【摘要】[目的]呼吸系统疾病四季常发是肉鸡养殖面临的重要问题之一。咳嗽是呼吸疾病早期发作的一种重要表现，不同生长阶段其发声特征不同，难以实现自动检测。为此，本文设计了一种基于发声特征和深度学习的白羽肉鸡全生命周期咳嗽检测方法。[方法]对10～20日龄、20～30日龄、30日龄后3种不同生长阶段的鸡只发声信号进行数字滤波、谱减法去噪、端点检测等处理，提取滤波器组（filter bank， fbank）、梅尔频率倒谱系数（mel-frequency cepstral coefficients，mfcc）特征并各与其一阶及二阶差分组合作为VGG16与ResNet18神经网络的输入，完成咳嗽、鸣叫、其他发声三分类模型训练。[结果]实验结果表明，各日龄段利用不同发声特征与神经网络所构建的识别模型均能准确地实现发声分类，且在10～20日龄、20～30日龄段内fbank-VGG16模型效果较优，准确率分别为94.29%、97.65%，30日龄后mfcc-ResNet18模型准确率高于其他模型，为98.66%。随着日龄的增长，各模型的总体识别准确率均有所上升，增长范围为3%～7%。[结论]本实验方法可快速准确地对实际生产环境中不同生长阶段的鸡只咳嗽进行识别，为笼养鸡呼吸系统疾病的早期检测提供技术支撑。