禽流感疫苗一般是使用鸡蛋胚胎培养法制备的,死亡的鸡蛋胚胎需要及时剔除,否则会滋生细菌,造成污染,影响疫苗质量。因此,在禽流感疫苗生产过程中,需要对鸡蛋胚胎进行多次成活性检测,剔除死亡鸡蛋胚胎。目前我国主要通过人工检活法检测鸡蛋胚胎成活性,该方法需要大量的劳动力,检测成本高,效率低,检测准确率难以得到保障。现代疫苗产业亟需一种准确、高效、低价的鸡蛋胚胎成活性自动检测方法。本文结合序列分类与深度学习技术,提出了一种基于心跳信号分析的9日鸡蛋胚胎的成活性检测方法。首先,使用光电容脉搏波描记法采集固定长度的鸡蛋胚胎心跳信号,通过设计数字滤波器滤除信号噪声并制作数据集。然后运用时序卷积网络(TCN)对心跳信号进行分类。为了能够更好地处理心跳信号中存在的长期依赖关系,本文通过添加RNN模块的方式对基础网络进行增强,提出了一种双分支结构的TCN增强网络,其中一个分支为基础TCN网络,用于提取鸡蛋胚胎心跳信号的轮廓形状特征;另一个分支为由门控循环单元网络组成的增强模块,用于提取心跳信号的时序特征。鸡蛋胚胎心跳数据同时输入到两个分支,并使用向量拼接的方式融合来自两个分支的特征,最后使用softmax分类器输出网络分类结果。实验结果表明,本文提出的双分支TCN增强网络在鸡蛋胚胎成活性检测任务中表现出了优秀的性能,其检测准确率高达99.87%,同时,在查准率、召回率和F1得分三个评估指标上的得分分别达到了0.9970、0.9987和0.9978,并且能够在疫苗生产现场实现对鸡蛋胚胎成活性的准确判断。