蛋鸡行业的长期稳定发展，离不开优良蛋鸡品种的繁衍，然而作为蛋鸡父母代的蛋种鸡的繁殖，仍以传统的人工授精为主，不可避免会对蛋种鸡造成生理和心理上的影响，与福利养殖的要求不符。本交笼养方式，采用大笼饲养，按照一定的公母比例养殖蛋种鸡，还蛋种鸡自由交配的权利，兼顾了福利和经济效益。然而，目前国内关于本交笼养模式下蛋种鸡行为的相关研究鲜有报道。
　　论文将本交笼养模式下的蛋种鸡作为研究对象，构建数据集，从机器视觉角度，对蛋种鸡行为识别关键技术进行了深入研究。采用传统机器学习算法和深度学习算法YOLOv3进行复杂背景下蛋种鸡的行为识别;采用统计分析方法探索蛋种鸡行为的分布规律，寻找潜在的环境影响因素，构建相关的生产性能模型。论文的主要研究结果和结论如下:
　　(1)研究了复杂背景图像中多只蛋种鸡的分割方法。针对试验场所背景复杂、且部分目标被遮挡问题，通过提取蛋种鸡图像的方向梯度(HOG)特征和局部二值模式(LBP)特征并加以融合，构建了蛋种鸡特征矩阵，利用支持向量机算法(SVM)建立分类器对图像中的蛋种鸡与背景进行自动分割;结合分水岭算法优化，实现了复杂背景下蛋种鸡个体的分割。
　　(2)研究了深度学习算法YOLOv3在蛋种鸡行为识别中的应用。通过构建图像数据集，基于Darknet框架，利用YOLOv3算法提取蛋种鸡行为特征，训练蛋种鸡行为识别模型。针对图像数据集中吃食、喝水、站立、展翅、打架、交配6种行为样本不平衡现象，通过扩增样本、调整不同行为样本在模型训练损失函数中的权重等，降低了不平衡样本对模型识别精确率的影响。测试结果显示，针对高饲养密度、且遮挡严重的多只蛋种鸡目标，该行为识别模型达到了较高的识别准确率，吃食、喝水、站立、展翅、打架、交配的平均准确率分别为:92.74％、88.47％、95.77％、74.50％、83.98％、86.10％.
　　(3)揭示了本交笼养模式下蛋种鸡6种行为的时间分布规律，并从个体识别角度提出了辅助判定鸡群群主的方法。依据蛋种鸡行为识别模型对测试集图像的识别结果，通过统计分析找出了本交笼养蛋种鸡行为的时间分布规律;通过构建种公鸡个体识别模型，采用卡尔曼滤波和匈牙利算法实现了种公鸡的跟踪，绘制了种公鸡的运动轨迹;通过分析种公鸡交配、打架等行为特点，结合统计种公鸡的运动量，分析得出了3只种公鸡在鸡群中的社会地位;分析了种公鸡在鸡群中的社会地位及不同公母比对鸡群稳定性的影响;提出将种公鸡的运动量作为辅助依据，帮助专业养殖人员判定鸡群群主。
　　(4)提出了一种本交笼养模式下蛋种鸡群体状态的判断方法。依据蛋种鸡6种行为的统计结果，提出了评判鸡群是否出现异常的两个标准:其一，统计某天鸡群打架次数，如果出现剧增现象，则判定为鸡群异常;其二，找出鸡群正常情况下一天的吃食总次数、饮水总次数、展翅总次数、站立总次数的阈值，若某天鸡群的行为不在正常范围内，则可判定为鸡群异常。
　　为了提高识别模型的普适性，研发了本交笼养蛋种鸡行为识别与分析平台，实现了识别模型的便捷移植，提高了识别模型在养殖现场使用的便捷性。该研究充实了本交笼养模式作为福利养殖推广的试验数据，增加了可行性参考，为实际生产提供了理论支持，具有重要的指导意义。