La respuesta al estrés por calor de los pollos de engorde afectará negativamente a la cría a gran escala y al bienestar de los pollos de engorde. Con el fin de detectar el estado de estrés por calor de los pollos de engorde a tiempo, realizar ajustes razonables y reducir pérdidas, este documento propuso un modelo mejorado de Cascade R-CNN (Redes Neuronales Convolucionales basadas en Regiones) basado en tecnología visual para identificar el comportamiento de los pollos de plumaje amarillo. La mejora del modelo resolvió el problema de que el reconocimiento del comportamiento no era lo suficientemente preciso cuando los pollos estaban agrupados. Se comparó la influencia de diferentes iteraciones en el efecto de reconocimiento del modelo y se seleccionó el modelo óptimo. La precisión promedio final alcanzó el 88.4%. Se combinaron los datos de imagen del comportamiento con datos de temperatura y humedad, y se optimizó el modelo de evaluación del estrés por calor utilizando el método PLSR (regresión de mínimos cuadrados parciales). Los resultados de reconocimiento del comportamiento y las ecuaciones de optimización fueron verificados, y la precisión de la prueba alcanzó el 85.8%. Esto demuestra la viabilidad de la ecuación de optimización de la evaluación del estrés por calor, que puede usarse para regular de manera razonable la cámara de pollos.