全混合日粮（TMR:Total Mixed Ration）的合格性判断是现代奶牛养殖业由分散化养殖向规模化、集约化养殖转化过程中的重要环节,加工合格的全混合日粮可以降低牛场成本,提高产奶量,具有重大的商业价值和研究前景。当前关于TMR合格性判断的分类研究主要由人工进行操作,传统方法耗时费力。因此,本文对智能化TMR分类在线检测系统的关键技术进行研究,来解决传统方法判断TMR合格性的不足。下面对本文所做的主要工作内容进行阐述。（1）首先阐述了TMR分类研究现状、传统和基于卷积神经网络的图像分类技术,并对Goog Le Net、Res Net和SENet三种经典网络模型进行分析。后续在宁夏回族自治区吴忠市周边大型规模化奶牛场中进行TMR数据集的构建,采集到4300张图像,然后对数据集的特征进行分析,并且提出数据集图像预处理的方法。（2）在构建出TMR数据集之后,本文利用卷积神经网络中的Goog Le Net、Res Net-50和SE-Res Net-50三种网络模型进行初步试验,在每一种模型实验过程中采用图像分块技术将大分辨率图像进行9等分一起输入模型训练,然后按照权重进行求和输出最后结果,其中权重方案分为5组分别进行实验。最后根据试验结果挑选最佳网络模型,并且针对结构模块进行分类错误的图像数量统计和特征图可视化的误差分析。（3）后续根据误差分析结果来进行精度和速度两方面的模型改进,在精度方面采用基于特征金字塔结构和并行网络的改进,在速度方面采用基于倒残差结构和全卷积网络结构进行模型轻量化。最终改进之后的模型在测试集上的准确率可达96.82%,参数量与计算量较于轻量化之前大幅缩小。（4）最后本文首先对TMR在线检测系统包括硬件模块和软件模块进行总体设计,并对系统流程进行阐述。然后对硬件模块中的相机、镜头和光源等关键部件进行选型,在软件模块中设计开发出一套图像采集、图像处理和图像分类的智能化软件系统。