La identificación de imágenes, las tecnologías de aprendizaje automático y aprendizaje profundo se han aplicado en diversos campos. Sin embargo, la aplicación de la identificación de imágenes actualmente se centra en la detección e identificación de objetos para determinar una única imagen momentánea. Este artículo no solo propone la detección de dependencia de múltiples características para identificar partes clave de mascotas (boca y cola), sino que también combina el significado del ladrido de la mascota (gruñido y llanto) para identificar el estado de ánimo y estado de la mascota. Por lo tanto, es necesario considerar los cambios en el pelo y la edad de la mascota. Con este fin, agregamos un subsistema de módulo de identificación de optimización automática para responder a los cambios en el pelo y la edad de la mascota en tiempo real. Después de identificar con éxito las imágenes de las partes destacadas cada vez, nuestro sistema captura imágenes de las partes destacadas identificadas y las almacena como muestras efectivas para el entrenamiento posterior y para mejorar la capacidad de identificación del sistema. Cuando el resultado de la identificación se transmite al propietario cada vez, este puede obtener el estado de ánimo y estado actual de la mascota en tiempo real. Según los resultados experimentales, nuestro sistema puede utilizar un modelo R-CNN más rápido para mejorar el 27,47%, 68,17% y 26,23% de precisión de la identificación tradicional de imágenes en los estados de ánimo de felicidad, enojo y tristeza respectivamente.