Con el aumento del número de vacas por granjero en Japón, se está introduciendo un sistema automático de monitoreo de vacas. Un aspecto importante de dicho sistema es la capacidad de identificar vacas individuales y estimar su tiempo de alimentación. En este estudio, proponemos un método para lograr este objetivo a través del análisis de la región facial. Utilizamos un detector YOLO para extraer la región de la cabeza de la vaca de imágenes de video capturadas durante la alimentación, con la región de la cabeza recortada como una imagen de región facial. La imagen de la región facial se utilizó para la identificación de vacas y se empleó el aprendizaje por transferencia para la identificación. En el contexto de la identificación de vacas, el aprendizaje por transferencia se puede utilizar para entrenar una red neuronal profunda preexistente para reconocer vacas individuales en función de sus características físicas únicas, como la forma de la cabeza, las marcas o las etiquetas de las orejas. Para estimar el tiempo de alimentación, dividimos el área de alimentación en tiras verticales para cada vaca y establecimos una línea horizontal justo encima de los materiales de alimentación para determinar si una vaca estaba alimentándose o no mediante técnicas de transformación de Hough. Probamos nuestro método utilizando datos de la vida real de una granja grande, y los resultados experimentales mostraron promesas para lograr nuestros objetivos. Este enfoque tiene el potencial de diagnosticar enfermedades y trastornos del movimiento en vacas y podría proporcionar información valiosa para los granjeros.