Diante do aumento da produção comercial dos criatórios de animais puros da raça de galinha Canela-Preta, surge a necessidade de automatizar a identificação dos animais, pois a seleção de indivíduos superiores, para as características de interesse zootécnicos, partem da premissa que os indivíduos sejam identificados. Algoritmos de visão computacional têm se mostrado eficiente na automação de identificação de animais para zootecnia de precisão. Visando trabalhar sob esse viés, este trabalho tem como proposta desenvolver um algoritmo com base em visão computacional para detectar e identificar, por meio de imagens, galinhas da raça Canela-Preta. Para esse desígnio, esta dissertação discute, através de duas partes básicas, os princípios norteadores que embasam essa produção. Na primeira, apresenta-se uma discussão em torno dos trabalhos relacionados ao objeto de estudo desta pesquisa e a fundamentação alçada para a finalidade aqui proposta, quer perpassa as bases teóricas sobre a galinha da raça Canela-Preta e também a visão computacional que orienta a execução deste trabalho. Posteriormente, na segunda parte desta pesquisa, denominada capítulo I, toma-se como referencial uma discussão em torno dos materiais e métodos, em que são encontrados itens como a certificação ética e a caracterização experimental, o processo de aquisição de imagens, a aplicação da Rede Neural Convolucional, a aplicação do Template Matching e seus processos, as métricas de validação, o ambiente de desenvolvimento e ainda os resultados, a conclusão e as referências. Para essa finalidade, foram capturadas 501 imagens de 167 galinhas da raça Canela-Preta, em que 33 imagens foram descartadas em virtude da má qualidade na aquisição. Ademais, apenas 468 imagens serviram como base de dados, resultando em 156 indivíduos, tomando como referência em três planos distintos (plano lateral direito, lateral esquerdo e frontal). Todas as imagens com padrão de qualidade de resolução 1280x1920. Diante dessa captação, foi utilizada a rede YOLO para realizar a etapa de detecção, tendo como entrada a imagem das galinhas e na saída a imagem das galinhas detectadas com bounding boxes. Após a etapas de detecção, realizou-se a identificação do indivíduo por meio de duas técnicas: i) aplicação de uma rede neural, utilizando toda base de imagens, separadas em treino, validação e teste para gerar o modelo e, posteriormente, identificar o indivíduo; ii) aplicação do Template Matching, buscando a partir das imagens detectadas, encontrar a melhor similaridade entre uma imagem de entrada (Template) e outra de pesquisa (indivíduo). Como resultados, na etapa de detecção, foram utilizadas 156 imagens e obteve-se uma taxa de acerto de 86,54% e 14,46% de erro, correspondendo a 135 e 21 imagens, respectivamente. Para a etapa de identificação, utilizando-se a primeira técnica, com a rede neural, foi obtido uma acurácia de 40%. Na segunda técnica, utilizando Template Matching, com 156 imagens, a técnica conseguiu identificar todos os indivíduos, obtendo-se uma acurácia de 86,54%, uma similaridade média de 99,58% e uma taxa de erro médio de 0,42%. Conclui-se que este trabalho, atingiu sua proposta de desenvolver um algoritmo para identificar individualmente a galinha caipira da raça Canela-Preta. Esse algoritmo pode ser utilizado para a seleção de galinhas por imagem, proporcionando o controle e as tomadas de decisões quanto ao manejo das galinhas.