国内肉鸡养殖业正朝着规模化、标准化、机械化方向发展,疫病防控和鸡舍环境监控是集约化养殖过程中的重要工作。恶劣的鸡舍环境会对鸡群健康产生不利影响,降低生产效益。预防鸡群疾病发生,应提升鸡舍的环境监测和病鸡检测技术手段。目前鸡场疫病防控非常依赖人工识别,依靠人工经验判断具有局限性,无法及时识别病鸡。图像识别技术可以将采集到的图像进行识别,判断视频或图片中是否存在病鸡,做到及时发现病鸡并预警,使工作人员能够快速处理病鸡,避免错过处理的最佳时机。同时降低了病源危害,控制传染源,降低其余健康鸡得病的风险,从而减少养殖户的经济损失。对此,本文主要研究内容如下:（1）基于YOLOv5s-CBAM算法的病鸡识别模型构建。首先收集数据集并进行了预处理,对4000余张图片进行分类标注。通过对比YOLOv3、YOLOv3-Tiny、YOLOv5s算法实验结果,评估得出YOLOv5算法综合表现最佳。为了提升病鸡检测模型性能,本文在原有YOLOv5s基础上添加了SE、CBAM两种注意力机制。实验数据显示YOLOv5s-SENet和YOLOv5s-CBAM模型算法整体上皆提升了性能。其中YOLOv5s-CBAM表现最佳,分别在精确率、mAP＿0.5和mAP＿0.5:0.95方面提升了1%、0.4%和0.6%,同时权重文件缩小3.7mb,约为原模型的23%,预测单张图片的速度提升了16%。（2）构建鸡舍环境监测功能模块。鸡舍内的环境因素会影响鸡群的生长发育,主要包括光照、温湿度以及有害气体。通过多种传感器可以实时了解鸡舍环境变化,并且利用控制设备对鸡舍环境进行适度调节,为鸡群提供适宜的生长环境。（3）开发了一套病鸡检测与鸡舍环境监测系统。系统前端核心框架为Vue,后端核心框架为Spring Boot,MySQL做数据持久化存储。系统集成了病鸡识别,鸡舍环境监控,数据展示,权限管理四个功能,用户可通过该系统,实现对鸡场状况实时把控。