本发明公开了一种基于深度学习的宠物X光片姿态分类方法及装置和设备，步骤如下：数据准备：收集临床中由DR设备拍摄的宠物X光图像，过滤掉不能用于姿态分类的图像，如无法分辨姿态、对象不是宠物的图像；数据标注：对收集到的宠物影像标注类别生成对应的标签文件，其中标签类别为正位和侧位；数据增广：将带标签的宠物图像数据以预设方式进行增广；姿态分类模型构建：按照预设方式设计深度卷积神经网络结构、网络参数、损失函数、优化器，然后将宠物图像作为样本送入网络训练分类模型，训练分类模型；宠物姿态预测：向分类模型输入宠物影像，将输出预测的宠物姿态。本发明使用深度学习方法，分类准确度高，减少宠物医生阅片时间，诊断效率高。