随着现代化养殖业的迅猛发展,奶牛场养殖模式呈现数字化、规模化、精确化的发展趋势。我国是农业大国,奶业的发展是我国农业发展的关键因素之一,在奶牛养殖业中还存在很大一部分中小型农户散养模式的奶牛场,这些奶牛场管理粗放、智能化低、人工作业强度大。针对以上问题,本文使用机器视觉技术对泌乳期奶牛进行无接触的个体及行为识别,基于此利用Django框架设计和开发一种中小规模养殖场泌乳期奶牛管理平台,实现对奶牛的精确管理。本研究有助于提高奶牛场的养殖效率和经济效益,并为奶制品的安全提供保障。主要研究内容如下:（1）制作泌乳期奶牛个体识别和行为识别数据集。以泌乳期奶牛作为研究对象,利用200万像素、可全彩夜视的海康威视萤石C4摄像头,拍摄河北省石家庄市无极县东朱村某农户散养奶牛养殖场的视频图像。分析挑选适合进行模型训练的视频段,利用python编写的程序进行图像帧截取,利用LabelImg工具进行图像标注,制作用于模型训练的个体识别数据集6553张和行为识别数据集7226张。（2）基于深度学习算法YOLOv5训练泌乳期奶牛识别模型。利用YOLOv5算法训练奶牛个体识别模型和行为识别模型,对两种模型进行测试,结果表明,基于YOLOv5的泌乳期奶牛个体识别模型平均精度为98.50%,基于YOLOv5的泌乳期奶牛行为识别模型平均精度为98.22%,能够满足奶牛场对泌乳期奶牛进行目标检测的要求。在平台中,目标检测功能与泌乳期奶牛信息紧密关联,通过个体识别功能可以精确了解每一头泌乳期奶牛的个体信息,通过行为识别功能可以统计泌乳期奶牛日常行为数据,直观了解泌乳期奶牛健康信息。（3）设计与开发中小规模养殖场泌乳期奶牛管理平台。该平台使用Python作为程序的主要设计语言,整体架构采用MTV模式的Django框架进行后端开发,使用Bootstrap框架和HTML、CSS、JavaScript进行前端开发;利用Echarts进行数据可视化处理,使用MySQL数据库和Redis存取数据,并在平台中利用机器视觉技术对泌乳期奶牛进行目标检测。对平台中的功能进行详细设计,并实现各模块功能。中小规模养殖场泌乳期奶牛管理平台利用机器视觉技术进行奶牛个体识别和行为识别,基于识别对奶牛数据进行存储和系统管理,以保证对泌乳期奶牛的精确管理。该平台能够实现奶牛场的智能化管理,提高对泌乳期奶牛的管理水平和工作效率,为奶品安全溯源奠定基础。