目前我国种鹅称重仍以传统的手动称重为主。养殖过程中频繁的人工称重行为将会造成鹅进食量减少、鹅产蛋周期紊乱、人禽交叉感染疾病、人力和时间消耗大等问题。本文针对种鹅智能化无应激体质量感知的现实需求,对种鹅体质量智能感知关键技术进行了开发研究,为种鹅规模化、智能化和高效化养殖提供了技术支撑。本文的主要研究内容如下:（1）采用高速工业相机采集种鹅行走视频数据,提出了基于加权引导滤波（Weighted Guided Filtering,WGF）的改进光流法作为种鹅轮廓的分割方法,并对采集到的鹅运动视频进行形态学分析,划分种鹅不同的行走过程（站立期、双支撑期、迈步期等阶段）,为分析种鹅步频、步幅等步态参数提供理论依据。（2）针对种鹅掌底压力分布的规律,构建了基于种鹅运动的压力模型,设计了一种基于阵列式压阻薄膜传感器的称重方法,利用ANASYS软件进行了受力分析,优化了阵列式压阻薄膜传感器方案。通过分析排线角度、距离等影响因素,给出了最优线路分布特征,并通过实验验证了阵列式压阻薄膜传感器的有效性和精确性。（3）针对种鹅步态特征难以数据化表示的问题,提出了一种基于种鹅运动行为学步态和关节分布特点的种鹅步态特征提取方法,对种鹅完整的步态轨迹进行了定量化研究,根据连续图像中种鹅关节间隔偏移角度规律和轮廓像素点分布特征,提出了一种改进的密集轨迹（Improved Dense Trajectories,IDT）识别算法,实验验证了融合种鹅动静态行为信息的识别算法的可靠性。（4）针对鹅舍自然环境下种鹅个体难以区分的问题,提出一种基于改进空间金字塔（Improved Spatial Pyramid Pooling,ISPP）卷积神经网络的步态分类算法,采用自适应分离粘连法获取完整可靠的种鹅轮廓图输入,用金字塔分类层替代卷积神经网络中的全连接层,实现种鹅图像中不同特征层间的语义融合,能够在运动视频中准确获取种鹅的个体身份信息,并通过实验验证了该算法的可行性。（5）通过分析种鹅运动过程中各关节摆动速度、压力信号量输入等特征参数对种鹅体重感知精度的影响,提出一种基于种鹅运动模型的体重计算方法,开发了种鹅体质量智能感知系统,并开展了种鹅体质量感知试验,试验结果表明,种鹅身份信息可以在视角内准确识别、种鹅体质量平均误差率为6.58%,体质量感知结果准确率高。