在奶牛的养殖管理过程中,体况评分（Body Condition Score,BCS）是评估奶牛生产性能与健康状况的重要工具,对精准畜牧业的发展具有重要意义。由于人工评分存在低效和强主观性等问题,基于人工特征提取的体况评分方法由于特征均为人工定义和选择,具备经验性和主观性,在复杂场景下的鲁棒性较差。基于深度学习的奶牛体况评分方法可以更高效、更自动地提取体况相关特征,通过端到端的体况评分模型来对奶牛体况进行自动评分。本文对边缘计算环境中的奶牛体况自动评分技术进行研究,为实现自动且精准的奶牛体况评分,首先对输入图像进行奶牛目标检测,并基于检测结果进行奶牛个体身份识别,进而对奶牛体况进行自动评分,最后设计并实现面向边缘计算环境的奶牛体况自动评分系统,拟解决传统体况评分方法经验性以及基于PC端奶牛体况自动评分系统存在的低效率等问题。本文主要研究内容如下:（1）奶牛目标检测与个体身份识别方法研究。奶牛目标检测与个体身份识别是实现自动且精准的奶牛体况评分的首要工作,本文通过以深度相机Intel Realsense D435为核心的数据采集装置进行奶牛RGB图像与深度图像数据的采集。为使得模型能够在边缘计算环境中进行正常推理,奶牛目标检测方面,研究基于YOLOV4的奶牛目标检测方法。奶牛个体身份识别方面,研究基于Mobile Net V2的奶牛个体身份识别方法。（2）奶牛体况自动评分方法研究。本文基于两种不同的策略对奶牛体况自动评分方法展开研究。基于深度图像特征提取的奶牛体况自动评分方法研究中,利用深度直方图对深度图像进行处理,将融合RGB图像边缘检测与深度图像傅里叶变换的三通道奶牛深度图像作为输入,研究基于Shuffle Net V2的奶牛体况自动评分方法。基于注意力引导点云特征学习的奶牛体况自动评分方法的研究中,本文以奶牛点云数据作为研究对象,提出一种基于注意力引导点云特征提取网络,对奶牛体况进行自动评分。（3）面向边缘计算的奶牛体况自动评分系统设计。系统总体设计方面将Intel Realsense D435相机作为终端层进行奶牛图像数据的采集。将NVIDIA Jetson AGX Xavier设备作为边缘计算层的硬件选型,在完成对设备的环境搭建后,将奶牛目标检测、个体身份识别与体况自动评分模型进行集成并移植到设备中。最后,将输出的个体识别与体况评分结果通过HTTP协议上传至云端服务器,在靠近数据来源一端实现自动且精准的奶牛体况自动评分。本文基于深度学习技术,实现了边缘计算环境中自动且精准的奶牛体况自动评分,并设计面向边缘计算的奶牛体况自动评分系统。为实现个性化、精准化、智能化的奶牛养殖管理目标提供了技术支持,同时也为其它领域的智能养殖提供了指导思想。