近几年,随着国家出台相关政策,坚持“科技兴牛”,肉牛养殖业发展从草原散养正向智能化方向转型升级,而肉牛的个体身份识别技术成为了现代化和精细化养殖的重要基础。作为识别技术的重要组成部分,数据集的研究跟算法相比较为落后。因此本文以牛面部特征为基础,构建了西门塔尔小样本牛脸数据集,对此小样本数据集进行了扩展,并应用图像融合技术进行了牛脸特征增强,最后对所构建的数据集进行了综合评价,具体工作如下:首先构建西门塔尔小样本牛脸图像数据集。于2018年7月至8月和2020年8月至9月在河北省盛源肉牛养殖场和内蒙古通辽市库伦旗共采集了103头牛视频数据。将采集到的视频数据进行分帧、关键点截取和图片筛选后,最后得到了103头牛的10239张西门塔尔牛面部图像的数据集。其次基于DCGAN网络对小样本数据集进行扩展,从最初的10239张牛脸图像扩展到20539张牛脸图像。并通过FID、GAN-train和GAN-test指标评估生成的图像,证明了DCGAN生成的图像具有真实性和多样性,可用于牛脸数据集的扩展。在此基础上,对比研究了传统数据扩展方法和DCGAN数据扩展方法下的识别准确率,证明了DCGAN的识别准确率高于传统数据扩展方法。然后根据103头牛的个体识别准确率和数据集制作特点,结合图像直方图分析,发现数据集中存在个别牛受高光照影响,导致牛脸图像泛白,一些牛脸特征丢失,使得个体识别准确率较低。针对上述问题,搭建了MEF-GAN模型,用于牛脸特征的增强。具体在GAN中加入自注意力机制,形成了自我注意模块、局部细节块和合并块融合新图像,并对融合后的图像进行了评估。实验结果表明,由于高光照所导致的一些丢失的牛面部特征得到了恢复和增强。最后在常用的几个经典网络模型VGG16、Goog Le Net和Res Net50上验证了本文制作的西门塔尔牛脸数据集,并与其它种类牛脸数据集和牛的其它特征数据集进行比较,证明了本文数据集具有较好的通用性和实际应用意义。