鸡蛋胚体作为生物疫苗生产的培养基，由于其培育时间长，鸡蛋产量低，因此，如何快速准确的对鸡蛋胚体进行检测，对于生物制药行业显得十分重要。然而，目前的检测方法主要是利用鸡蛋胚体的某一特征量与鸡蛋胚体类型的关系建立相关模型对其进行检测。由于鸡蛋胚体是一种生物体，它本身结构的复杂性使得这种模型和实际情况相差较远，因此这种检测方法存在检测准确率不高，稳定性不强等缺点。为了克服这些缺点，就需要充分利用检测信息，深入探讨检测信息和鸡蛋胚体类型之间的映射关系，提高鸡蛋胚体检测的准确率。本文系统全面的对鸡蛋胚体的图像、温度和光照度信息获取、特征提取和模型建立的过程进行了探讨，提出了基于神经网络的多信息融合方法，并将其应用于鸡蛋胚体的检测，提高了检测准确率。为了对鸡蛋胚体进行检测，本文研究了基于多信息融合的鸡蛋胚体智能检测系统。该系统采用Visual C++与MATLAB相结合的混合编程技术，设计并搭建了多传感器数据采集平台，选择合适的光源和传感器，对鸡蛋胚体的图像信号、温度信号和透光度信号等与鸡蛋胚体类型特征有关的参数同时进行数据采集，并将传感器采集到的数据经过数据处理提取特征参数，针对这些特征信号与鸡蛋胚体类型的关系具有非线性的特点，利用BP神经网络的非线性映射功能建立神经网络，并对其进行多信息融合，根据融合中心的输出结果来对鸡蛋胚体类型进行判别。结合硬件平台对鸡蛋胚体多信息融合检测系统进行实验验证，结果表明：该系统能够准确的采集鸡蛋胚体的图像、温度和光照度信号，利用BP神经网络技术，提取各个信号的特征参数并对其进行融合，输出结果可以用来检测鸡蛋胚体的类型。