度变化试验确定区分鸡只死鸡状态的温度阈值为36.25℃。（3）死鸡识别机器人系统测试试验。进行了摄像头高度及角度调试试验,确定了最佳拍摄高度及拍摄角度;完成循迹导轨的铺设与调试,检测了死鸡识别机器人的自主移动功能。按照笼内死鸡活鸡比例为0:3、1:2、0:4、1:3四种情况进行现场试验,试验结果表明上层鸡笼内死鸡识别成功率为83.75%,下层鸡笼内死鸡识别成功率为77.50%,整体死鸡识别成功率为80.63%。