La mastitis subclínica es una enfermedad común y económicamente significativa que afecta la producción de ovejas lecheras. La termografía presenta una vía prometedora para la detección no invasiva, pero las metodologías existentes a menudo se basan en diferenciales de temperatura simplistas, lo que puede llevar a evaluaciones inexactas. Este estudio propone un enfoque algorítmico avanzado que integra el procesamiento de imágenes térmicas con análisis estadístico de textura y embebido estocástico de vecinos distribuidos t (t-SNE). Nuestro método logra una alta precisión de clasificación del 84% utilizando el algoritmo de máquinas de soporte vectorial (SVM). Además, introducimos otra métrica de evaluación comúnmente empleada, correlacionando imágenes térmicas con los resultados de la prueba de mastitis de California (CMT) después de establecer condiciones de umbral sobre características estadísticas, lo que produce una sensibilidad (la tasa de verdaderos positivos) del 80% y una especificidad (la tasa de verdaderos negativos) del 92.5%. Las métricas de evaluación subrayan la eficacia de nuestro enfoque en la detección de mastitis subclínica en ovejas lecheras, ofreciendo una herramienta robusta para mejorar las prácticas de gestión.