近日，我校赵小明教授团队在国际知名农业期刊《Computers and Electronics in Agriculture》（中科院双一区TOP，IF=8.9）和《Smart Agricultural Technology》（中科院二区，IF=5.7）上分别发表题为“YMAD:An Efficient poultry Gender Classification Method Based on Feature Fusion and YOLO Model”和“YBEDI: A Lightweight and Efficient Multi-scale Feature Fusion gender classification model for modern agriculture”的研究论文。赵小明教授为论文第一作者，台州学院为第一单位。

在家禽养殖中，准确判别雏鸡的性别对优化饲养管理至关重要。虽然，传统方法，如腹腔镜检查和基因检测，都可以用来确定雏鸡的性别，但它们复杂性高，而且需要高技能的专业人员配合使用，因此这些传统方法通常不适合常规的农场使用。针对此问题，本研究建立了一个小鸡性腺图像数据集，提出一种新的深度学习方法YMAD（图1）用于识别小鸡性别，用于克服传统方法的限制。

图1 YMAD网络结构示意图

此外，针对现实应用场景中羽毛和光照的干扰问题，将YOLOv11检测模块与BEDI融合，构建小鸡性别分类模型YBEDI（图2），不仅避免了大量的人工训练，而且提高了模型的识别精度。该架构设计极为精简，参数量仅为6.24M，能够在普通计算机甚至边缘嵌入式设备上流畅运行。实验结果表明，YBEDI在不同处理器平台上均保持了92.5%的高准确率，兼顾了实时性与可靠性，为商业化家禽养殖的智能化升级提供了切实可行的技术方案。

图2 YBEDI网络结构示意图

上述研究成果得到了浙江省科技计划项目“尖兵领雁+X”研发攻关计划（2024C03260 、 2023C03197）以及台州市科技计划项目（24nya19)）资助。

论文1链接：https://doi.org/10.1016/j.compag.2025.111315

论文2链接：https://doi.org/10.1016/j.atech.2025.101552