随着中国经济的快速发展,人民生活水平大幅提高,对肉蛋奶等生活营养需求的快速增长使得畜禽养殖规模化、集约化成为主流且必要的养殖模式。现代规模化饲养中,肉鸡四季高发呼吸道疾病,是制约肉鸡产业健康发展的重要因素。在诸多种类的肉鸡呼吸道疾病中,咳嗽是一种较为主要的临床表现。目前肉鸡养殖中对于肉鸡呼吸道疾病的监测主要依靠人工在夜间侦听观察,劳动力成本高（耗时耗力）且不能保证实时性与有效性。因此,准确实时的自动检测肉鸡咳嗽情况,能够及早扼制疫情发展,减少人为观察应激,提升肉鸡生产效益,同时也避免了人禽接触带来的禽流感等爆发的隐患,在劳动力成本趋高的未来具有一定的实际应用及参考价值。本文根据肉鸡养殖生产需要,以白羽肉鸡为研究对象,设计了以声音识别技术为核心的白羽肉鸡呼吸道疾病监测系统,旨在高效、精准的监测肉鸡咳嗽,实现肉鸡呼吸道疾病的早期智能自动预警,提升肉鸡养殖业自动化水平,并为其应用提供理论与技术支持。主要研究内容如下:（1）肉鸡发声实时感知系统设计。采用HD-B-1001网络拾音器,搭建基于网络传输的肉鸡发声实时感知系统。系统以网络拾音器为采集节点,应用TCP/IP网络传输协议将采集到的数字音频信号传输至PC处理服务端,能够实时、稳定、全自动的获取肉鸡声音,从而为肉鸡呼吸道疾病监测系统提供有效可靠的数据来源,是实现自动监测系统的首要关键。（2）肉鸡咳嗽检测算法研究。通过多次实地鸡场试验获取了不同日龄白羽肉鸡发声数据,并通过人工截取白羽肉鸡声音样本（咳嗽、鸣叫等）建立了白羽肉鸡发声数据库。在对养殖鸡舍内进行噪音测量分析后,根据肉鸡不同声音样本的频域频谱等特点进行原始音频预处理,主要研究了声音增强（即滤波去噪）方法。之后针对肉鸡咳嗽声时频局部变化、非平稳等特点,提取了肉鸡声音样本基于小波变换的梅尔频率倒谱系数（WMFCC）特征,在设计研究了 GMM-HMM和keras多层感知器两种检测分类模型后,将提取的WMFCC特征参数送入模型训练并进行试验验证。结果表明,GMM-HMM模型的检出效率要比基于多层感知器的肉鸡咳嗽检测模型快10倍左右,且其检测准确率经后期验证平均为95%,满足检测系统识别要求。（3）肉鸡呼吸道疾病监测应用端系统开发。采用MySQL数据库、java程序及网页前端可视化技术构建肉鸡呼吸道疾病监测应用端系统。应用python设计程序将获取的肉鸡声音数据处理并送入异常检测流程,并将检测结果保存记录在数据库。应用端系统从数据库实时读取检测结果并分类显示在网页上,当检测结果超过系统设置的预警值时,应用端系统将发出警报,提示养殖人员做出相应处理。应用端管理显示遵循友好、有效、使用便利等设计原则,使鸡场养殖管理人员能及时获知肉鸡生长过程中的健康异常信息,有效处理突发疫情,提高肉鸡养殖生产率。