Kor inom mjölkindustrin drabbas ofta av juverinflammationen mastit, som orsakas av en mängd olika bakterier. Eftersom olika bakterier kräver olika behandlingsplaner finns ett behov att identifiera vilken bakterie som har orsakat mastiten. I nuläget finns två sätt att göra detta på, skicka in prover till en veterinär eller utbilda personal på plats för att analysera prover. Båda dessa alternativ är tids- och resurskrävande och kan leda till att mjölkföretagarna väljer att försöka behandla sina kor med antibiotika eller andra onödiga och potentiellt ohållbara metoder. Denna rapport beskriver det arbete som utförts av sju studenter under vårterminen 2018 i samband med kursen TDDD96 - Kandidatprojekt i programvaruutveckling. I projektet utvecklades en prototyp för ett system som med hjälp av ett neuralt nätverk klassificerar bakterier hos mastitdrabbade kor utifrån bilder på bakterieodlingar. Som gränssnitt mellan mjölkföretagare och klassificerare utvecklades en Android-applikation där slutanvändaren lätt kan ta bilder och mata in relevant information för att sedan skicka dessa till en server. Under implementationen av produkten delades projektgruppen in i tre delgrupper, varje delgrupp arbetade på ett av de tre delsystemen applikation, server och klassificerare. Projektgruppen använde sig av en Scrum-liknande arbetsmetodik där utvecklingsfasen delades upp i olika sprints. Den klassificerare som tagits fram har lyckats få en klassifikationssäkerhet som är i underkant med veterinärerna. Dock har klassificeraren stor potential och kan utvecklas till att vara en bra lösning till det presenterade problemet inom mjölkindustrin.