Infectious bovine keratoconjunctivitis (IBK) is considered the most important ocular disease in cattle breeding, causing losses in the herd and damage to the producer. Because of being an infectious disease it is necessary to improve diagnostic forms. Currently, the diagnosis for IBK is made by evaluating clinical signs by a specialist and confirmed by laboratory tests, which is usually a costly task. In this work, the use of infrared thermography is evaluated for the acquisition of images of the bovine ocular region of healthy and experimentally infected animals by IBK. The available image base was previously classified by a specialist and subsequently used in the training and validation process of a set of distinct architectures of convolutional neural networks (CNN), which were evaluated using cross-validation. The best results indicate that CNN are able to identify cib clinical signs in thermographic images with accuracy close to 94%.A Ceratoconjuntivite Infecciosa Bovina (CIB) é considerada a doença ocular de maior importância na criação de bovinos, causando perdas no rebanho e prejuízos ao produtor. Por se tratar de uma doença infectocontagiosa é necessário que as formas de diagnóstico sejam aprimoradas. Atualmente, o diagnóstico para CIB é realizado por meio da avaliação dos sinais clínicos por um especialista e confirmados por exames laboratoriais, o que geralmente é uma tarefa custosa. Neste trabalho, é avaliada a utilização da termografia infravermelha para aquisição de imagens da região ocular bovina de animais sadios e experimentalmente infectados pela CIB. A base de imagens disponível foi previamente classificada por um especialista e, posteriormente, utilizada no processo de treinamento e validação de um conjunto de arquiteturas distintas de redes neurais convolucionais (RNC), as quais foram avaliadas utilizando validação cruzada. Os melhores resultados indicam que as RNC são capazes de identificar os sinais clínicos da CIB em imagens termográficas com acurácia próxima a 94%.