El monitoreo del comportamiento de bebida de los animales puede proporcionar información importante para la ganadería, incluyendo la salud y el bienestar de los animales. Medir el tiempo de bebida requiere mucho trabajo y, por lo tanto, sigue siendo un desafío en la mayoría de los sistemas de producción ganadera. La tecnología de visión por computadora utilizando un sistema de cámara de bajo costo puede ser útil para superar este problema. El objetivo de esta investigación fue desarrollar un sistema de visión por computadora para monitorear el comportamiento de bebida de ganado vacuno. Se desarrolló un sistema de adquisición de datos, que incluye una cámara RGB y un sensor ultrasónico, para registrar las acciones de bebida del ganado vacuno. Desarrollamos un algoritmo para rastrear las partes clave del cuerpo del ganado vacuno, como la posición de la cabeza, las orejas y el cuello, utilizando una arquitectura de aprendizaje profundo de última generación llamada DeepLabCut. Los puntos clave extraídos se analizaron utilizando un modelo de memoria a largo y corto plazo (LSTM) para clasificar los períodos de bebida y no bebida. Se utilizaron un total de 70 videos para entrenar y probar el modelo y 8 videos se utilizaron con fines de validación. Durante la prueba, el modelo logró una precisión del 97.35%. Los resultados de este estudio nos guiarán para satisfacer necesidades inmediatas y ampliar la capacidad de los agricultores para monitorear la salud y el bienestar de los animales al identificar el comportamiento de bebida.