随着计算机应用技术的快速发展,运用智能化和现代化的技术来管理牲畜养殖企业,这对于一个企业来说改变了传统的管理模式,给企业在人力和财力方面都带来了很大的利益。本文基于卷积神经网络对奶牛自动检测算法及其系统实现进行研究,高效、准确的对奶牛在挤奶环境中实现了实时的目标检测任务。当下,由于在研究奶牛个体识别方面没有标准的数据集,目前,所有公开项目都通过纯手工方式制作实验所用数据集。因而该论文的目的之一是为了能够实现样本数据集的自动采集。此外,自动采集样本数据集还能够极大地提高目标检测和识别系统的自动化水平、在系统集成、示范推广过程中,进一步提高工程实施效率。本文的主要研究内容如下:(1)奶牛视频的采集。为了研究算法对奶牛视频的目标检测效果,进行了奶牛实地视频图像采集。在视频采集的过程中,为了尽可能的避免给奶牛养殖场的日常生产工作减少不必要的麻烦,同时也由于奶牛场环境的复杂性和不确定性因素,于是研制了一套如何获取奶牛视频图像的方案,采集了单一背景下奶牛在通过挤奶台转盘时的奶牛正脸视频。(2)技术方案。通过研究对比了传统目标检测算法和基于深度学习目标检测算法的特点,最后采用基于深度学习的回归目标检测算法作为本课题研究的思路。并且使用深度学习网络模型SSD为基础,以改进的VGG16作为数据训练的框架。由于研究奶牛目标检测方面并没有标准的数据集,所以完全由自己纯手工制作了实验所用的数据集。通过实验结果表明该方案能够有效的对奶牛在挤奶台环境下进行实时的目标检测。(3)系统设计与实现。在算法研究的相关基础上,本文以windows10作为平台,基于PyQt5自主开发了一款图形界面,通过图形界面来实时显示当前对奶牛进行目标检测的结果,并且设计和实现了将检测到的目标自动提取出来,生成样本数据集的技术。本系统界面能够很好的将相关算法转换为可视化的图形操作界面,经测试表明该图形界面实用性很好。