随着信息处理技术、人工智能技术以及图像处理技术的日益成熟,对过去传统的禽畜养殖方式产生了深刻的影响。现代化养鸡场中,饲料和清水的供应、鸡蛋和鸡粪的收集、温度和风速的控制等,都已经实现自动化。但对于死鸡,仍然采用人工定时巡视和检查。人工检测死鸡实时性不高,无法及时清除死鸡;另外,工人工作效率不高,且长时间停留于环境恶劣的鸡舍中,身体健康会受到影响。针对人工检测死鸡中存在的不足,本文提出一种基于支持向量机和机器视觉技术的养鸡场死鸡检测方法。机器视觉技术具有与被检测对象无接触、无时间限制、很高的分辨精度和速度等优点,本文采用机器视觉技术构建死鸡检测机器视觉系统,实现对死鸡的自动检测。系统由硬件系统和软件系统组成,前者是检测系统的基础,主要完成图像采集功能;后者是检测系统的核心和关键,主要实现图像处理、特征提取、图像识别和结果判定功能。在硬件系统设计方面,本文介绍了如何选择合适的CCD相机、镜头、图像采集卡等机器视觉系统中的重要部件,搭建了PC+采集卡+相机的硬件实验平台;软件方面,选用Visual C++6.0作为开发平台,整个系统软件分为图像采集模块、图像处理模块、图像识别模块和信息管理模块四个主要功能模块。在检测算法研究中,本文采用了一种基于统计学习理论——支持向量机(SVM)的死鸡检测算法。首先,根据中心区域位置的变化情况,通过逻辑与操作去除肯定为活鸡的部分;其次,对可能为死鸡的部分做进一步的处理,提取出鸡冠的周长、面积、偏心率、复杂度和球形性五个特征,以这些特征的变化量作为特征向量,采用样本数据对SVM进行训练,用训练好的分类器对有无死鸡进行分类。其中,选用LS-SVM分类器,并采用网格搜索法对核宽及惩罚因子进行优化。实验结果表明,本文所研究的方法的检测率为92%以上,基本能够及时、准确地发现死鸡,并为养鸡场死鸡检测技术的进一步发展提供了理论和技术基础。