羊面部数据的采集是羊身份识别技术的重要前提,准确高效的采集羊脸信息可以构建羊身份识别所需的数据集和数据库。为了更快更准确的采集大量的羊面部数据,本文设计了羊面部图像自动采集系统,该系统由数据采集端、后台算法和前端可视化软件组成。本系统的目的是在高速准确对每一只羊面部图像采集的同时,自动剔除过小的、角度不好的、清晰度较低的等使用价值较低的羊面部图片,并可以自动选出质量较好的图片作为每只羊身份识别的代表图片。（1）羊面部自动采集系统分为三部分,第一部分是由采集通道、摄像机和计算机组成的数据采集端;第二部分为后端算法,编写了一套集羊面部检测、羊面部姿态识别、清晰度分析和羊面部图片的评分系统,该部分为系统的核心部分;第三部分为应用程序端,设计了可视化羊面部自动采集程序。（2）为了获得羊脸数据集,设计了可以使羊群依次单个通过的图像采集通道,方便对每只羊的面部图像进行分别采集。将采集的羊面部视频数据分成训练数据集和测试数据集,使用OpenCV对训练数据集的视频进行分帧处理,人工对每一帧图像进行了检查,剔除视频中没有羊面部出现的帧。然后通过数据增强、图像滤波和仿射变换等操作扩大羊面部数据集。（3）羊脸检测在于高速获取标准清晰的羊脸目标,过小的目标特征表达差图像模糊,所以要避免对小目标的检测。在羊脸目标检测部分提出了基于YOLOv5改进的DFD-YOLOv5算法,该算法只对19×19大目标和38×38中等目标检测的特征图融合,阻断了小目标检测浅层特征图参与多尺度特征融合的过程,减少了运算参数获得10%检测速度的提升。在羊面部姿态分类任务中使用了Alexnet网络模型,并用3个二分类逻辑回归代替Softmax分类的方法,提高了结果的准确率。（4）以羊面部姿态分类预测概率和清晰度值作为线性回归的输入,对最终筛选得到的羊面部图片进行评分,挑选出评分最高的一张羊面部图片作为该羊身份识别的代表图片。（5）制作了羊面部采集可视化软件,对羊圈中的28只羊进行检测,本系统可以完整的采集到了每只羊的面部图片,并完成了对大部分不标准羊脸图片的自动剔除,羊脸图片的剔除的准确度最高达到92.96%。